Update app.py

app.py

@@ -1,64 +1,51 @@
-import subprocess
-import sys
-
-# Cài đặt các thư viện nếu chưa có
-subprocess.check_call([sys.executable, "-m", "pip", "install", "transformers", "streamlit", "torch", "bitsandbytes","peft"])
-
-import torch
-from transformers import AutoTokenizer, AutoModelForCausalLM
-from peft import PeftModel
 import streamlit as st
+from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
+from peft import PeftModel
+import torch
 
-# 1. Cấu hình và load model gốc
-base_model_name = r"lora_model" # model gốc mà adapter được áp dụng
-
-# Load tokenizer và model gốc (chạy trên GPU nếu có sẵn)
-device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-tokenizer = AutoTokenizer.from_pretrained(base_model_name)
-base_model = AutoModelForCausalLM.from_pretrained(base_model_name, device_map="auto")
+# Định nghĩa tên mô hình gốc và adapter
+BASE_MODEL_NAME = "unsloth/deepseek-r1-distill-llama-8b-unsloth-bnb-4bit"
+ADAPTER_MODEL_PATH = "lora_model"
 
-# 2. Tải adapter LoRA từ thư mục "lora_model"
-# Thư mục này chứa các file được lưu bởi model.save_pretrained("lora_model")
-model = PeftModel.from_pretrained(base_model, base_model_name)
-model.to(device)
+# Load mô hình gốc
+base_model = AutoModelForCausalLM.from_pretrained(BASE_MODEL_NAME, torch_dtype=torch.float16, device_map="auto")
+# Áp dụng adapter LoRA
+model = PeftModel.from_pretrained(base_model, ADAPTER_MODEL_PATH)
+tokenizer = AutoTokenizer.from_pretrained(BASE_MODEL_NAME)
 
-# 3. Định nghĩa prompt template cho chatbot (có thể tùy chỉnh)
-prompt_template = """Bạn là một trợ lý ảo thông minh, đóng vai một giáo viên giàu kinh nghiệm, tận tâm và nhiệt huyết. 
-Nhiệm vụ của bạn là giải đáp mọi thắc mắc của người dùng một cách rõ ràng, chi tiết và dễ hiểu.
-Nếu người dùng chưa gửi bất kỳ tin nhắn nào, hãy hỏi: “Bạn cần giúp gì?” hoặc “Tôi có thể hỗ trợ bạn điều gì?”
+def generate_response(prompt):
+    """Generate a response from the model."""
+    inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
+    streamer = TextStreamer(tokenizer)
+    with torch.no_grad():
+        model.generate(**inputs, streamer=streamer, max_length=512)
+    return ""
 
-### Đầu vào:
-{}
-### Trả lời:
-"""
+# Streamlit UI
+st.set_page_config(page_title="Chatbot", page_icon="🤖")
+st.title("🤖 AI Chatbot")
 
-def generate_response(user_input):
-    # Tạo prompt dựa trên input của người dùng
-    prompt = prompt_template.format(user_input)
-    inputs = tokenizer(prompt, return_tensors="pt").to(device)
-    
-    # Sinh kết quả với sampling (có thể điều chỉnh temperature, max_new_tokens,...)
-    outputs = model.generate(
-        **inputs,
-       
-        do_sample=True,
-        temperature=0.7,
-        pad_token_id=tokenizer.eos_token_id
-    )
-    # Decode kết quả và loại bỏ token đặc biệt
-    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
-    # Nếu cần, bạn có thể xử lý để cắt bỏ phần prompt ban đầu
-    # Ví dụ: trả về phần text sau prompt_template
-    return response.replace(prompt, "").strip()
+# Initialize chat history if not exists
+if "messages" not in st.session_state:
+    st.session_state.messages = []
 
-# Streamlit UI
-st.title("Chatbot Trợ Lý Ảo")
-st.write("Chào mừng đến với Chatbot! Nhập 'exit' để thoát.")
+# Display chat messages
+for message in st.session_state.messages:
+    with st.chat_message(message["role"]):
+        st.markdown(message["content"])
 
-user_input = st.text_input("Bạn: ", "")
+# User input
+user_input = st.chat_input("Nhập tin nhắn...")
 if user_input:
-    if user_input.lower() == "exit":
-        st.write("Chatbot: Tạm biệt!")
-    else:
-        reply = generate_response(user_input)
-        st.write(f"Chatbot: {reply}")
+    # Append user message
+    st.session_state.messages.append({"role": "user", "content": user_input})
+    with st.chat_message("user"):
+        st.markdown(user_input)
+
+    # Generate response
+    with st.chat_message("assistant"):
+        response = generate_response(user_input)
+        st.markdown(response)
+
+    # Append assistant response
+    st.session_state.messages.append({"role": "assistant", "content": response})