import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline

# بارگذاری مدل GPT-2-Persian
model_name = "bolbolzaban/gpt2-persian"

# بارگذاری توکن‌ایزر و مدل
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# ایجاد pipeline برای متن‌سازی
pipe = pipeline("text-generation", model=model, tokenizer=tokenizer)

def respond(
    message,
    history: list[tuple[str, str]],
    system_message,
    max_tokens,
    temperature,
    top_p,
):
    # ساخت پیام‌ها برای مدل
    prompt = system_message + "\n\n"  # اضافه کردن پیام سیستم
    for val in history:
        if val[0]:
            prompt += f"کاربر: {val[0]}\n"
        if val[1]:
            prompt += f"دستیار: {val[1]}\n"
    prompt += f"کاربر: {message}\nدستیار:"

    # تولید پاسخ با استفاده از مدل
    response = pipe(
        prompt,
        max_new_tokens=max_tokens,
        temperature=temperature,
        top_p=top_p,
        do_sample=True,
    )[0]["generated_text"]

    # حذف prompt از پاسخ
    response = response[len(prompt):].strip()

    yield response

# ایجاد رابط کاربری با Gradio
demo = gr.ChatInterface(
    respond,
    additional_inputs=[
        gr.Textbox(value="شما یک ربات دوست‌داشتنی هستید.", label="پیام سیستم"),
        gr.Slider(minimum=1, maximum=1024, value=256, step=1, label="حداکثر توکن‌های جدید"),
        gr.Slider(minimum=0.1, maximum=2.0, value=0.7, step=0.1, label="دما (Temperature)"),
        gr.Slider(
            minimum=0.1,
            maximum=1.0,
            value=0.9,
            step=0.05,
            label="Top-p (نمونه‌گیری هسته‌ای)",
        ),
    ],
)

# اجرای برنامه
if __name__ == "__main__":
    demo.launch()