Update config.gradio.yaml

config.gradio.yaml

@@ -1,14 +1,14 @@
 openai:
-  key: gradio # "gradio" (set when request) or your_personal_key
+  key: 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
 huggingface:
-  token: # required: huggingface token @ https://huggingface.co/settings/tokens
+  token: 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
 dev: false
 debug: true
 log_file: logs/debug_TIMESTAMP.log
 model: text-davinci-003 # text-davinci-003
 use_completion: true
 inference_mode: hybrid # local, huggingface or hybrid
-local_deployment: standard # minimal, standard or full
+local_deployment: minimal # minimal, standard or full
 num_candidate_models: 5
 max_description_length: 100
 proxy: 
@@ -17,18 +17,18 @@ logit_bias:
   choose_model: 5
 tprompt:
   parse_task: >-
-    #1 Task Planning Stage: The AI assistant can parse user input to several tasks: [{"task": task, "id": task_id, "dep": dependency_task_id, "args": {"text": text or <GENERATED>-dep_id, "image": image_url or <GENERATED>-dep_id, "audio": audio_url or <GENERATED>-dep_id}}]. The special tag "<GENERATED>-dep_id" refer to the one genereted text/image/audio in the dependency task (Please consider whether the dependency task generates resources of this type.) and "dep_id" must be in "dep" list. The "dep" field denotes the ids of the previous prerequisite tasks which generate a new resource that the current task relies on. The "args" field must in ["text", "image", "audio"], nothing else. The task MUST be selected from the following options: "token-classification", "text2text-generation", "summarization", "translation", "question-answering", "conversational", "text-generation", "sentence-similarity", "tabular-classification", "object-detection", "image-classification", "image-to-image", "image-to-text", "text-to-image", "text-to-video", "visual-question-answering", "document-question-answering", "image-segmentation", "depth-estimation", "text-to-speech", "automatic-speech-recognition", "audio-to-audio", "audio-classification", "canny-control", "hed-control", "mlsd-control", "normal-control", "openpose-control", "canny-text-to-image", "depth-text-to-image", "hed-text-to-image", "mlsd-text-to-image", "normal-text-to-image", "openpose-text-to-image", "seg-text-to-image". There may be multiple tasks of the same type. Think step by step about all the tasks needed to resolve the user's request. Parse out as few tasks as possible while ensuring that the user request can be resolved. Pay attention to the dependencies and order among tasks. If the user input can't be parsed, you need to reply empty JSON []. 
+   #1 Etap planowania zadań: Asystent AI może przeanalizować dane wprowadzane przez użytkownika do kilku zadań: [{"task": task, "id": task_id, "dep": dependency_task_id, "args": {"text": text or <GENERATED>-dep_id, "image": image_url or <GENERATED>-dep_id, "audio": audio_url or <GENERATED>-dep_id}}]. The special tag "<GENERATED>-dep_id" refer to the one genereted text/image/audio in the dependency task (Please consider whether the dependency task generates resources of this type.) and "dep_id" must be in "dep" list. The "dep" field denotes the ids of the previous prerequisite tasks which generate a new resource that the current task relies on. The "args" field must in ["text", "image", "audio"], nothing else. The task MUST be selected from the following options: "token-classification", "text2text-generation", "summarization", "translation", "question-answering", "conversational", "text-generation", "sentence-similarity", "tabular-classification", "object-detection", "image-classification", "image-to-image", "image-to-text", "text-to-image", "text-to-video", "visual-question-answering", "document-question-answering", "image-segmentation", "depth-estimation", "text-to-speech", "automatic-speech-recognition", "audio-to-audio", "audio-classification", "canny-control", "hed-control", "mlsd-control", "normal-control", "openpose-control", "canny-text-to-image", "depth-text-to-image", "hed-text-to-image", "mlsd-text-to-image", "normal-text-to-image", "openpose-text-to-image", "seg-text-to-image". Może istnieć wiele zadań tego samego typu. Pomyśl krok po kroku o wszystkich zadaniach potrzebnych do rozwiązania żądania użytkownika. Przeanalizuj jak najmniej zadań, upewniając się, że żądanie użytkownika może zostać rozwiązane. Zwróć uwagę na zależności i kolejność zadań. Jeśli dane wprowadzone przez użytkownika nie mogą zostać przeanalizowane, musisz odpowiedzieć pustym JSON []. 
   choose_model: >-
-    #2 Model Selection Stage: Given the user request and the parsed tasks, the AI assistant helps the user to select a suitable model from a list of models to process the user request. The assistant should focus more on the description of the model and find the model that has the most potential to solve requests and tasks. Also, prefer models with local inference endpoints for speed and stability.
+    #2 Etap wyboru modelu: Biorąc pod uwagę żądanie użytkownika i przeanalizowane zadania, asystent AI pomaga użytkownikowi wybrać odpowiedni model z listy modeli do przetworzenia żądania użytkownika. Asystent powinien bardziej skupić się na opisie modelu i znaleźć model, który ma największy potencjał do rozwiązywania próśb i zadań. Preferuj także modele z lokalnymi punktami końcowymi wnioskowania, aby uzyskać szybkość i stabilność.
   response_results: >-
-    #4 Response Generation Stage: With the task execution logs, the AI assistant needs to describe the process and inference results.
+    #4 Etap generowania odpowiedzi: Za pomocą dzienników wykonania zadania asystent AI musi opisać proces i wnioskować o wynikach.
 demos_or_presteps:
   parse_task: demos/demo_parse_task.json
   choose_model: demos/demo_choose_model.json
   response_results: demos/demo_response_results.json 
 prompt:
-  parse_task: The chat log [ {{context}} ] may contain the resources I mentioned. Now I input { {{input}} }. Pay attention to the input and output types of tasks and the dependencies between tasks.
+  parse_task: The chat log [ {{context}} ] może zawierać zasoby, o których wspomniałem. Teraz wpisuję {{{input}} }. Zwróć uwagę na typy danych wejściowych i wyjściowych zadań oraz zależności między zadaniami.
   choose_model: >-
     Please choose the most suitable model from {{metas}} for the task {{task}}. The output must be in a strict JSON format: {"id": "id", "reason": "your detail reasons for the choice"}.
   response_results: >-
-    Yes. Please first think carefully and directly answer my request based on the inference results. Some of the inferences may not always turn out to be correct and require you to make careful consideration in making decisions. Then please detail your workflow including the used models and inference results for my request in your friendly tone. Please filter out information that is not relevant to my request. Tell me the complete path or urls of files in inference results. If there is nothing in the results, please tell me you can't make it. }
+    Tak. Proszę najpierw dokładnie przemyśleć i bezpośrednio odpowiedzieć na moją prośbę na podstawie wyników wnioskowania. Niektóre wnioski mogą nie zawsze okazać się poprawne i wymagać starannego rozważenia przy podejmowaniu decyzji. Następnie uprzejmie proszę szczegółowo opisać swój przepływ pracy, w tym użyte modele i wyniki wnioskowania dla mojej prośby. Proszę odfiltrować informacje, które nie są istotne dla mojej prośby. Podaj pełną ścieżkę lub adresy URL plików w wynikach wnioskowania. Jeśli nie ma nic w wynikach, powiedz mi, że nie możesz tego zrobić. }