File size: 1,793 Bytes
9d2f4f4 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 |
import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
# Загрузка модели и токенизатора
model_name = "Qwen/Qwen2.5-Coder-7B-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
model_name,
device_map="auto",
trust_remote_code=True
)
def generate_code(prompt, code):
# Системный промпт
system_prompt = """Ты - опытный веб-разработчик и программист.
Твоя задача - помогать с написанием, анализом и оптимизацией кода.
Ты специализируешься на веб-разработке, включая HTML, CSS, JavaScript,
современные фреймворки и библиотеки."""
# Формируем полный промпт
full_prompt = f"{system_prompt}\n\nЗадача: {prompt}\n\nКод:\n{code}"
# Генерация ответа
inputs = tokenizer(full_prompt, return_tensors="pt").to(model.device)
outputs = model.generate(
**inputs,
max_new_tokens=2000,
do_sample=True,
temperature=0.7,
top_p=0.9,
top_k=50
)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
return response
# Создаем интерфейс
iface = gr.Interface(
fn=generate_code,
inputs=[
gr.Textbox(label="Промпт", lines=5),
gr.Textbox(label="Код", lines=10)
],
outputs=gr.Textbox(label="Результат", lines=10),
title="AI Code Assistant",
description="Введите промпт и код для обработки"
)
iface.launch() |