Update app.py

app.py

@@ -1,33 +1,31 @@
-"""
-این فایل یک سرور ساده Flask اجرا می‌کند که به فایل index.html متصل است.
-مدل GPT-2 از Hugging Face برای تولید پاسخ‌ها استفاده می‌شود.
-"""
-
-from flask import Flask, request, jsonify, render_template
+import streamlit as st
 from transformers import pipeline
 
-# بارگذاری مدل از Hugging Face
-generator = pipeline("text-generation", model="gpt2")
+# تنظیمات صفحه
+st.set_page_config(page_title="دستیار هوش مصنوعی", page_icon="🧠", layout="wide")
+
+# بارگذاری مدل
+@st.cache_resource
+def load_model():
+    return pipeline("text-generation", model="gpt2")
 
-# ایجاد برنامه Flask
-app = Flask(__name__)
+generator = load_model()
 
-@app.route("/")
-def index():
-    return render_template("index.html")  # فایل index.html
+# ارائه رابط کاربری HTML
+with open("index.html", "r", encoding="utf-8") as file:
+    html_content = file.read()
 
-@app.route("/predict", methods=["POST"])
-def predict():
-    data = request.get_json()
-    user_message = data.get("message", "")
-    if not user_message.strip():
-        return jsonify({"reply": "لطفاً یک سوال وارد کنید!"})
+st.markdown(html_content, unsafe_allow_html=True)
 
-    # تولید پاسخ با مدل
-    response = generator(user_message, max_length=50, num_return_sequences=1)
-    reply = response[0]["generated_text"]
-    return jsonify({"reply": reply})
+# مدیریت درخواست‌های کاربر
+if "messages" not in st.session_state:
+    st.session_state.messages = []
 
-# اجرای برنامه
-if __name__ == "__main__":
-    app.run(debug=True, host="0.0.0.0", port=8000)
+user_input = st.text_input("پیام خود را وارد کنید:")
+if st.button("ارسال"):
+    if user_input:
+        # افزودن پیام کاربر
+        st.session_state.messages.append({"role": "user", "content": user_input})
+        response = generator(user_input, max_length=50, num_return_sequences=1)[0]["generated_text"]
+        # افزودن پاسخ مدل
+        st.session_state.messages.append({"role": "assistant", "content": response})