Update app.py

app.py

@@ -1,142 +1,151 @@
-# Import Library yang Diperlukan
 import gradio as gr
-import shutil
-import os
-import subprocess
-from llama_cpp import Llama
-from llama_index.core import SimpleDirectoryReader, VectorStoreIndex, Settings
-from llama_index.core.llms import ChatMessage
-from llama_index.llms.llama_cpp import LlamaCPP
+import gspread
+import torch
+from oauth2client.service_account import ServiceAccountCredentials
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from llama_index.core import VectorStoreIndex, Settings
+from llama_index.core.node_parser import SentenceSplitter
 from llama_index.embeddings.huggingface import HuggingFaceEmbedding
 from huggingface_hub import hf_hub_download
-from llama_index.core.node_parser import SentenceSplitter
+from llama_index.core.llms import ChatMessage
+from llama_index.core.chat_engine.condense_plus_context import CondensePlusContextChatEngine
+from llama_index.core.schema import Document
+
+# ===================================
+# 1️⃣ Fungsi Membaca Data Google Spreadsheet
+# ===================================
+def read_google_sheets():
+    try:
+        scope = ["https://www.googleapis.com/auth/spreadsheets", "https://www.googleapis.com/auth/drive"]
+        creds = ServiceAccountCredentials.from_json_keyfile_name("credentials.json", scope)
+        client = gspread.authorize(creds)
+        
+        SPREADSHEET_ID = "1e_cNMhwF-QYpyYUpqQh-XCw-OdhWS6EuYsoBUsVtdNg"
+        sheet_names = ["datatarget", "datacuti", "dataabsen", "datalembur"]
+
+        all_data = []
+        spreadsheet = client.open_by_key(SPREADSHEET_ID)
+        
+        for sheet_name in sheet_names:
+            try:
+                sheet = spreadsheet.worksheet(sheet_name)
+                data = sheet.get_all_values()
+                all_data.append(f"=== Data dari {sheet_name.upper()} ===")
+                all_data.extend([" | ".join(row) for row in data])
+                all_data.append("\n")
+            except gspread.exceptions.WorksheetNotFound:
+                all_data.append(f"❌ ERROR: Worksheet {sheet_name} tidak ditemukan.")
 
-# Fungsi untuk mengunduh model Llama
+        return "\n".join(all_data).strip()
+    
+    except gspread.exceptions.SpreadsheetNotFound:
+        return "❌ ERROR: Spreadsheet tidak ditemukan!"
+    
+    except Exception as e:
+        return f"❌ ERROR: {str(e)}"
+
+# ===================================
+# 2️⃣ Inisialisasi Model Llama di GPU
+# ===================================
 def initialize_llama_model():
-    # Unduh model jika belum ada di direktori kerja
-    model_path = hf_hub_download(
-        repo_id="TheBLoke/zephyr-7b-beta-GGUF",  # Nama repo model
-        filename="zephyr-7b-beta.Q4_K_M.gguf",  # Nama file model
-        cache_dir="./models"  # Lokasi direktori untuk menyimpan model
+    model_name = "HuggingFaceH4/zephyr-7b-beta"  # Pastikan model ini kompatibel dengan transformers
+    tokenizer = AutoTokenizer.from_pretrained(model_name)
+    model = AutoModelForCausalLM.from_pretrained(
+        model_name,
+        torch_dtype=torch.float16,  # Gunakan float16 agar lebih hemat memori
+        device_map="auto"  # Memastikan model berjalan di GPU jika tersedia
     )
-    return model_path
+    return tokenizer, model
 
-# Fungsi untuk mengatur konfigurasi Settings
-def initialize_settings(model_path):  
-    Settings.llm = LlamaCPP(
-        model_path=model_path,
-        temperature=0.7,
-    )
+# ===================================
+# 3️⃣ Inisialisasi Pengaturan Model
+# ===================================
+def initialize_settings(tokenizer, model):
+    Settings.llm = model  # Tidak lagi menggunakan LlamaCPP
 
-# Fungsi untuk Menginisialisasi Index
+# ===================================
+# 4️⃣ Inisialisasi Index & Chat Engine
+# ===================================
 def initialize_index():
-    # Tentukan dokumen input untuk pembacaan data
-    documents = SimpleDirectoryReader(input_files=["bahandokumen/K3.txt",
-                                                   "bahandokumen/bonus.txt",
-                                                   "bahandokumen/absensi.txt",
-                                                   "bahandokumen/cuti.txt",
-                                                   "bahandokumen/disiplinkerja.txt",
-                                                   "bahandokumen/fasilitas&bantuan.txt",
-                                                   "bahandokumen/fasilitaskerja.txt",
-                                                   "bahandokumen/hak.txt",
-                                                   "bahandokumen/hubunganpengusaha&serikat.txt",
-                                                   "bahandokumen/istilah.txt",
-                                                   "bahandokumen/jaminanserikat.txt",
-                                                   "bahandokumen/jamkes.txt",
-                                                   "bahandokumen/jamsos.txt",
-                                                   "bahandokumen/keluhkesah.txt",
-                                                   "bahandokumen/kenaikanupah.txt",
-                                                   "bahandokumen/kewajiban.txt",
-                                                   "bahandokumen/kompensasi.txt",
-                                                   "bahandokumen/larangan.txt",
-                                                   "bahandokumen/lembur.txt",
-                                                   "bahandokumen/luaskesepakatan.txt",
-                                                   "bahandokumen/mogok.txt",
-                                                   "bahandokumen/pelanggaran&sanksi.txt",
-                                                   "bahandokumen/pendidikan.txt",
-                                                   "bahandokumen/pengangkatan.txt",
-                                                   "bahandokumen/penilaian&promosi.txt",
-                                                   "bahandokumen/pensiun.txt",
-                                                   "bahandokumen/perjadin.txt",
-                                                   "bahandokumen/pesangon.txt",
-                                                   "bahandokumen/phk.txt",
-                                                   "bahandokumen/pihak.txt",
-                                                   "bahandokumen/pkb.txt",
-                                                   "bahandokumen/resign.txt",
-                                                   "bahandokumen/sanksi.txt",
-                                                   "bahandokumen/shift.txt",
-                                                   "bahandokumen/syaratkerja.txt",
-                                                   "bahandokumen/sisacuti.txt",
-                                                   "bahandokumen/target.txt",
-                                                   "bahandokumen/tatacara.txt",
-                                                   "bahandokumen/tka.txt",
-                                                   "bahandokumen/tunjangan.txt",
-                                                   "bahandokumen/uangpisah.txt",
-                                                   "bahandokumen/upah.txt",
-                                                   "bahandokumen/upahlembur.txt",
-                                                   "bahandokumen/waktukerja.txt"]).load_data()
-
-    parser = SentenceSplitter(chunk_size=150, chunk_overlap=10)
-    nodes = parser.get_nodes_from_documents(documents)
+    text_data = read_google_sheets()
+    document = Document(text=text_data)
+    parser = SentenceSplitter(chunk_size=100, chunk_overlap=30)
+    nodes = parser.get_nodes_from_documents([document])
+    
     embedding = HuggingFaceEmbedding("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
     Settings.embed_model = embedding
+    
     index = VectorStoreIndex(nodes)
     return index
 
-# Inisialisasi Mesin Chat
 def initialize_chat_engine(index):
-    from llama_index.core.prompts import PromptTemplate
-    from llama_index.core.chat_engine.condense_plus_context import CondensePlusContextChatEngine
     retriever = index.as_retriever(similarity_top_k=3)
     chat_engine = CondensePlusContextChatEngine.from_defaults(
         retriever=retriever,
-        verbose=True,
+        verbose=False  # ❌ Hapus verbose agar tidak ada referensi dokumen
     )
     return chat_engine
 
-# Fungsi untuk menghasilkan respons chatbot
-def generate_response(message, history, chat_engine):
+# ===================================
+# 5️⃣ Fungsi untuk Merapikan Jawaban Chatbot
+# ===================================
+def clean_response(response):
+    text = "".join(response.response_gen)  # Gabungkan teks yang dihasilkan
+    text = text.replace("\n\n", "\n").strip()  # Hilangkan newline berlebihan
+    text = text.replace("user:", "").replace("jawaban:", "").replace("assistant:", "").strip()
+    return text
+
+# ===================================
+# 6️⃣ Fungsi untuk Menghasilkan Respons Chatbot
+# ===================================
+def generate_response(message, history, tokenizer, model):
+    if history is None:
+        history = []
+
     chat_messages = [
         ChatMessage(
             role="system",
-            content="Anda adalah chatbot yang menjawab dalam bahasa Indonesia. Berikut contoh percakapan:\n"
-                "Pengguna: Apa itu lembur?\n"
-                "Chatbot: Lembur adalah pekerjaan yang dilakukan di luar jam kerja yang telah ditetapkan.\n"
-                "Pengguna: Apa syarat kerja di perusahaan?\n"
-                "Chatbot: Syarat kerja di perusahaan meliputi waktu kerja, gaji, dan tunjangan sesuai dengan peraturan perusahaan."
+            content=(
+                "Anda adalah chatbot HRD yang membantu karyawan memahami administrasi perusahaan. "
+                "Jangan menjawab menggunakan Bahasa Inggris. "
+                "Gunakan Bahasa Indonesia dengan gaya profesional dan ramah. "
+                "Jika informasi tidak tersedia dalam dokumen, katakan dengan sopan bahwa Anda tidak tahu. "
+                "Jawaban harus singkat, jelas, dan sesuai konteks."
+                "Jangan memberikan jawaban untuk pertanyaan yang tidak diajukan oleh pengguna. "
+                "Jangan menyertakan rekomendasi pertanyaan lain."
+            ),
         ),
     ]
-    response = chat_engine.stream_chat(message)
-    text = "".join(response.response_gen)  # Gabungkan semua token menjadi string
-    history.append((message, text))  # Tambahkan ke riwayat
-    return history
 
-def clear_history(chat_engine):
-    chat_engine.clear()
+    # Tokenisasi input
+    inputs = tokenizer(message, return_tensors="pt").to("cuda")
     
-# Inisialisasi Komponen Gradio untuk UI
-def launch_gradio(chat_engine):
-    with gr.Blocks() as demo:
-        # Mengatur tombol untuk menghapus riwayat chat
-        clear_btn = gr.Button("Clear")
-        clear_btn.click(lambda: clear_history(chat_engine))
-
-        # Membuat antarmuka chat
-        chat_interface = gr.ChatInterface(
-            lambda message, history: generate_response(message, history, chat_engine)
-        )
-    demo.launch()
-
-# Fungsi Utama untuk Menjalankan Aplikasi
+    # Hasilkan respons
+    with torch.no_grad():
+        outputs = model.generate(**inputs, max_length=512)
+
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    history.append((message, response))  
+    return response
+
+# ===================================
+# 7️⃣ Fungsi Utama untuk Menjalankan Aplikasi
+# ===================================
 def main():
-    # Unduh model dan inisialisasi pengaturan
-    model_path = initialize_llama_model()
-    initialize_settings(model_path)  # Mengirimkan model_path ke fungsi initialize_settings
-    # Inisialisasi index dan engine
+    tokenizer, model = initialize_llama_model()
+    initialize_settings(tokenizer, model)
+
     index = initialize_index()
     chat_engine = initialize_chat_engine(index)
-    # Luncurkan antarmuka
-    launch_gradio(chat_engine)
-    
+
+    def chatbot_response(message, history=None):
+        return generate_response(message, history, tokenizer, model)
+
+    gr.Interface(
+        fn=chatbot_response,
+        inputs=["text"],
+        outputs=["text"],
+    ).launch()
+
 if __name__ == "__main__":
     main()