from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
import gradio as gr

# Загрузка модели и токенизатора
base_model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen2.5-0.5B-Instruct",
    device_map="auto"
)
model = PeftModel.from_pretrained(base_model, "Locon213/ThinkLite")
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen2.5-0.5B-Instruct")

# Конфигурация генерации
generation_config = GenerationConfig(
    temperature=0.7,
    top_p=0.9,
    top_k=50,
    max_new_tokens=512,
    repetition_penalty=1.1,
    do_sample=True
)

def format_prompt(message, history):
    prompt = ""
    for user_msg, bot_msg in history:
        prompt += f"<<<USER>>> {user_msg}\n<<<ASSISTANT>>> {bot_msg}\n"
    prompt += f"<<<USER>>> {message}\n<<<ASSISTANT>>>"
    return prompt

def generate_response(message, history):
    # Форматируем промпт с историей чата
    formatted_prompt = format_prompt(message, history)
    
    # Токенизация и генерация
    inputs = tokenizer(formatted_prompt, return_tensors="pt").to(model.device)
    outputs = model.generate(
        **inputs,
        generation_config=generation_config,
        pad_token_id=tokenizer.eos_token_id
    )
    
    # Декодирование и извлечение ответа
    response = tokenizer.decode(outputs[0][len(inputs.input_ids[0]):], skip_special_tokens=True)
    
    return response.strip()

# Создание чат-интерфейса
chat_interface = gr.ChatInterface(
    fn=generate_response,
    examples=[
        "Объясни квантовую запутанность простыми словами",
        "Как научиться программировать?",
        "Напиши стихотворение про ИИ"
    ],
    title="ThinkLite Chat",
    description="Общайтесь с ThinkLite - адаптированной версией Qwen2.5-0.5B-Instruct",
    theme="soft"
)

if __name__ == "__main__":
    chat_interface.launch()