app.py

import gradio as gr
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
import warnings
warnings.filterwarnings("ignore")

"""
Sarashinaモデルを使用したGradioチャットボット
Hugging Face Transformersライブラリを使用してローカルでモデルを実行
"""

# モデルとトークナイザーの初期化
MODEL_NAME = "sbintuitions/sarashina2.2-3b-instruct-v0.1"

print("モデルを読み込み中...")
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
    device_map="auto" if torch.cuda.is_available() else None,
    trust_remote_code=True
)
print("モデルの読み込みが完了しました。")

def respond(message, history):
    """
    チャットボットの応答を生成する関数
    ※ type="messages"の場合、historyはメッセージ辞書のリスト形式になります
    """
    try:
        # システムメッセージとして使用するプロンプト
        system_message = "あなたは親切で知識豊富な日本語アシスタントです。ユーザーの質問に丁寧に答えてください。"
        
        # 会話履歴を文字列形式に変換
        conversation = ""
        if system_message.strip():
            conversation += f"システム: {system_message}\n"
        
        # 会話履歴を追加（messages形式の場合）
        for msg in history:
            if msg["role"] == "user":
                conversation += f"ユーザー: {msg['content']}\n"
            elif msg["role"] == "assistant":
                conversation += f"アシスタント: {msg['content']}\n"
        
        # 現在のメッセージを追加
        conversation += f"ユーザー: {message}\nアシスタント: "
        
        # トークン化
        inputs = tokenizer.encode(conversation, return_tensors="pt")
        
        # GPU使用時はCUDAに移動
        if torch.cuda.is_available():
            inputs = inputs.cuda()
        
        # 応答生成（ストリーミング対応）
        response = ""
        with torch.no_grad():
            # 一度に生成してからストリーミング風に出力
            outputs = model.generate(
                inputs,
                max_new_tokens=512,  # デフォルト値を使用
                temperature=0.7,     # デフォルト値を使用
                top_p=0.95,          # デフォルト値を使用
                do_sample=True,
                pad_token_id=tokenizer.eos_token_id,
                eos_token_id=tokenizer.eos_token_id,
                repetition_penalty=1.1
            )
        
        # 生成されたテキストをデコード
        generated = tokenizer.decode(outputs[0], skip_special_tokens=True)
        
        # 応答部分のみを抽出
        full_response = generated[len(conversation):].strip()
        
        # 不要な部分を除去
        if "ユーザー:" in full_response:
            full_response = full_response.split("ユーザー:")[0].strip()
        
        # ストリーミング風の出力
        for i in range(len(full_response)):
            response = full_response[:i+1]
            yield response
            
    except Exception as e:
        yield f"エラーが発生しました: {str(e)}"

"""
Gradio ChatInterfaceを使用したシンプルなチャットボット
type="messages"を設定してOpenAI形式のメッセージを使用
"""
demo = gr.ChatInterface(
    respond,
    type="messages",  # 重要：これによりhistoryがメッセージ辞書形式になります
    title="🤖 Sarashina Chatbot",
    description="Sarashina2.2-3b-instruct モデルを使用した日本語チャットボットです。",
    theme=gr.themes.Soft(),
    examples=[
        "こんにちは！今日はどんなことを話しましょうか？",
        "日本の文化について教えてください。",
        "簡単なレシピを教えてもらえますか？",
        "プログラミングについて質問があります。",
    ],
    cache_examples=False,
)

if __name__ == "__main__":
    demo.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=False,
        show_api=True,  # API documentation を表示
        debug=True
    )