New version v1.9

app.py

@@ -6,39 +6,28 @@ from transformers import (
     AutoModelForSequenceClassification,
     pipeline,
 )
+
 # =========================================================
 # 1. Настройка моделей
 # =========================================================
-
-# Твоя fine-tuned MBTI модель
 MBTI_MODEL_ID = "f3nsmart/MBTIclassifier"
+LLM_MODEL_ID = "microsoft/Phi-3-mini-4k-instruct"
 
-# Генератор вопросов — лёгкая LLM
-LLM_MODEL_ID = "microsoft/Phi-3-mini-4k-instruct"  # можно заменить на другую
-
-# Загружаем классификатор
 mbti_tokenizer = AutoTokenizer.from_pretrained(MBTI_MODEL_ID)
 mbti_model = AutoModelForSequenceClassification.from_pretrained(MBTI_MODEL_ID)
 analyzer = pipeline("text-classification", model=mbti_model, tokenizer=mbti_tokenizer, return_all_scores=True)
 
-# Загружаем генератор вопросов
 q_gen = pipeline("text-generation", model=LLM_MODEL_ID)
 
 # =========================================================
 # 2. Основная функция
 # =========================================================
-def classify_and_ask(user_input):
-    """
-    Параллельно выполняет:
-      - классификацию текста по MBTI,
-      - генерацию нового открытого вопроса.
-    """
+def classify_and_ask(user_input, question_count):
     if not user_input.strip():
-        return "⚠️ Введите текст.", "⚠️ Вопрос не сформирован."
+        return "⚠️ Введите текст.", "⚠️ Вопрос не сформирован.", question_count
 
     start_time = time.perf_counter()
 
-    # === Параллельная обработка ===
     with concurrent.futures.ThreadPoolExecutor() as executor:
         future_analysis = executor.submit(lambda: analyzer(user_input))
         future_question = executor.submit(lambda: q_gen(
@@ -53,23 +42,40 @@ def classify_and_ask(user_input):
     elapsed = time.perf_counter() - start_time
     print(f"⏱ Время обработки запроса: {elapsed:.2f} сек")
 
-    # === Обработка результатов анализа ===
     results = sorted(analysis_result[0], key=lambda x: x["score"], reverse=True)
     top = "\n".join([f"{r['label']} → {r['score']:.3f}" for r in results[:3]])
 
-    # === Обработка сгенерированного вопроса ===
     raw = question_result[0]["generated_text"].replace("\n", " ").strip()
     question = raw.split("?")[0].split("Question:")[-1].strip().capitalize() + "?"
 
-    return top, question
+    # Инкрементируем счётчик
+    question_count += 1
+    progress = f"{question_count}/30"
+
+    return top, question, progress
+
 
 # =========================================================
-# 3. Интерфейс Gradio
+# 3. Функция для первого вопроса при старте
+# =========================================================
+def generate_first_question():
+    result = q_gen(
+        "You are starting an MBTI interview. Ask the FIRST open-ended question "
+        "to understand the person’s personality, starting with 'How', 'Why', 'What', or 'When'."
+    )[0]["generated_text"]
+    question = result.split("?")[0].split("Question:")[-1].strip().capitalize() + "?"
+    return question, "1/30"
+
+
+# =========================================================
+# 4. Интерфейс Gradio
 # =========================================================
 with gr.Blocks(title="MBTI Interactive Interview") as demo:
     gr.Markdown("## 🧠 MBTI Personality Interviewer\n"
                 "Определи личностный тип и получи следующий вопрос от интервьюера.")
 
+    question_state = gr.State(1)
+
     with gr.Row():
         with gr.Column(scale=1):
             inp = gr.Textbox(
@@ -78,15 +84,23 @@ with gr.Blocks(title="MBTI Interactive Interview") as demo:
                 lines=4
             )
             btn = gr.Button("Анализировать и задать новый вопрос")
+            progress = gr.Markdown("**1/30**", elem_id="progress")
 
         with gr.Column(scale=1):
             out_analysis = gr.Textbox(label="📊 Анализ MBTI", lines=6)
             out_question = gr.Textbox(label="💬 Следующий вопрос от интервьюера", lines=3)
 
-    btn.click(fn=classify_and_ask, inputs=inp, outputs=[out_analysis, out_question])
+    btn.click(
+        fn=classify_and_ask,
+        inputs=[inp, question_state],
+        outputs=[out_analysis, out_question, progress],
+    )
+
+    # генерируем первый вопрос при запуске
+    demo.load(generate_first_question, outputs=[out_question, progress])
 
 # =========================================================
-# 4. Запуск
+# 5. Запуск
 # =========================================================
 if __name__ == "__main__":
     demo.launch()