Update app.py

app.py

@@ -5,38 +5,31 @@ from llama_cpp import Llama
 llm = Llama(model_path="Llama-3.2-3B-Instruct-Q8_0.gguf", n_ctx=512)
 
 # Definir a mensagem inicial
-mensagem_inicial = (
-    "Olá! Eu sou um atendente virtual da Receita Federal e do Projeto Remessa Conforme. "
-    "Você pode perguntar tudo sobre como funciona o Remessa Conforme, suas regras e benefícios. "
-    "Este projeto foi desenvolvido com a colaboração de Anderson Xavier. Como posso te ajudar hoje?"
-)
-
-def respond(message, history, system_message, max_tokens, temperature, top_p):
-    # Adicionar a mensagem inicial ao histórico se for a primeira interação
-    if not history:
-        history = [(mensagem_inicial, "")]
-
-    # Construir o prompt com o histórico atualizado
-    prompt = system_message + "\n"
-    for user_msg, bot_msg in history:
-        if user_msg:
-            prompt += f"User: {user_msg}\n"
-        if bot_msg:
-            prompt += f"Assistant: {bot_msg}\n"
-    prompt += f"User: {message}\nAssistant:"
+mensagem_inicial = [
+    ["", "Olá! Eu sou um atendente virtual da Receita Federal e do Projeto Remessa Conforme. "
+          "Você pode perguntar tudo sobre como funciona o Remessa Conforme, suas regras e benefícios. "
+          "Este projeto foi desenvolvido com a colaboração de Anderson Xavier. Como posso te ajudar hoje?"]
+]
+
+# Função de resposta para processar as interações
+def respond(message, history=[]):
+    # Construir o prompt a partir do histórico e da mensagem atual
+    prompt = "\n".join([f"User: {user}\nAssistant: {bot}" for user, bot in history])
+    prompt += f"\nUser: {message}\nAssistant:"
 
     # Executar a inferência com o modelo local
     response = ""
-    result = llm(prompt, max_tokens=max_tokens, temperature=temperature, top_p=top_p, stream=True)
+    result = llm(prompt, max_tokens=100, temperature=0.7, top_p=0.95, stream=True)
 
     # Retornar a resposta em streaming
     for token in result:
         response += token["choices"][0]["text"]
         yield response
 
-# Configurar a interface Gradio com a mensagem inicial
+# Configurar a interface Gradio com a mensagem inicial predefinida
 demo = gr.ChatInterface(
-    respond,
+    fn=respond,
+    chatbot=gr.Chatbot(value=mensagem_inicial),
     additional_inputs=[
         gr.Textbox(value="Você está falando com um assistente virtual da Receita Federal.", label="System message"),
         gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),