Update space

app.py

@@ -1,70 +1,54 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
-
+from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch
+
+# Загружаем модель и токенизатор (происходит при запуске Space)
+model_name = "microsoft/phi-2"
+tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    torch_dtype=torch.float32,  # float32 для совместимости с CPU
+    device_map="cpu",           # Явно загружаем на CPU
+    trust_remote_code=True
+)
 
-def respond(
-    message,
-    history: list[dict[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-    hf_token: gr.OAuthToken,
-):
+def respond(message, history):
     """
-    For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
+    Функция, которая вызывается Gradio при новом запросе пользователя.
+    history - список предыдущих пар [вопрос, ответ].
     """
-    client = InferenceClient(token=hf_token.token, model="openai/gpt-oss-20b")
-
-    messages = [{"role": "system", "content": system_message}]
-
-    messages.extend(history)
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        choices = message.choices
-        token = ""
-        if len(choices) and choices[0].delta.content:
-            token = choices[0].delta.content
-
-        response += token
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-chatbot = gr.ChatInterface(
-    respond,
-    type="messages",
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
+    # Формируем промпт: учитываем историю диалога
+    prompt = ""
+    for human_msg, ai_msg in history:
+        prompt += f"Human: {human_msg}\nAssistant: {ai_msg}\n"
+    prompt += f"Human: {message}\nAssistant:"
+
+    # Токенизация и генерация ответа
+    inputs = tokenizer(prompt, return_tensors="pt", truncation=True, max_length=512)
+    generate_ids = model.generate(
+        inputs.input_ids,
+        max_new_tokens=200,          # Ограничиваем длину ответа
+        do_sample=True,
+        temperature=0.7,
+        top_p=0.9
+    )
+    output = tokenizer.batch_decode(
+        generate_ids,
+        skip_special_tokens=True,
+        clean_up_tokenization_spaces=False
+    )[0]
+
+    # Извлекаем только последний ответ ассистента
+    answer = output.split("Assistant:")[-1].strip()
+    return answer
+
+# Создаем Gradio-интерфейс на основе функции `respond`
+demo = gr.ChatInterface(
+    fn=respond,
+    title="LiveCoder LLM API",
+    description="Модель Phi-2 для помощи в написании кода. Задавайте вопросы!"
 )
 
-with gr.Blocks() as demo:
-    with gr.Sidebar():
-        gr.LoginButton()
-    chatbot.render()
-
-
+# Запускаем приложение. `share=False` для работы внутри Space.
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch(share=False)