import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer

# Подключаем модель и токенизатор
model_name = "distilgpt2"  # Используем distilgpt2 как более легкую модель
model = AutoModelForCausalLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

def respond(
    message,
    history: list[tuple[str, str]],
    system_message,
    max_tokens,
    temperature,
    top_p,
):
    # Создаем входные данные
    messages = [{"role": "system", "content": system_message}]
    
    for val in history:
        if val[0]:
            messages.append({"role": "user", "content": val[0]})
        if val[1]:
            messages.append({"role": "assistant", "content": val[1]})
    
    # Добавляем последнее сообщение пользователя
    messages.append({"role": "user", "content": message})

    # Объединяем все сообщения в один текст
    input_text = "\n".join([msg["content"] for msg in messages])

    # Токенизация текста
    inputs = tokenizer(input_text, return_tensors="pt", truncation=True, padding=True)

    # Генерация ответа моделью
    outputs = model.generate(
        inputs["input_ids"],
        max_length=max_tokens,
        temperature=temperature,
        top_p=top_p,
        do_sample=True,
    )

    # Декодируем результат в строку
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # Добавляем подпись
    response += "\nСделано больницей EMS штата Alta!"

    return response

# Запускаем Gradio интерфейс
demo = gr.Interface(
    fn=respond,
    inputs=[
        gr.Textbox(value="Здравствуйте. Отвечай кратко(не пиши вступление, умозаключения итп) и сразу пиши начинай с этого ответ: Предварительный диагноз:(диагноз), Операция: (Если требуется, только название, не надо писать хирургическое вмешательство или подобное, а четкое медицинское название операции), Лечение: (Кратко, очень). Не пиши воду. Только по факту на 3 пункта отвечай. Не отходи от этого шаблона", label="System message"),
        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max Tokens"),
        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
        gr.Slider(
            minimum=0.1,
            maximum=1.0,
            value=0.95,
            step=0.05,
            label="Top-p (nucleus sampling)",
        ),
    ],
    css="styles.css",  # Ссылка на внешний CSS файл
)

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