# Importar las bibliotecas necesarias from huggingface_hub import InferenceClient import gradio as gr # Crear un cliente de inferencia para el modelo preentrenado Mixtral-8x7B-Instruct-v0.1 client = InferenceClient("mistralai/Mixtral-8x7B-Instruct-v0.1") # Función para formatear el prompt con historial def format_prompt(message, history, system_prompt): prompt = "" for user_prompt, bot_response in history: prompt += f"[INST] {user_prompt} [/INST]" prompt += f" {bot_response} " prompt += f"[INST] {system_prompt}, {message} [/INST]" return prompt # Función para generar respuestas dada una serie de parámetros def generate( prompt, history, system_prompt, temperature=0.9, max_new_tokens=4096, top_p=0.95, repetition_penalty=1.0,): # Ajustar valores de temperatura y top_p para asegurar que estén en el rango adecuado temperature = float(temperature) if temperature < 1e-2: temperature = 1e-2 top_p = float(top_p) # Configurar los parámetros para la generación de texto generate_kwargs = dict( temperature=temperature, max_new_tokens=max_new_tokens, top_p=top_p, repetition_penalty=repetition_penalty, do_sample=True, seed=42, ) # Formatear el prompt y obtener la respuesta del modelo de manera continua formatted_prompt = format_prompt(prompt, history, system_prompt) stream = client.text_generation(formatted_prompt, **generate_kwargs, stream=True, details=True, return_full_text=False) output = "" # Iterar a través de las respuestas en el stream for response in stream: output += response.token.text yield output return output # Configurar inputs adicionales para la interfaz Gradio additional_inputs = [ # Entrada de texto para el System Prompt (puedes omitir esto si no lo necesitas) gr.Textbox( label="System Prompt", value="Asistente para los usuarios y clientes de la empresa Canal de Isabel II, https://oficinavirtual.canaldeisabelsegunda.es/", max_lines=1, interactive=True, ), # Control deslizante para la temperatura gr.Slider( label="Temperature", value=0.9, minimum=0.0, maximum=1.0, step=0.05, interactive=True, info="Valores más altos producen resultados más diversos", ), # Control deslizante para el número máximo de nuevos tokens # Tengo que comprobar el número máximo de nuevos tokens, por el momento lo fijo a 4096. gr.Slider( label="Max new tokens", value=4096, minimum=0, maximum=4096, step=64, interactive=True, info="El máximo número de nuevos tokens", ), # Control deslizante para top-p (nucleus sampling) gr.Slider( label="Top-p (nucleus sampling)", value=0.90, minimum=0.0, maximum=1, step=0.05, interactive=True, info="Valores más altos muestrean más tokens de baja probabilidad", ), # Control deslizante para la penalización de repetición gr.Slider( label="Repetition penalty", value=1.2, minimum=1.0, maximum=2.0, step=0.05, interactive=True, info="Penaliza los tokens repetidos", ) ] # Crear una interfaz de chat Gradio con el modelo generativo gr.ChatInterface( fn=generate, chatbot=gr.Chatbot( avatar_images=["./15f4b2d3-c4f4-4a29-93cd-e47214953bd9.png", "./botm.png"], bubble_full_width=False, show_label=False, show_share_button=False, show_copy_button=True, likeable=True, layout="panel", height=500, ), textbox=gr.Textbox(placeholder="¿Qué parámetros definen la calidad del agua?", container=False, scale=7), theme="soft", additional_inputs=additional_inputs, title="Mixtral 8B Fines didácticos Asistente de usuarios/clientes de Canal de Isabel ll", description='Autor: Antonio Fernández de SaturdaysAI. Formación: Cursos Online AI Aplicación desarrollada con fines docentes', retry_btn="Repetir", undo_btn="Deshacer", clear_btn="Borrar", submit_btn="Enviar", concurrency_limit=20, ).launch(show_api=False)