Update app.py

app.py

@@ -1,20 +1,53 @@
+# 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
-from llama_index.core.prompts import PromptTemplate
-from llama_index.core.llms import ChatMessage, MessageRole
+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 llama_index.core.chat_engine.condense_plus_context import CondensePlusContextChatEngine
+from huggingface_hub import hf_hub_download
+from llama_index.core.node_parser import SentenceSplitter
 
-# Load the LLaMA model
+# Fungsi untuk memasang ulang llama-cpp-python dengan dukungan CUDA
+def install_llama_with_cuda():
+    try:
+        # Baca file requirements.txt
+        with open("requirements.txt", "r") as f:
+            packages = f.read().splitlines()
+
+        # Install setiap paket dengan CMAKE_ARGS untuk dukungan CUDA
+        for package in packages:
+            subprocess.run(
+            env={"CMAKE_ARGS": "-DGGML_CUDA=on"},
+        check=True
+        )
+        # Periksa apakah CUDA Toolkit tersedia
+        if not shutil.which("nvcc"):
+            print("CUDA Toolkit tidak ditemukan. Pastikan sudah diinstal.")
+            return
+
+        print("Memasang ulang llama-cpp-python dengan dukungan CUDA...")
+        
+        print("llama-cpp-python berhasil diinstal ulang dengan dukungan CUDA.")
+    except subprocess.CalledProcessError as e:
+        print(f"Error saat menginstal ulang llama-cpp-python: {e}")
+    except Exception as e:
+        print(f"Kesalahan umum: {e}")
+
+# Fungsi untuk mengunduh model Llama
 def initialize_llama_model():
-    model_path= hf_hub_download(
+    # 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 = Llama(
         model_path=model_path,
@@ -23,41 +56,75 @@ def initialize_settings(model_path):
         top_p=0.9       # Mengurangi eksplorasi token
     )
 
-# Load documents
-documents = SimpleDirectoryReader(input_files=[
-    "bahandokumen/jadwallembur.txt",
-    "bahandokumen/absensi.txt",
-    "bahandokumen/sisacuti.txt"
-]).load_data()
-
-# Embed the documents using HuggingFace Embeddings
-embedding = HuggingFaceEmbedding("BAAI/bge-base-en-v1.5")
-nodes = [doc for doc in documents]
-index = VectorStoreIndex(nodes)
-
-# Retriever and chat engine setup
-retriever = index.as_retriever(similarity_top_k=3)
-chat_engine = CondensePlusContextChatEngine.from_defaults(
-    retriever=retriever,
-    verbose=True,
-)
-
-# Chat reset function
-def clear_history():
-    chat_engine.reset()
-
-# Chat response generator
-def generate_response(message, history):
-    response = chat_engine.chat(message)
-    text = ""
-    for token in response.response_gen:
-        text += token
-        yield text
-
-# Gradio UI setup
-with gr.Blocks() as demo:
-    clear_btn = gr.Button("Clear")
-    clear_btn.click(clear_history)
-    chat_interface = gr.ChatInterface(fn=generate_response, clear_btn=clear_btn)
-
-demo.launch()
+# Fungsi untuk Menginisialisasi Index
+def initialize_index():
+    # Tentukan dokumen input untuk pembacaan data
+    documents = SimpleDirectoryReader(input_files=["bahandokumen/K3.txt",
+                                                   "bahandokumen/bonus.txt",
+                                                   "bahandokumen/cuti.txt",
+                                                   "bahandokumen/disiplinkerja.txt",
+                                                   "bahandokumen/fasilitas&bantuan.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("BAAI/bge-base-en-v1.5")
+    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 selalu menjawab pertanyaan secara singkat, ramah, dan jelas dalam bahasa Indonesia."
+        ),
+    ]
+    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():
+    install_llama_with_cuda()
+    # 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()