Update app.py

app.py

@@ -1,12 +1,12 @@
 import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
+from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
 
-# بارگذاری مدل فشرده‌شده Falcon-7B-Instruct-GPTQ
-model_name = "4bit/falcon-7b-instruct-GPTQ"
+# بارگذاری مدل GPT-J-6B
+model_name = "EleutherAI/gpt-j-6b"
 
 # بارگذاری توکن‌ایزر و مدل
-tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
-model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(model_name)
 
 # ایجاد pipeline برای متن‌سازی
 pipe = pipeline("text-generation", model=model, tokenizer=tokenizer)
@@ -22,4 +22,43 @@ def respond(
     # ساخت پیام‌ها برای مدل
     messages = [{"role": "system", "content": system_message}]
 
-    # اضافه
+    # اضافه کردن تاریخچه چت
+    for val in history:
+        if val[0]:
+            messages.append({"role": "user", "content": val[0]})
+        if val[1]:
+            messages.append({"role": "assistant", "content": val[1]})
+
+    messages.append({"role": "user", "content": message})
+
+    # تولید پاسخ با استفاده از مدل
+    response = pipe(
+        messages,
+        max_new_tokens=max_tokens,
+        temperature=temperature,
+        top_p=top_p,
+        do_sample=True,
+    )[0]["generated_text"]
+
+    yield response
+
+# ایجاد رابط کاربری با Gradio
+demo = gr.ChatInterface(
+    respond,
+    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)",
+        ),
+    ],
+)
+
+# اجرای برنامه
+if __name__ == "__main__":
+    demo.launch()