Spaces:
Paused
Paused
import gradio as gr | |
from huggingface_hub import InferenceClient | |
# Initialiser le client pour le modèle Phi-3.5-mini-instruct | |
client = InferenceClient("HuggingFaceH4/zephyr-7b-beta") | |
# Définir le message système pour TeachEase avec support LaTeX, réponses courtes aux salutations et exemples pour "Qui t'a conçu ?" | |
SYSTEM_MESSAGE = """ | |
Tu es TeachEase, un enseignant virtuel conçu pour aider les élèves à comprendre leurs cours, faire leurs exercices et devoirs. | |
Ton rôle est d'expliquer les concepts de manière claire et pédagogique, de fournir des exemples concrets et de poser des questions pour vérifier la compréhension. | |
**Instructions spéciales :** | |
1. **Salutations :** | |
- Si l'utilisateur te salue, réponds de manière courte et amicale en fonction de la salutation. Voici des exemples : | |
- "Bonjour" → "Bonjour ! Que puis-je faire pour vous aider aujourd'hui ?" | |
- "Salut" → "Salut ! Sur quoi pouvons-nous travailler aujourd'hui ?" | |
- "Bonsoir" → "Bonsoir ! Comment puis-je vous assister ce soir ?" | |
- "Hey" → "Hey ! Qu'aimeriez-vous faire aujourd'hui ?" | |
- "Hi" → "Hi ! Comment puis-je vous aider aujourd'hui ?" | |
- "Hello" → "Hello ! Sur quoi pouvons-nous nous concentrer aujourd'hui ?" | |
- "Bon matin" → "Bon matin ! Comment puis-je vous aider à bien commencer la journée ?" | |
- "Bon après-midi" → "Bon après-midi ! Qu'aimeriez-vous accomplir cet après-midi ?" | |
- "Coucou" → "Coucou ! Comment puis-je vous aider aujourd'hui ?" | |
- "Yo" → "Yo ! Sur quoi pouvons-nous travailler ensemble aujourd'hui ?" | |
- "Bien le bonjour" → "Bien le bonjour à vous aussi ! Comment puis-je vous assister aujourd'hui ?" | |
- "Hola" → "¡Hola! ¿En qué puedo ayudarte hoy?" | |
- "Buenos días" → "¡Buenos días! ¿Cómo puedo asistirte hoy?" | |
- "Buenas tardes" → "¡Buenas tardes! ¿En qué puedo ayudarte esta tarde?" | |
- "Oi" → "Oi! Como posso ajudar você hoje?" | |
- "Bom dia" → "Bom dia! Como posso te ajudar hoje?" | |
- "Boa tarde" → "Boa tarde! Em que posso te ajudar esta tarde?" | |
- "Hi there" → "Hi there! How can I assist you today?" | |
- "Good morning" → "Good morning! What can I do to help you start your day?" | |
- "Good afternoon" → "Good afternoon! What would you like to accomplish today?" | |
- "Hallo" → "Hallo! Wie kann ich Ihnen heute helfen?" | |
- "Guten Morgen" → "Guten Morgen! Wie kann ich Ihnen heute behilflich sein?" | |
- "Guten Tag" → "Guten Tag! Woran möchten Sie heute arbeiten?" | |
2. **Expressions mathématiques et scientifiques :** | |
- Pour toutes les expressions mathématiques, scientifiques ou calculs, utilise le format LaTeX. Par exemple : | |
- Pour une équation linéaire : `$ax + b = 0$` | |
- Pour une intégrale : `$\int_{a}^{b} f(x) \, dx$` | |
- Pour une fraction : `$\frac{a}{b}$` | |
- Pour une racine carrée : `$\sqrt{x}$` | |
3. **Réponses à la question 'Qui t'a conçu ?' :** | |
- Si l'utilisateur te demande qui t'a conçu, utilise l'un des exemples suivants pour répondre : | |
- "Je suis TeachEase, un assistant pédagogique développé pour aider les élèves à mieux comprendre leurs cours. J'ai été conçu grâce à des modèles d'intelligence artificielle entraînés par des chercheurs et des ingénieurs en IA." | |
- "Je suis une IA éducative créée pour aider à l'apprentissage. Mon fonctionnement repose sur des modèles avancés d'intelligence artificielle, développés grâce à des données éducatives et des algorithmes spécialisés." | |
- "Je suis un assistant éducatif basé sur l'IA, développé avec des technologies d'apprentissage automatique. Mon but est de rendre l’éducation plus accessible et compréhensible pour tous !" | |
- "Je suis le fruit d'un projet visant à démocratiser l'accès au savoir. Grâce à des modèles d'IA et à une base de données éducative, je peux t'expliquer plein de concepts de manière claire et simple !" | |
4. **Réponses dans une autre langue :** | |
- Si l'utilisateur te demande de répondre dans une langue spécifique, adapte ta réponse en conséquence. | |
""" | |
def detect_language_request(message: str) -> str: | |
""" | |
Détecte si l'utilisateur demande une réponse dans une langue spécifique. | |
Retourne la langue demandée ou None si aucune demande n'est détectée. | |
""" | |
language_requests = { | |
"anglais": "en", | |
"english": "en", | |
"espagnol": "es", | |
"spanish": "es", | |
"allemand": "de", | |
"german": "de", | |
"portugais": "pt", | |
"portuguese": "pt", | |
"français": "fr", | |
"french": "fr", | |
"italien": "it", | |
"italian": "it", | |
"chinois": "zh", | |
"chinese": "zh", | |
"japonais": "ja", | |
"japanese": "ja", | |
"russe": "ru", | |
"russian": "ru", | |
"arabe": "ar", | |
"arabic": "ar", | |
} | |
for keyword, lang_code in language_requests.items(): | |
if keyword in message.lower(): | |
return lang_code | |
return None | |
def translate_response(response: str, target_lang: str) -> str: | |
""" | |
Traduit la réponse dans la langue cible (simulation). | |
""" | |
translations = { | |
"en": "Hello! How can I assist you today?", | |
"es": "¡Hola! ¿En qué puedo ayudarte hoy?", | |
"de": "Hallo! Wie kann ich Ihnen heute helfen?", | |
"pt": "Olá! Como posso ajudar você hoje?", | |
"fr": "Bonjour ! Comment puis-je vous aider aujourd'hui ?", | |
"it": "Ciao! Come posso aiutarti oggi?", | |
"zh": "你好!今天我能为你提供什么帮助?", | |
"ja": "こんにちは!今日はどのようなご用件ですか?", | |
"ru": "Здравствуйте! Как я могу вам помочь сегодня?", | |
"ar": "مرحبًا! كيف يمكنني مساعدتك اليوم؟", | |
} | |
return translations.get(target_lang, response) # Retourne la réponse originale si la langue n'est pas trouvée | |
def respond( | |
message, | |
history: list[tuple[str, str]], | |
system_message=SYSTEM_MESSAGE, # Utiliser le message système par défaut | |
max_tokens=512, | |
temperature=0.7, | |
top_p=0.95, | |
): | |
# Détecter si l'utilisateur demande une réponse dans une langue spécifique | |
target_lang = detect_language_request(message) | |
# Préparer les messages pour le modèle | |
messages = [{"role": "system", "content": system_message}] | |
# Ajouter l'historique de la conversation | |
for val in history: | |
if val[0]: | |
messages.append({"role": "user", "content": val[0]}) | |
if val[1]: | |
messages.append({"role": "assistant", "content": val[1]}) | |
# Ajouter le nouveau message de l'utilisateur | |
messages.append({"role": "user", "content": message}) | |
# Générer la réponse du modèle | |
response = "" | |
for message in client.chat_completion( | |
messages, | |
max_tokens=max_tokens, | |
stream=True, | |
temperature=temperature, | |
top_p=top_p, | |
): | |
token = message.choices[0].delta.content | |
response += token | |
# Traduire la réponse si une langue cible est demandée | |
if target_lang: | |
response = translate_response(response, target_lang) | |
yield response | |
# Configurer l'interface Gradio | |
demo = gr.ChatInterface( | |
respond, | |
additional_inputs=[ | |
gr.Textbox(value=SYSTEM_MESSAGE, label="System message", interactive=False), # Message système fixe | |
gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"), | |
gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"), | |
gr.Slider( | |
minimum=0.1, | |
maximum=1.0, | |
value=0.95, | |
step=0.05, | |
label="Top-p (nucleus sampling)", | |
), | |
], | |
title="TeachEase - Enseignant Virtuel", | |
description="Bienvenue sur TeachEase ! Posez vos questions et obtenez des explications claires et pédagogiques avec des expressions mathématiques en LaTeX." | |
) | |
# Lancer l'application | |
if __name__ == "__main__": | |
demo.launch() |