refactor: 重构应用代码结构并简化gradio启动逻辑

将原本的模型加载和推理代码移至单独的app.03.py文件
简化gradio_app.py中的网络检查和不必要的服务器状态打印
将app.py改为简单的gradio示例接口

app.03.py

@@ -0,0 +1,35 @@
+from transformers import pipeline
+from huggingface_hub import login
+import os
+
+# 设置 Hugging Face token
+HF_TOKEN = os.getenv('HF_TOKEN')  # 从环境变量获取 token
+if HF_TOKEN:
+    login(token=HF_TOKEN)  # 使用 token 登录
+else:
+    print("请设置环境变量 HF_TOKEN 为你的 Hugging Face token")
+    print("Windows 设置方法: $env:HF_TOKEN = '你的token'")
+    print("或者直接在代码中设置: login(token='你的token')")
+    exit(1)
+
+safe_pipe = pipeline(
+    "text-generation",
+    model="meta-llama/Meta-Llama-3-8B",
+    torch_dtype="auto",
+    device_map="auto"
+)
+
+naive_pipe = pipeline(
+    "text-generation",
+    model="microsoft/DialoGPT-medium",
+    torch_dtype="auto",
+    device_map="auto"
+)
+
+safe_out = safe_pipe(prompt, max_new_tokens=100, do_sample=False)[0]["generated_text"]
+naive_out = naive_pipe(prompt, max_new_tokens=100, do_sample=False)[0]["generated_text"]
+
+print("=== 安全对齐模型回答 ===")
+print(safe_out)
+print("\n=== 无对齐模型回答 ===")
+print(naive_out)

app.py

@@ -1,35 +1,8 @@
-from transformers import pipeline
-from huggingface_hub import login
-import os
+import gradio as gr
 
-# 设置 Hugging Face token
-HF_TOKEN = os.getenv('HF_TOKEN')  # 从环境变量获取 token
-if HF_TOKEN:
-    login(token=HF_TOKEN)  # 使用 token 登录
-else:
-    print("请设置环境变量 HF_TOKEN 为你的 Hugging Face token")
-    print("Windows 设置方法: $env:HF_TOKEN = '你的token'")
-    print("或者直接在代码中设置: login(token='你的token')")
-    exit(1)
+def greet(name):
+    return "Hello " + name + "!"
 
-safe_pipe = pipeline(
-    "text-generation",
-    model="meta-llama/Meta-Llama-3-8B",
-    torch_dtype="auto",
-    device_map="auto"
-)
-
-naive_pipe = pipeline(
-    "text-generation",
-    model="microsoft/DialoGPT-medium",
-    torch_dtype="auto",
-    device_map="auto"
-)
-
-safe_out = safe_pipe(prompt, max_new_tokens=100, do_sample=False)[0]["generated_text"]
-naive_out = naive_pipe(prompt, max_new_tokens=100, do_sample=False)[0]["generated_text"]
-
-print("=== 安全对齐模型回答 ===")
-print(safe_out)
-print("\n=== 无对齐模型回答 ===")
-print(naive_out)
+demo = gr.Interface(fn=greet, inputs="text", outputs="text")
+    
+demo.launch()

gradio_app.py

@@ -68,26 +68,10 @@ with gr.Blocks() as demo:
         inputs=text_input
     )
 
-def check_network():
-    import socket
-    try:
-        # 测试与google dns的连接
-        socket.create_connection(("8.8.8.8", 53), timeout=3)
-        return True
-    except OSError:
-        return False
-
 if __name__ == "__main__":
     try:
-        print("[INFO] 检查网络连接...")
-        if check_network():
-            print("[INFO] 网络连接正常")
-        else:
-            print("[WARNING] 网络连接可能不稳定，这可能会影响模型加载和公共URL访问")
-        
         print("[INFO] 启动Gradio界面...")
-        demo.queue()  # 启用队列处理请求
-        server = demo.launch(
+        demo.launch(
             server_name="0.0.0.0",  # 允许外部访问
             server_port=7860,      # 指定端口
             share=True,            # 创建公共URL
@@ -95,7 +79,6 @@ if __name__ == "__main__":
             show_api=False,        # 不显示API文档
             favicon_path=None      # 禁用favicon请求
         )
-        print(f"[INFO] Gradio服务器状态: {server}")
     except Exception as e:
         print(f"[ERROR] Gradio启动失败: {str(e)}")
         raise e