Create agent.py

agent.py

@@ -0,0 +1,39 @@
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
+import torch
+
+# ✅ Step 1: Emoji 翻译模型（你自己训练的模型）
+emoji_model_id = "JenniferHJF/qwen1.5-emoji-finetuned"
+emoji_tokenizer = AutoTokenizer.from_pretrained(emoji_model_id, trust_remote_code=True)
+emoji_model = AutoModelForCausalLM.from_pretrained(
+    emoji_model_id,
+    trust_remote_code=True,
+    torch_dtype=torch.float16
+).to("cuda" if torch.cuda.is_available() else "cpu")
+emoji_model.eval()
+
+# ✅ Step 2: 冒犯性文本识别模型
+classifier = pipeline("text-classification", model="unitary/toxic-bert", device=0 if torch.cuda.is_available() else -1)
+
+def classify_emoji_text(text: str):
+    """
+    Step 1: 翻译文本中的 emoji
+    Step 2: 使用分类器判断是否冒犯
+    """
+    prompt = f"""请判断下面的文本是否具有冒犯性。
+这里的“冒犯性”主要指包含人身攻击、侮辱、歧视、仇恨言论或极端粗俗的内容。
+如果文本具有冒犯性，请仅回复冒犯；如果不具有冒犯性，请仅回复不冒犯。
+文本如下：
+{text}
+"""
+
+    input_ids = emoji_tokenizer(prompt, return_tensors="pt").to(emoji_model.device)
+    with torch.no_grad():
+        output_ids = emoji_model.generate(**input_ids, max_new_tokens=50, do_sample=False)
+    decoded = emoji_tokenizer.decode(output_ids[0], skip_special_tokens=True)
+    translated_text = decoded.strip().split("文本如下：")[-1].strip()
+
+    result = classifier(translated_text)[0]
+    label = result["label"]
+    score = result["score"]
+
+    return translated_text, label, score