Update app.py

app.py

@@ -1,7 +1,7 @@
 import gradio as gr
 from transformers import AutoModelForCausalLM, AutoTokenizer
 
-# Используем модель gpt2, которая подходит для генерации текста
+# Используем модель GPT-2 для генерации текста
 model_name = "gpt2"  # Модель GPT-2
 model = AutoModelForCausalLM.from_pretrained(model_name)
 tokenizer = AutoTokenizer.from_pretrained(model_name)
@@ -14,18 +14,19 @@ def respond(
     temperature=0.7,
     top_p=0.95,
 ):
+    # Инициализация history как пустого списка, если его нет
     if history is None:
-        history = []  # Инициализируем пустой список, если history не передан
+        history = []
     elif not isinstance(history, list):
-        history = []  # Если history - не список, то тоже инициализируем пустой список
+        history = []
 
-    # Объединяем сообщения в историю
+    # Объединяем сообщения в историю, добавляя последнее сообщение пользователя
     input_text = "\n".join([msg[1] for msg in history] + [message])
 
-    # Токенизация текста
+    # Токенизация текста для модели
     inputs = tokenizer(input_text, return_tensors="pt", truncation=True, padding=True)
 
-    # Генерация ответа
+    # Генерация ответа с использованием модели
     outputs = model.generate(
         inputs["input_ids"],
         max_length=max_tokens,
@@ -34,9 +35,10 @@ def respond(
         do_sample=True,
     )
 
+    # Декодируем ответ модели
     response = tokenizer.decode(outputs[0], skip_special_tokens=True)
 
-    # Формируем ответ согласно шаблону
+    # Форматируем ответ в соответствии с шаблоном
     response = format_response(response)
 
     return response
@@ -52,13 +54,14 @@ def format_response(response):
     return formatted_response
 
 def extract_diagnosis(response):
-    # Простой способ извлечь диагноз (можно улучшить, используя NLP методы)
+    # Простой способ извлечь диагноз (можно улучшить с помощью NLP)
     diagnosis = response.split(".")[0]  # Пример: диагноз - первая часть ответа
     return diagnosis.strip()
 
 def extract_operation(response):
     # Извлекаем название операции из ответа
-    operation = "Не требуется"  # Пример, что операция не требуется, можно настроить для реальных случаев
+    # Здесь можно настроить под реальный сценарий
+    operation = "Не требуется"  # Пример, что операция не требуется
     return operation.strip()
 
 def extract_treatment(response):