adminzy / app.py
BramLeo's picture
Update app.py
7388122 verified
# Import Library yang Diperlukan
import gradio as gr
import shutil
import os
import subprocess
from llama_cpp import Llama
from llama_index.core import SimpleDirectoryReader, VectorStoreIndex, Settings
from llama_index.core.llms import ChatMessage
from llama_index.llms.llama_cpp import LlamaCPP
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from huggingface_hub import hf_hub_download
from llama_index.core.node_parser import SentenceSplitter
# Fungsi untuk mengunduh model Llama
def initialize_llama_model():
# Unduh model jika belum ada di direktori kerja
model_path = hf_hub_download(
repo_id="TheBLoke/zephyr-7b-beta-GGUF", # Nama repo model
filename="zephyr-7b-beta.Q4_K_M.gguf", # Nama file model
cache_dir="./models" # Lokasi direktori untuk menyimpan model
)
return model_path
# Fungsi untuk mengatur konfigurasi Settings
def initialize_settings(model_path):
Settings.llm = LlamaCPP(
model_path=model_path,
temperature=0.7,
)
# Fungsi untuk Menginisialisasi Index
def initialize_index():
# Tentukan dokumen input untuk pembacaan data
documents = SimpleDirectoryReader(input_files=["bahandokumen/K3.txt",
"bahandokumen/bonus.txt",
"bahandokumen/absensi.txt",
"bahandokumen/cuti.txt",
"bahandokumen/disiplinkerja.txt",
"bahandokumen/fasilitas&bantuan.txt",
"bahandokumen/fasilitaskerja.txt",
"bahandokumen/hak.txt",
"bahandokumen/hubunganpengusaha&serikat.txt",
"bahandokumen/istilah.txt",
"bahandokumen/jaminanserikat.txt",
"bahandokumen/jamkes.txt",
"bahandokumen/jamsos.txt",
"bahandokumen/keluhkesah.txt",
"bahandokumen/kenaikanupah.txt",
"bahandokumen/kewajiban.txt",
"bahandokumen/kompensasi.txt",
"bahandokumen/larangan.txt",
"bahandokumen/lembur.txt",
"bahandokumen/luaskesepakatan.txt",
"bahandokumen/mogok.txt",
"bahandokumen/pelanggaran&sanksi.txt",
"bahandokumen/pendidikan.txt",
"bahandokumen/pengangkatan.txt",
"bahandokumen/penilaian&promosi.txt",
"bahandokumen/pensiun.txt",
"bahandokumen/perjadin.txt",
"bahandokumen/pesangon.txt",
"bahandokumen/phk.txt",
"bahandokumen/pihak.txt",
"bahandokumen/pkb.txt",
"bahandokumen/resign.txt",
"bahandokumen/sanksi.txt",
"bahandokumen/shift.txt",
"bahandokumen/syaratkerja.txt",
"bahandokumen/sisacuti.txt",
"bahandokumen/target.txt",
"bahandokumen/tatacara.txt",
"bahandokumen/tka.txt",
"bahandokumen/tunjangan.txt",
"bahandokumen/uangpisah.txt",
"bahandokumen/upah.txt",
"bahandokumen/upahlembur.txt",
"bahandokumen/waktukerja.txt"]).load_data()
parser = SentenceSplitter(chunk_size=150, chunk_overlap=10)
nodes = parser.get_nodes_from_documents(documents)
embedding = HuggingFaceEmbedding("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
Settings.embed_model = embedding
index = VectorStoreIndex(nodes)
return index
# Inisialisasi Mesin Chat
def initialize_chat_engine(index):
from llama_index.core.prompts import PromptTemplate
from llama_index.core.chat_engine.condense_plus_context import CondensePlusContextChatEngine
retriever = index.as_retriever(similarity_top_k=3)
chat_engine = CondensePlusContextChatEngine.from_defaults(
retriever=retriever,
verbose=True,
)
return chat_engine
# Fungsi untuk menghasilkan respons chatbot
def generate_response(message, history, chat_engine):
chat_messages = [
ChatMessage(
role="system",
content="Anda adalah chatbot yang menjawab dalam bahasa Indonesia. Berikut contoh percakapan:\n"
"Pengguna: Apa itu lembur?\n"
"Chatbot: Lembur adalah pekerjaan yang dilakukan di luar jam kerja yang telah ditetapkan.\n"
"Pengguna: Apa syarat kerja di perusahaan?\n"
"Chatbot: Syarat kerja di perusahaan meliputi waktu kerja, gaji, dan tunjangan sesuai dengan peraturan perusahaan."
),
]
response = chat_engine.stream_chat(message)
text = "".join(response.response_gen) # Gabungkan semua token menjadi string
history.append((message, text)) # Tambahkan ke riwayat
return history
def clear_history(chat_engine):
chat_engine.clear()
# Inisialisasi Komponen Gradio untuk UI
def launch_gradio(chat_engine):
with gr.Blocks() as demo:
# Mengatur tombol untuk menghapus riwayat chat
clear_btn = gr.Button("Clear")
clear_btn.click(lambda: clear_history(chat_engine))
# Membuat antarmuka chat
chat_interface = gr.ChatInterface(
lambda message, history: generate_response(message, history, chat_engine)
)
demo.launch()
# Fungsi Utama untuk Menjalankan Aplikasi
def main():
# Unduh model dan inisialisasi pengaturan
model_path = initialize_llama_model()
initialize_settings(model_path) # Mengirimkan model_path ke fungsi initialize_settings
# Inisialisasi index dan engine
index = initialize_index()
chat_engine = initialize_chat_engine(index)
# Luncurkan antarmuka
launch_gradio(chat_engine)
if __name__ == "__main__":
main()