Update app.py

app.py

@@ -1,64 +1,97 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
+import os
+from llama_cpp import Llama
+from huggingface_hub import hf_hub_download
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
+MODEL_NAME = "kimhyunwoo/KOONE"
+MODEL_FILE = "KOONE-3.5-7.8B-Instruct-Q4_K_M.gguf"
+MODEL_PATH = f"./{MODEL_FILE}"  # 모델을 현재 디렉토리에 저장
+MODEL_DOWNLOADED = False  # 모델 다운로드 여부 추적
 
+def download_model():
+    """모델을 다운로드합니다. 이미 다운로드되었으면 건너뜁니다."""
+    global MODEL_DOWNLOADED
+    if not os.path.exists(MODEL_PATH):
+        try:
+            print("모델 다운로드 시작...")
+            hf_hub_download(
+                repo_id=MODEL_NAME,
+                filename=MODEL_FILE,
+                local_dir=".",
+                local_dir_use_symlinks=False  # Spaces 환경에서 필요할 수 있음
+            )
+            print("모델 다운로드 완료")
+            MODEL_DOWNLOADED = True
+            return "모델 다운로드 완료. 모델을 로드 중입니다..."
+        except Exception as e:
+            print(f"모델 다운로드 실패: {e}")
+            return f"모델 다운로드 실패: {e}. 다시 시도해주세요."
+    else:
+        print("모델이 이미 다운로드되어 있습니다.")
+        MODEL_DOWNLOADED = True
+        return "모델이 이미 다운로드됨. 모델을 로드 중입니다..."
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
+llm = None # 전역 변수로 llm 정의
 
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
+def load_model():
+    global llm, MODEL_DOWNLOADED
+    if llm is None: # 모델이 아직 로드되지 않았으면 로드
+        if not MODEL_DOWNLOADED: # 아직 다운로드되지 않았다면 다운로드 먼저 시도
+            download_message = download_model()
+            if "실패" in download_message: # 다운로드 실패 시 메시지 반환
+                return download_message
 
-    messages.append({"role": "user", "content": message})
+        if not os.path.exists(MODEL_PATH): # 다운로드 후에도 파일이 없으면 에러
+            return "모델 파일 다운로드 실패. 파일 경로를 확인해주세요."
 
-    response = ""
+        try:
+            print("모델 로드 시작...")
+            llm = Llama(model_path=MODEL_PATH)
+            print("모델 로드 완료")
+            return "모델 준비 완료" # 성공 메시지 반환
+        except Exception as e:
+            print(f"모델 로드 실패: {e}")
+            return f"모델 로드 실패: {e}"
+    return "모델 준비 완료" # 이미 로드된 경우 성공 메시지 반환
 
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
 
-        response += token
-        yield response
+def generate_text(prompt, system_prompt="You are KOONE model from LG AI Research, a helpful assistant.", max_tokens=256):
+    """ llama_cpp_python 라이브러리를 사용하여 텍스트를 생성합니다."""
+    global llm
 
+    load_model_message = load_model() # 모델 로드 및 상태 확인
+    if load_model_message != "모델 준비 완료":
+        return load_model_message # 로드 실패 메시지 반환
 
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new 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)",
-        ),
-    ],
-)
+    try:
+        output = llm.create_chat_completion(
+            messages = [
+                {"role": "system", "content": system_prompt},
+                {"role": "user", "content": prompt}
+            ],
+            max_tokens=max_tokens,
+            stop=["User:", "\nUser:", "</s>"] # stop words 추가
+        )
+        response_text = output['choices'][0]['message']['content'].strip()
+        return response_text
+    except Exception as e:
+        print(f"텍스트 생성 실패: {e}")
+        return f"텍스트 생��� 실패: {e}"
 
 
 if __name__ == "__main__":
-    demo.launch()
+    # 앱 시작 시 모델 로드 시도 (선택 사항, Gradio 앱에서는 첫 요청 시 로드하는 것이 일반적)
+    # load_model() # 앱 시작 시 모델 로드하면 첫 응답이 빠르지만, 로딩 시간이 길어질 수 있음
+
+    iface = gr.Interface(
+        fn=generate_text,
+        inputs=[
+            gr.Textbox(lines=5, placeholder="Enter your prompt here", label="User Prompt"),
+            gr.Textbox(lines=3, value="You are KOONE model from LG AI Research, a helpful assistant.", label="System Prompt", type="text"),
+            gr.Slider(minimum=32, maximum=512, step=32, value=256, label="Max New Tokens")
+        ],
+        outputs=gr.Textbox(label="Response"),
+        title="KOONE 3.5 7.8B Instruct GGUF Demo (llama-cpp-python)",
+        description="KOONE 3.5 7.8B Instruct 모델을 사용하여 텍스트를 생성합니다. 모델은 처음 실행 시 다운로드 및 로드되며, 시간이 다소 소요될 수 있습니다. `llama-cpp-python` 라이브러리를 사용합니다.",
+    )
+    iface.launch()