app.py

# app.py
import torch
import gradio as gr
from transformers import AutoConfig, AutoModelForCausalLM, AutoTokenizer

# 1️⃣ Cấu hình và load model + tokenizer
model_path = "vinai/PhoGPT-4B-Chat"
 
config = AutoConfig.from_pretrained(model_path, trust_remote_code=True)
config.init_device = "cpu" if torch.cuda.is_available() else "cpu"
# Nếu có FlashAttention, bật thêm:
# config.attn_config['attn_impl'] = 'flash'

model = AutoModelForCausalLM.from_pretrained(
    model_path,
    config=config,
    torch_dtype=torch.bfloat16 if torch.cuda.is_available() else torch.float32,
    trust_remote_code=True,
)
model.eval()

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

# 2️⃣ Hàm chat theo template “### Câu hỏi / ### Trả lời”
PROMPT_TEMPLATE = "### Câu hỏi: {instruction}\n### Trả lời:"

def respond(message, history: list[tuple[str, str]], system_message, max_tokens, temperature, top_p):
    # 2.1 — Gom system message và history vào messages list
    messages = [{"role": "system", "content": system_message}]
    for u, b in history:
        if u:
            messages.append({"role": "user", "content": u})
        if b:
            messages.append({"role": "assistant", "content": b})
    messages.append({"role": "user", "content": message})

    # 2.2 — Tạo prompt chuẩn
    prompt = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )

    # 2.3 — Tokenize và đưa lên device
    inputs = tokenizer(prompt, return_tensors="pt")
    inputs = {k: v.to(model.device) for k, v in inputs.items()}

    # 2.4 — Sinh text
    outputs = model.generate(
        **inputs,
        max_new_tokens=max_tokens,
        temperature=temperature,
        top_p=top_p,
        do_sample=True,
        eos_token_id=tokenizer.eos_token_id,
        pad_token_id=tokenizer.pad_token_id,
    )

    # 2.5 — Decode và tách phần assistant trả lời
    full = tokenizer.decode(outputs[0], skip_special_tokens=True)
    response  = full.replace(prompt, "").strip()
    # yield response

    # 2.6 — Cập nhật history và trả về
    # history.append((message, response))
    # return history

# 3️⃣ Giao diện Gradio
demo = gr.ChatInterface(
    respond,
    additional_inputs=[
        gr.Textbox("Bạn là một chatbot tiếng Việt thân thiện.", label="System message"),
        gr.Slider(1, 2048, value=512, step=1, label="Max new tokens"),
        gr.Slider(0.1, 4.0, value=0.7, step=0.1, label="Temperature"),
        gr.Slider(0.1, 1.0, value=0.95, step=0.05, label="Top-p (nucleus sampling)"),
    ],
)

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