app_cn.py

# import gradio as gr
import gradio
# import lmdb
# import base64
# import io
# import random
# import time
import json
import copy
# import sqlite3
from urllib.parse import urljoin
import openai

from app_js import api_key__get_from_browser, api_key__save_to_browser, saved_prompts_refresh_btn__click_js, selected_saved_prompt_title__change_js, saved_prompts_delete_btn__click_js, saved_prompts_save_btn__click_js, copy_prompt__click_js, paste_prompt__click_js, chat_copy_history_btn__click_js, chat_copy_history_md_btn__click_js, api_key_refresh_btn__click_js, api_key_save_btn__click_js

from functions import sequential_chat_fn, make_history_file_fn, on_click_send_btn, clear_history, copy_history, update_saved_prompt_titles, save_prompt, load_saved_prompt

introduction = """<center><h2>ChatGPT 数据蒸馏助手</h2></center>
"""


css = """
.table-wrap .cell-wrap input {min-width:80%}
#api-key-textbox textarea {filter:blur(8px); transition: filter 0.25s}
#api-key-textbox textarea:focus {filter:none}
#chat-log-md hr {margin-top: 1rem; margin-bottom: 1rem;}
#chat-markdown-wrap-box {max-height:80vh; overflow: auto !important;}
"""
with gradio.Blocks(title="ChatGPT 批处理", css=css) as demo:

    with gradio.Accordion("说明", open=True):
        gradio.Markdown(introduction)

    with gradio.Accordion("基本设置", open=False):
        system_prompt_enabled = gradio.Checkbox(label='是否使用系统全局提示语', info='是否要以“系统”身份，给 ChatGPT 描述任务？', value=True)
        # 系统提示
        system_prompt = gradio.Textbox(label='系统级全局提示语', info='以“系统”身份，给 ChatGPT 描述任务', value='你是一个医院导诊员，患者给你医院科室名称，请根据医院科室名称介绍一下该科室的作用，可以治疗的疾病，跟其它哪些科室联系比较紧密从而协助患者疾病的救治。请注意：你应该返回科室的作用、可以治疗的疾病、跟其它哪些科室联系比较紧密从而协助患者疾病的救治，而不要返回多余的内容，否则用户所使用的程序将会出错，给用户带来严重的损失。')
        # 用户消息模板
        user_message_template = gradio.Textbox(label='用户消息模板', info='要批量发送的消息的模板', value='科室名称：```___```')
        with gradio.Row():
            # 用户消息模板中的替换区
            user_message_template_mask = gradio.Textbox(label='模板占位符', info='消息模板中需要被替换的部分，可以是正则表达式', value='___')
            # 用户消息模板中的替换区是正则吗
            user_message_template_mask_is_regex = gradio.Checkbox(label='模板占位符是正则吗', info='模板占位符是不是正则表达式？', value=False)
        # 用户消息替换区清单文本
        user_message_list_text = gradio.Textbox(label='用户消息列表', info='所有待发送的消息', value='全科医学 心内科 感染病科 血液科 内分泌科 呼吸科 肾脏科 消化内科 风湿免疫科 肿瘤科 神经内科')
        with gradio.Row():
            # 用户消息替换区清单分隔符
            user_message_list_text_splitter = gradio.Textbox(label='用户消息分隔符', info='用于分割用户消息列表的分隔符，如逗号（`,`）、换行符（`\\n`）等，也可以是正则表达式，此处默认空格', value='\\s+')
            # 用户消息替换区清单分隔符是正则吗
            user_message_list_text_splitter_is_regex = gradio.Checkbox(label='分隔符是正则吗', info='用户消息分隔符是不是正则表达式？', value=True)
        # 历史记录条数
        history_prompt_num = gradio.Slider(label="发送历史记录条数", info='每次发生消息时，同时携带多少条先前的历史记录（以便 ChatGPT 了解上下文）', value=0, minimum=0, maximum=12000)

        # load_config_from_browser = gradio.Button("🔄 从浏览器加载配置")
        # save_config_to_browser = gradio.Button("💾 将配置保存到浏览器")
        # export_config_to_file = gradio.Button("📤 将配置导出为文件")

    # 更多参数
    with gradio.Accordion("更多参数", open=False):
        # 时间间隔
        sleep_base = gradio.Number(label='时间间隔 ms', value=700)
        # 时间间隔浮动
        sleep_rand = gradio.Number(label='时间间隔浮动 ms', value=200)
        # 那些参数
        prop_stream = gradio.Checkbox(label="流式传输 stream", value=True)
        prop_model = gradio.Textbox(label="模型 model", value="gpt-3.5-turbo")
        prop_temperature = gradio.Slider(label="temperature", value=0.7, minimum=0, maximum=2)
        prop_top_p = gradio.Slider(label="top_p", value=1, minimum=0, maximum=1)
        prop_choices_num = gradio.Slider(label="choices num(n)", value=1, minimum=1, maximum=20)
        prop_max_tokens = gradio.Slider(label="max_tokens", value=-1, minimum=-1, maximum=4096)
        prop_presence_penalty = gradio.Slider(label="presence_penalty", value=0, minimum=-2, maximum=2)
        prop_frequency_penalty = gradio.Slider(label="frequency_penalty", value=0, minimum=-2, maximum=2)
        prop_logit_bias = gradio.Textbox(label="logit_bias", visible=False)
    pass

    # API-Key
    token_text = gradio.Textbox(visible=False)
    with gradio.Row():
        with gradio.Column(scale=10, min_width=100):
            api_key_text = gradio.Textbox(label="OpenAI-APIkey", placeholder="sk-...", elem_id="api-key-textbox",  value='')
        # with gradio.Column(scale=1, min_width=100):
        #     api_key_load_btn = gradio.Button("🔄 从浏览器本地存储加载")
        #     api_key_load_btn.click(
        #         None,
        #         inputs=[],
        #         outputs=[api_key_text, token_text],
        #         _js=api_key__get_from_browser,
        #     )
        # with gradio.Column(scale=1, min_width=100):
        #     api_key_save_btn = gradio.Button("💾 保存到浏览器本地存储")
        #     api_key_save_btn.click(
        #         None,
        #         inputs=[api_key_text, token_text],
        #         outputs=[api_key_text, token_text],
        #         _js=api_key__save_to_browser,
        #     )
        pass
    pass

    # 开始执行按钮
    start_btn = gradio.Button(value='开始!')

    with gradio.Accordion(label="数据记录", elem_id='chat-markdown-wrap-box'):
        # 输出区域（隐藏状态）
        history = gradio.State(value=[])
        # 输出区域（md渲染）
        history_md_stable = gradio.Markdown(value="用户")
        history_md_stream = gradio.Markdown(value="助手")

    with gradio.Accordion("状态"):
        tips = gradio.Markdown(value="待命")

    # 中止执行按钮
    stop_btn = gradio.Button(value='中止!')

    with gradio.Accordion("下载数据", open=True):
        # gradio.Markdown("（暂时无法下载，可能是 Hugging Face 的限制，之后更新）")
        make_file_btn = gradio.Button(value='生成文件')
        with gradio.Row(visible=False) as file_row:
            # 下载区域（json文件）
            history_file_json = gradio.File(label='Json 下载', interactive=False)
            # 下载区域（md文件）
            history_file_md = gradio.File(label='Markdown 下载', interactive=False)
        pass
    pass


    make_file_btn.click(
        fn=make_history_file_fn,
        inputs=[history],
        outputs=[history_file_json, history_file_md, file_row],
    )


    start_event = start_btn.click(
        fn=sequential_chat_fn,
        inputs=[
            history,

            system_prompt_enabled,
            system_prompt,
            user_message_template,
            user_message_template_mask,
            user_message_template_mask_is_regex,
            user_message_list_text,
            user_message_list_text_splitter,
            user_message_list_text_splitter_is_regex,
            history_prompt_num,

            api_key_text, token_text,

            sleep_base,
            sleep_rand,
            prop_stream,
            prop_model,
            prop_temperature,
            prop_top_p,
            prop_choices_num,
            prop_max_tokens,
            prop_presence_penalty,
            prop_frequency_penalty,
            prop_logit_bias,
        ],
        outputs=[
            history,
            history_md_stable,
            history_md_stream,
            tips,
            file_row,
        ],
    )
    stop_btn.click(
        fn=None,
        inputs=[],
        outputs=[],
        cancels=[start_event],
    )


if __name__ == "__main__":
    demo.queue(concurrency_count=200).launch()