Update app.py

app.py

@@ -1,64 +1,57 @@
+import torch
+from transformers import AutoTokenizer, AutoModelForCausalLM
 import gradio as gr
-from huggingface_hub import InferenceClient
-
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
-
-
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    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
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        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)",
-        ),
-    ],
-)
-
-
-if __name__ == "__main__":
-    demo.launch()
+import json
+
+# Load model từ model repo HuggingFace đã fine-tune
+model_path = "memengoc/chatgpt3.5nn"  # ✅ Sửa lại đúng repo của bạn
+
+# Load model
+model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto", torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32)
+model.eval()
+
+# Tokenizer
+tokenizer = AutoTokenizer.from_pretrained(model_path)
+tokenizer.pad_token = tokenizer.eos_token
+
+# Tạo dữ liệu ngành + câu hỏi (ví dụ đơn giản)
+data_nganh = {
+    "CNTT": ["Bạn có kinh nghiệm với Python không?", "Bạn từng làm việc nhóm như thế nào?"],
+    "Marketing": ["Bạn biết gì về thương hiệu?", "Kể về một chiến dịch bạn từng tham gia?"]
+}
+
+def gpt_interview(nganh, user_input, chat_history):
+    if nganh not in data_nganh:
+        return "Ngành không hợp lệ.", chat_history
+
+    if not chat_history:
+        prompt = f"<|system|>\nBạn đang phỏng vấn ứng viên cho ngành: {nganh}\n<|user|>\n{user_input}"
+    else:
+        prompt = f"<|system|>\nBạn đang phỏng vấn ứng viên cho ngành: {nganh}\n"
+        for u, a in chat_history:
+            prompt += f"<|user|>\n{u}\n<|assistant|>\n{a}\n"
+        prompt += f"<|user|>\n{user_input}"
+
+    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
+    outputs = model.generate(**inputs, max_new_tokens=256, temperature=0.7)
+    reply = tokenizer.decode(outputs[0], skip_special_tokens=True).split("<|assistant|>")[-1].strip()
+
+    chat_history.append((user_input, reply))
+    return "", chat_history
+
+def suggest_first(nganh):
+    first_q = data_nganh[nganh][0] if nganh in data_nganh else "Bạn có thể giới thiệu bản thân?"
+    return "", [(first_q, "")], [(first_q, "")]
+
+with gr.Blocks() as demo:
+    gr.Markdown("## 🤖 Chatbot GPT-3.5 phỏng vấn theo ngành nghề")
+    major = gr.Dropdown(choices=list(data_nganh.keys()), label="Chọn ngành")
+    chatbot = gr.Chatbot(label="Lịch sử hội thoại")
+    txt = gr.Textbox(label="Trả lời câu hỏi")
+    state = gr.State([])
+
+    major.change(suggest_first, inputs=major, outputs=[txt, chatbot, state])
+    txt.submit(gpt_interview, inputs=[major, txt, state], outputs=[txt, chatbot])
+    gr.Button("🧹 Xóa").click(lambda: ("", []), None, [txt, chatbot, state])
+
+demo.launch()