Initial commit

app.py

@@ -4,110 +4,172 @@ import sqlite3
 from datetime import datetime
 import torch
 import gradio as gr
-from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
 from huggingface_hub import login
 
-# تنظیم لاگ
-logging.basicConfig(level=logging.INFO)
+# تنظیم logging
+logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
 logger = logging.getLogger(__name__)
 
-# تنظیم توکن HuggingFace
-hf_token = os.getenv("HF_TOKEN", "")
+# تنظیم توکن
+logger.info("Starting application setup")
+hf_token = os.getenv("HF_TOKEN")
 if not hf_token:
-    raise ValueError("❗ لطفاً HF_TOKEN را در محیط تنظیم کن.")
+    logger.error("HF_TOKEN not set")
+    raise ValueError("HF_TOKEN is required. Set it in Spaces Secrets (Settings > Repository secrets > Add secret > Name: HF_TOKEN).")
 login(token=hf_token)
-logger.info("✅ Hugging Face لاگین موفق.")
+logger.info("Hugging Face login successful")
 
-# بارگذاری مدل Qwen
-model_id = "Qwen/Qwen1.5-1.8B"  # می‌تونی "Qwen1.5-4B" هم بذاری اگر رم بیشتری داری
-logger.info(f"📦 در حال بارگذاری مدل {model_id}")
-tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
-model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, torch_dtype=torch.float32)
-generator = pipeline("text-generation", model=model, tokenizer=tokenizer, max_length=512)
+# لود مدل GPT-Neo-1.3B
+logger.info("Loading EleutherAI/gpt-neo-1.3B model")
+try:
+    tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neo-1.3B", cache_dir="/tmp/hf_cache")
+    model = AutoModelForCausalLM.from_pretrained("EleutherAI/gpt-neo-1.3B", cache_dir="/tmp/hf_cache", torch_dtype=torch.float32, device_map="auto")
+    code_gen = pipeline("text-generation", model=model, tokenizer=tokenizer, max_new_tokens=512, temperature=0.6, top_p=0.95)
+    logger.info("EleutherAI/gpt-neo-1.3B model loaded")
+except Exception as e:
+    logger.error(f"Failed to load GPT-Neo model: {e}")
+    raise
 
-# راه‌اندازی دیتابیس SQLite
+# آزادسازی حافظه
+import gc
+gc.collect()
+torch.cuda.empty_cache()
+
+# مسیر فایل دیتابیس
+DB_PATH = "chris.db"
+
+# ایجاد دیتابیس
 def init_db():
-    with sqlite3.connect("chris.db") as conn:
-        cursor = conn.cursor()
-        cursor.execute("""
-            CREATE TABLE IF NOT EXISTS CHRIS (
-                id INTEGER PRIMARY KEY AUTOINCREMENT,
-                user_input TEXT,
-                task_type TEXT,
-                prompt TEXT,
-                response TEXT,
-                timestamp TEXT
-            )
-        """)
-        conn.commit()
-        logger.info("📁 دیتابیس راه‌اندازی شد.")
+    logger.info("Initializing database")
+    try:
+        with sqlite3.connect(DB_PATH) as conn:
+            cursor = conn.cursor()
+            cursor.execute('''CREATE TABLE IF NOT EXISTS CHRIS (
+                                id INTEGER PRIMARY KEY AUTOINCREMENT,
+                                user_input TEXT,
+                                task_type TEXT,
+                                prompt TEXT,
+                                response TEXT,
+                                timestamp TEXT
+                              )''')
+            conn.commit()
+            logger.info("Database initialized")
+    except Exception as e:
+        logger.error(f"Database error: {e}")
+        raise
 
+# ذخیره در دیتابیس
 def save_to_memory(user_input, task_type, prompt, response):
-    with sqlite3.connect("chris.db") as conn:
-        cursor = conn.cursor()
-        cursor.execute("""
-            INSERT INTO CHRIS (user_input, task_type, prompt, response, timestamp)
-            VALUES (?, ?, ?, ?, ?)
-        """, (user_input, task_type, prompt, response, datetime.now().isoformat()))
-        conn.commit()
-
-# ساخت پرامپت از نوع ورودی
-def build_prompt(task_type, user_input, language):
-    if task_type == "تولید کد":
-        return f"لطفاً یک کد کامل و دقیق در زبان {language} برای حل مسئله زیر بنویس:\n{user_input}"
-    elif task_type == "توضیح کد":
-        return f"کد زیر به زبان {language} نوشته شده. آن را به فارسی و دقیق توضیح بده:\n{user_input}"
-    elif task_type == "دیباگ کد":
-        return f"کد زیر در زبان {language} دارای خطاست. لطفاً آن را اصلاح کن و توضیح بده:\n{user_input}"
-    elif task_type == "پرومپت‌سازی":
-        return f"با توجه به توضیح زیر، یک پرامپت مناسب برای تولید کد در زبان {language} بساز:\n{user_input}"
-    else:
-        return user_input
+    logger.info("Saving to database")
+    try:
+        with sqlite3.connect(DB_PATH) as conn:
+            cursor = conn.cursor()
+            cursor.execute("INSERT INTO CHRIS (user_input, task_type, prompt, response, timestamp) VALUES (?, ?, ?, ?, ?)",
+                           (user_input, task_type, prompt, response, datetime.now().isoformat()))
+            conn.commit()
+            logger.info("Saved to DB")
+    except Exception as e:
+        logger.error(f"DB Save Error: {e}")
+        pass
 
-# تولید پاسخ از مدل
-def generate_response(prompt):
-    output = generator(prompt, num_return_sequences=1, do_sample=True)[0]['generated_text']
-    return output[len(prompt):].strip()
+# دریافت تاریخچه
+def get_history():
+    logger.info("Retrieving history from database")
+    try:
+        with sqlite3.connect(DB_PATH) as conn:
+            cursor = conn.cursor()
+            cursor.execute("SELECT id, user_input, task_type, prompt, response, timestamp FROM CHRIS ORDER BY timestamp DESC")
+            rows = cursor.fetchall()
+            if not rows:
+                return "هیچ تاریخچه‌ای موجود نیست."
+            history_text = "=== تاریخچه ===\n"
+            for row in rows:
+                history_text += f"ID: {row[0]}\n"
+                history_text += f"ورودی کاربر: {row[1]}\n"
+                history_text += f"نوع کار: {row[2]}\n"
+                history_text += f"پرامپت: {row[3]}\n"
+                history_text += f"پاسخ: {row[4]}\n"
+                history_text += f"زمان: {row[5]}\n"
+                history_text += "-" * 50 + "\n"
+            return history_text
+    except Exception as e:
+        logger.error(f"History retrieval error: {e}")
+        return f"خطا در دریافت تاریخچه: {e}"
 
-# عملکرد اصلی کریستوفر
-def christopher(task_type, user_input, language):
-    prompt = build_prompt(task_type, user_input, language)
-    response = generate_response(prompt)
-    save_to_memory(user_input, task_type, prompt, response)
-    return response
+# تولید کد
+def generate_code(text, language):
+    logger.info(f"Processing input: {text}, language: {language}")
+    try:
+        prompt = f"Write a complete, correct, and well-explained code in {language} to: {text}"
+        logger.info(f"Generated prompt: {prompt}")
+        result = code_gen(prompt, max_new_tokens=512, temperature=0.6, top_p=0.95, do_sample=True)[0]['generated_text']
+        
+        # استخراج کد از خروجی
+        lines = result.split('\n')
+        code = []
+        is_code = False
+        for line in lines:
+            if line.startswith("```"):
+                is_code = not is_code
+                continue
+            elif is_code:
+                code.append(line)
+        
+        code_output = "\n".join(code).strip()
+        if not code_output:
+            logger.warning("Generated code is empty")
+            code_output = "خطا: کد تولیدشده خالی است"
+        
+        logger.info(f"Generated code: {code_output}")
+        torch.cuda.empty_cache()
+        return prompt, code_output
+    except Exception as e:
+        logger.error(f"Code generation error: {e}")
+        return f"Error prompt: {text}", f"Code generation error: {e}"
 
-# نمایش تاریخچه
-def show_history():
-    with sqlite3.connect("chris.db") as conn:
-        cursor = conn.cursor()
-        cursor.execute("SELECT user_input, task_type, prompt, response, timestamp FROM CHRIS ORDER BY id DESC LIMIT 10")
-        records = cursor.fetchall()
-        return "\n\n".join([
-            f"{r[4]} | [{r[1]}]\n📌 ورودی: {r[0]}\n🧠 پرامپت:\n{r[2]}\n💡 پاسخ:\n{r[3]}"
-            for r in records
-        ])
+# تابع اصلی
+def christopher(user_input, language, show_history):
+    logger.info(f"Processing input: {user_input}, language: {language}, show_history: {show_history}")
+    try:
+        task_type = "تولید کد"
+        prompt, response = generate_code(user_input, language)
+        if "error" in response.lower():
+            history = get_history() if show_history else ""
+            return response, history
+        save_to_memory(user_input, task_type, prompt, response)
+        history = get_history() if show_history else ""
+        return response, history
+    except Exception as e:
+        logger.error(f"Processing error: {e}")
+        history = get_history() if show_history else ""
+        return f"خطا: {e}", history
 
-# رابط گرافیکی Gradio
-def gradio_ui(user_input, task_type, language):
-    if task_type == "نمایش تاریخچه":
-        return show_history()
-    return christopher(task_type, user_input, language)
+# رابط گرادیو
+def gradio_ui(user_input, language, show_history):
+    code, history = christopher(user_input, language, show_history)
+    return code, history
 
-# اجرای برنامه
 if __name__ == "__main__":
-    init_db()
-    logger.info("🚀 اجرای رابط گرافیکی کریستوفر...")
-    gr.Interface(
-        fn=gradio_ui,
-        inputs=[
-            gr.Textbox(label="📝 ورودی یا کد شما"),
-            gr.Dropdown(
-                ["تولید کد", "توضیح کد", "دیباگ کد", "پرومپت‌سازی", "نمایش تاریخچه"],
-                label="🛠️ نوع عملکرد"
-            ),
-            gr.Textbox(label="🧑‍💻 زبان برنامه‌نویسی (مثل Python یا JavaScript)")
-        ],
-        outputs=gr.Textbox(label="📤 پاسخ کریستوفر"),
-        title="کریستوفر - دستیار هوشمند برنامه‌نویسی",
-        description="با ورودی فارسی کد بساز، دیباگ کن، توضیح بده یا تاریخچه رو ببین. مدل: Qwen1.5"
-    ).launch(server_name="0.0.0.0", server_port=7860)
+    logger.info("Starting application")
+    try:
+        init_db()
+        logger.info("Launching Gradio interface")
+        iface = gr.Interface(
+            fn=gradio_ui,
+            inputs=[
+                gr.Textbox(label="توضیح برنامه به فارسی (مثال: یک تابع اعداد زوج)"),
+                gr.Dropdown(choices=["Python", "JavaScript", "Java", "C++"], label="زبان برنامه‌نویسی"),
+                gr.Checkbox(label="نمایش تاریخچه درخواست‌ها", value=False)
+            ],
+            outputs=[
+                gr.Textbox(label="کد تولیدشده"),
+                gr.Textbox(label="تاریخچه درخواست‌ها")
+            ],
+            title="کریستوفر - دستیار کدنویسی",
+            description="توضیح برنامه را به فارسی وارد کنید و زبان برنامه‌نویسی را انتخاب کنید. برای نمایش تاریخچه، گزینه مربوطه را تیک بزنید."
+        )
+        iface.launch(server_name="0.0.0.0", server_port=7860)
+    except Exception as e:
+        logger.error(f"Startup error: {e}")
+        raise