Update app.py

app.py

@@ -7,10 +7,10 @@ import openai
 # تعریف مدل‌ها
 MODEL_CONFIG = {
     "translation": "PontifexMaximus/opus-mt-iir-en-finetuned-fa-to-en",  # ترجمه
-    "qa": "HooshvareLab/bert-fa-base-uncased",   # پاسخ به سوال
-    "math": "Xenova/text-davinci-003",                   # ریاضی با OpenAI GPT-3 (مثال فرضی)
-    "persian_nlp": "HooshvareLab/bert-fa-zwnj-base",    # پردازش زبان فارسی
-    "custom_ai": "universitytehran/PersianMind-v1.0", # شخصی‌سازی شده
+    "qa": "HooshvareLab/bert-fa-base-uncased",  # پاسخ به سوال
+    "math": "OpenAI",  # ریاضی با OpenAI
+    "persian_nlp": "HooshvareLab/bert-fa-zwnj-base",  # پردازش زبان فارسی
+    "custom_ai": "universitytehran/PersianMind-v1.0",  # شخصی‌سازی شده
 }
 
 # بارگذاری توکن از متغیر محیطی
@@ -19,76 +19,74 @@ if not TOKEN:
     raise ValueError("API token is missing! Set it as 'Passsssssss' in environment variables.")
 
 # تنظیم کلید API OpenAI
-openai.api_key = "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"
+openai.api_key = os.getenv("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")
+if not openai.api_key:
+    raise ValueError("OpenAI API key is missing! Set it as 'OPENAI_API_KEY' in environment variables.")
 
-# سیستم مدیریت مدل
 class MultiModelSystem:
     def __init__(self):
+        """مدیریت مدل‌های مختلف و پردازش موازی وظایف."""
         self.models = {}
         self.queue = Queue()
         self.executor = ThreadPoolExecutor(max_workers=5)
         self.load_models()
 
     def load_models(self):
-        """Load all models into memory."""
+        """بارگذاری مدل‌ها به صورت موازی."""
         try:
             for task, model_id in MODEL_CONFIG.items():
-                if task == "math":
-                    # مدل ریاضی برای OpenAI
+                if model_id == "OpenAI":
                     self.models[task] = self.load_openai_model()
-                    print(f"Model '{task}' loaded successfully.")
                 else:
-                    self.models[task] = pipeline(task=self.get_task_type(task), model=model_id, use_auth_token=TOKEN)
-                    print(f"Model '{task}' loaded successfully.")
+                    self.models[task] = pipeline(
+                        task=self.get_task_type(task),
+                        model=model_id,
+                        use_auth_token=TOKEN
+                    )
+                print(f"Model '{task}' loaded successfully.")
         except Exception as e:
             print(f"Error loading models: {e}")
             raise
 
     def load_openai_model(self):
-        """بارگذاری مدل OpenAI برای وظایف خاص مانند ریاضی."""
-        return "OpenAI Model (for math tasks)"
+        """مدل ریاضی OpenAI را بارگذاری کنید."""
+        return "OpenAI (Math)"
 
     @staticmethod
     def get_task_type(task):
-        """Determine task type based on model role."""
-        if task == "translation":
-            return "translation"
-        elif task == "qa":
-            return "question-answering"
-        elif task == "math":
-            return "text-generation"
-        elif task == "persian_nlp":
-            return "text-classification"
-        elif task == "custom_ai":
-            return "text-generation"
-        else:
-            raise ValueError(f"Unknown task: {task}")
+        """بازگرداندن نوع وظیفه براساس مدل."""
+        task_map = {
+            "translation": "translation",
+            "qa": "question-answering",
+            "persian_nlp": "text-classification",
+            "custom_ai": "text-generation",
+            "math": "text-generation"
+        }
+        return task_map.get(task, "text-generation")
 
     def process_task(self, task, **kwargs):
-        """Process a task asynchronously."""
+        """پردازش وظایف به صورت غیرهمزمان."""
         if task not in self.models:
             raise ValueError(f"Model for task '{task}' not loaded.")
-        
+
         def task_handler():
             try:
                 if task == "math":
-                    # استفاده از OpenAI API برای ریاضیات
                     result = self.process_math_task(kwargs.get("text"))
                 else:
                     result = self.models[task](**kwargs)
                 self.queue.put(result)
-                print(f"Task '{task}' completed: {result}")
             except Exception as e:
                 print(f"Error processing task '{task}': {e}")
                 self.queue.put(None)
-        
+
         self.executor.submit(task_handler)
 
     def process_math_task(self, text):
-        """استفاده از OpenAI برای پردازش مسائل ریاضی."""
+        """پردازش ریاضی با OpenAI."""
         try:
             response = openai.Completion.create(
-                engine="text-davinci-003",  # مدل مناسب برای ریاضی
+                engine="text-davinci-003",
                 prompt=text,
                 max_tokens=100
             )
@@ -98,21 +96,26 @@ class MultiModelSystem:
             return None
 
     def get_result(self):
-        """Retrieve result from the queue."""
+        """دریافت نتیجه از صف."""
         return self.queue.get()
 
 # نمونه استفاده
 if __name__ == "__main__":
     system = MultiModelSystem()
 
-    # پردازش وظایف مختلف
-    system.process_task("translation", text="سلام دنیا!", src_lang="fa", tgt_lang="en")
-    system.process_task("qa", question="پایتخت ایران چیست؟", context="ایران کشوری در خاورمیانه است و پایتخت آن تهران است.")
-    system.process_task("math", text="What is the integral of x^2?")
-    system.process_task("persian_nlp", text="این یک جمله فارسی است.")
-    system.process_task("custom_ai", text="تحلیل متن‌های تاریخی طبری.")
-
-    # نمایش نتایج
-    for _ in range(len(MODEL_CONFIG)):
-        result = system.get_result()
-        print(f"Result: {result}")
+    # وظایف مختلف
+    tasks = [
+        {"task": "translation", "kwargs": {"text": "سلام دنیا!", "src_lang": "fa", "tgt_lang": "en"}},
+        {"task": "qa", "kwargs": {"question": "پایتخت ایران چیست؟", "context": "ایران کشوری در خاورمیانه است و پایتخت آن تهران است."}},
+        {"task": "math", "kwargs": {"text": "What is the integral of x^2?"}},
+        {"task": "persian_nlp", "kwargs": {"text": "این یک جمله فارسی است."}},
+        {"task": "custom_ai", "kwargs": {"text": "تحلیل متن‌های تاریخی طبری."}}
+    ]
+
+    # ارسال وظایف برای پردازش
+    for task_info in tasks:
+        system.process_task(task_info["task"], **task_info["kwargs"])
+
+    # بازیابی نتایج
+    for _ in range(len(tasks)):
+        print("Result:", system.get_result())