Update app.py

app.py

@@ -1,60 +1,61 @@
+import os
 import gradio as gr
 from huggingface_hub import InferenceClient
 
-def respond(
-    message,
-    history: list[dict[str, str]],
-    system_message,
+# Coloque seu token Hugging Face aqui (ou use variável de ambiente)
+HF_TOKEN = os.environ.get("HF_TOKEN") or "SEU_TOKEN_AQUI"
+
+def responder(
+    mensagem,
+    historico: list[dict[str, str]],
+    mensagem_do_sistema,
     max_tokens,
-    temperature,
+    temperatura,
     top_p,
-    hf_token: gr.OAuthToken,
+    hf_token=None,  # Ignorado, usamos HF_TOKEN direto
 ):
     """
-    Função que envia mensagens para o modelo Meta-LLaMA 3.1 8B Instruct via Hugging Face Inference API.
+    Função que envia mensagens para o modelo Meta-LLaMA 3.1 8B Instruct usando token direto.
     """
-    # Inicializa o cliente Hugging Face com o modelo Meta-LLaMA 3.1 8B Instruct
-    client = InferenceClient(token=hf_token.token, model="meta-llama/Meta-Llama-3.1-8B-Instruct")
+    cliente = InferenceClient(token=HF_TOKEN, model="meta-llama/Meta-Llama-3.1-8B-Instruct")
 
     # Prepara mensagens no formato chat
-    messages = [{"role": "system", "content": system_message}]
-    messages.extend(history)
-    messages.append({"role": "user", "content": message})
+    mensagens = [{"role": "system", "content": mensagem_do_sistema}]
+    mensagens.extend(historico)
+    mensagens.append({"role": "user", "content": mensagem})
 
-    response = ""
+    resposta = ""
 
     # Streaming da resposta token por token
-    for message_chunk in client.chat_completion(
-        messages,
+    for trecho_da_mensagem in cliente.chat_completion(
+        mensagens,
         max_tokens=max_tokens,
         stream=True,
-        temperature=temperature,
+        temperature=temperatura,
         top_p=top_p,
     ):
-        choices = message_chunk.choices
+        escolhas = trecho_da_mensagem.choices
         token = ""
-        if len(choices) and choices[0].delta.content:
-            token = choices[0].delta.content
+        if len(escolhas) and escolhas[0].delta.content:
+            token = escolhas[0].delta.content
 
-        response += token
-        yield response
+        resposta += token
+        yield resposta
 
 # Cria interface de chat Gradio
 chatbot = gr.ChatInterface(
-    respond,
+    responder,
     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)"),
+        gr.Textbox(value="Você é um chatbot amigável.", label="Mensagem do sistema"),
+        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Máximo de novos tokens"),
+        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperatura"),
+        gr.Slider(minimum=0.1, maximum=1.0, value=0.95, step=0.05, label="Top-p (amostragem de núcleo)"),
     ],
 )
 
-# Layout com login Hugging Face
+# Layout simples, sem login
 with gr.Blocks() as demo:
-    with gr.Sidebar():
-        gr.LoginButton()
     chatbot.render()
 
 if __name__ == "__main__":