update avec openai/gpt-oss-20b et SteelBERT

app.py

@@ -5,9 +5,6 @@ import torch
 import numpy as np
 import os
 
-hf_token = os.environ.get("HF_TOKEN")
-print("HF_TOKEN =", "present" if hf_token else "absent")
-
 # --- 1. Récupérer le token Hugging Face depuis variable d'environnement ---
 hf_token = os.environ.get("HF_TOKEN")
 if hf_token is None:
@@ -30,7 +27,21 @@ def embed(text):
         outputs = steelbert_model(**inputs, output_hidden_states=True)
     return outputs.hidden_states[-1][:,0,:].cpu().numpy()[0]
 
-# --- 3. Fonction de réponse avec Mistral 7B Instruct ---
+# --- 3. Base documentaire pour la métallurgie ---
+# Remplacer par vos documents techniques
+docs = {
+    "doc1": "L’acier X42 a une résistance à la traction de 415 MPa.",
+    "doc2": "L’acier inoxydable 304 est résistant à la corrosion et à l’oxydation."
+}
+doc_embeddings = {k: embed(v) for k,v in docs.items()}
+
+def search_best_doc(question):
+    q_emb = embed(question)
+    def cosine(a,b): return np.dot(a,b)/(np.linalg.norm(a)*np.linalg.norm(b))
+    best_doc = max(docs, key=lambda k: cosine(q_emb, doc_embeddings[k]))
+    return docs[best_doc]
+
+# --- 4. Fonction de réponse avec GPT-OSS-20B ---
 def respond(
     message,
     history: list[dict[str, str]],
@@ -40,7 +51,7 @@ def respond(
     top_p,
     hf_token: gr.OAuthToken,
 ):
-    client = InferenceClient(token=hf_token.token, model="mistralai/Mistral-7B-Instruct-v0.2")
+    client = InferenceClient(token=hf_token.token, model="openai/gpt-oss-20b")
 
     # Récupérer le contexte pertinent avec SteelBERT
     best_doc = search_best_doc(message)
@@ -67,7 +78,7 @@ def respond(
             response += token
             yield response
 
-# --- 4. Interface Gradio ---
+# --- 5. Interface Gradio ---
 chatbot = gr.ChatInterface(
     respond,
     type="messages",