Update model.py

model.py

@@ -2,7 +2,7 @@ import os
 import torch
 from transformers import AutoTokenizer, AutoModelForCausalLM
 
-# ✅ ใช้ Hugging Face Cache Directory (ที่ Hugging Face อนุญาตให้เขียนไฟล์)
+# ✅ ใช้ Hugging Face Cache Directory
 MODEL_NAME = "deepseek-ai/deepseek-llm-7b-chat"
 MODEL_DIR = os.getenv("HF_HOME", "/tmp")  # ใช้ /tmp เป็นค่า default
 
@@ -17,7 +17,7 @@ model = AutoModelForCausalLM.from_pretrained(
 
 def classify_esi(symptoms):
     """
-    รับข้อความที่เป็นอาการของผู้ป่วยและใช้ DeepSeek AI วิเคราะห์ระดับ ESI
+    ใช้ DeepSeek AI วิเคราะห์ระดับ ESI (Emergency Severity Index) จากข้อความอาการของผู้ป่วย
     """
     prompt = (
         "คุณเป็นแพทย์เวชศาสตร์ฉุกเฉินที่มีหน้าที่ประเมินระดับความรุนแรงของผู้ป่วยตาม Emergency Severity Index (ESI) ซึ่งแบ่งเป็น 5 ระดับ:\n"
@@ -35,7 +35,12 @@ def classify_esi(symptoms):
     inputs = tokenizer(prompt, return_tensors="pt").to(device)
 
     with torch.no_grad():
-        outputs = model.generate(**inputs, max_new_tokens=10)
+        outputs = model.generate(
+            **inputs,
+            max_new_tokens=5,  # ✅ จำกัดจำนวน token ที่ generate ออกมาเพื่อให้ตอบเฉพาะตัวเลข
+            num_return_sequences=1,
+            do_sample=False  # ปิดการสุ่มให้ตอบตรงตามที่ต้องการ
+        )
 
     response = tokenizer.decode(outputs[0], skip_special_tokens=True).strip()
 
@@ -45,3 +50,4 @@ def classify_esi(symptoms):
             return int(esi)
 
     return "ไม่สามารถประเมินได้"  # กรณีที่โมเดลไม่สามารถให้คำตอบที่เป็นตัวเลขได้
+