app.py

import os
from threading import Thread
from typing import Iterator

import weaviate
from haystack.components.builders import PromptBuilder
from sentence_transformers import SentenceTransformer
from haystack import Pipeline

import gradio as gr
import spaces
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer

MAX_MAX_NEW_TOKENS = 2048
DEFAULT_MAX_NEW_TOKENS = 1024
MAX_INPUT_TOKEN_LENGTH = int(os.getenv("MAX_INPUT_TOKEN_LENGTH", "4096"))



if not torch.cuda.is_available():
    DESCRIPTION += "\n<p>Running on CPU 🥶 This demo does not work on CPU.</p>"


if torch.cuda.is_available():
    model_id = "AndreaAlessandrelli4/AvvoChat_AITA_v04"
    model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", load_in_4bit=True)
    tokenizer = AutoTokenizer.from_pretrained(model_id)
    tokenizer.use_default_system_prompt = False

    model1 = SentenceTransformer('intfloat/multilingual-e5-large')

    key='rJ2yBbVQedQvaSH3TABtf9KcuQsnLNRPXguq'
    url = "https://mmchpi0yssanukk5t3ofta.c0.europe-west3.gcp.weaviate.cloud"
    client = weaviate.Client(
        url = url,  
        auth_client_secret=weaviate.auth.AuthApiKey(api_key=key),
    )



def prompt_template(materiali, query):
    mat = ''
    for i, doc in enumerate(materiali):
        mat += f"""DOCUMENTO {i+1}: {doc["contenuto"]};\n"""
    prompt_template = f"""
    Basandoti sulle tue conoscenze e usando le informazioni che ti fornisco di seguito.
    CONTESTO:
      {mat}
      
    Rispondi alla seguente domanda in modo esaustivo e conciso in massimo 100 parole, evitando inutili giri di parole o ripetizioni, .
      {query}
    """
    return prompt_template



def richiamo_materiali(query, vett_query, alpha=1.0, N_items=5):
    try:
        materiali = client.query.get("Default", ["content"]).with_hybrid(
            query=text_query,
            vector=vett_query,
            alpha=alpha,
            fusion_type=HybridFusion.RELATIVE_SCORE,
        ).with_additional(["score"]).with_limit(N_items).do()
        
        mat = [{"score":i["_additional"]["score"],'contenuto':i["content"]} for i in materiali["data"]["Get"]["Default"]]
    except:
        mat =[{"score":0, "contenuto":'NESSUN MATERIALE FORNITO'}]
    
    return mat



@spaces.GPU
def generate(
    message: str,
    chat_history: list[tuple[str, str]],
    system_prompt: str,
    max_new_tokens: int = 1024,
    temperature: float = 0.6,
    top_p: float = 0.9,
    top_k: int = 50,
    repetition_penalty: float = 1.2,
) -> Iterator[str]:

    embeddings_query = model1.encode('query: '+message, normalize_embeddings=True)
    vettor_query = embeddings_query
    materiali = richiamo_materiali(message, vettor_query)
    prompt_finale = prompt_template(materiali, message)
    conversation = []
    conversation.append({"role": "system", "content": 
                         '''Sei un an assistente AI di nome 'AvvoChat' specializzato nel rispondere a domande riguardanti la legge Italiana. 
                         Rispondi in lingua italiana in modo chiaro, semplice ed esaustivo alle domande che ti vengono fornite.
                         Le risposte devono essere sintetiche e chiare di massimo 100 parole o anche più corte. 
                         Firmati alla fine di ogni risposta '-AvvoChat'.'''})
    for user, assistant in chat_history:
        conversation.extend([{"role": "user", "content": user}, {"role": "assistant", "content": assistant}])
    conversation.append({"role": "user", "content": prompt_finale})

    input_ids = tokenizer.apply_chat_template(conversation, return_tensors="pt")
    if input_ids.shape[1] > MAX_INPUT_TOKEN_LENGTH:
        input_ids = input_ids[:, -MAX_INPUT_TOKEN_LENGTH:]
        gr.Warning(f"Chat troppo lunga superati {MAX_INPUT_TOKEN_LENGTH} tokens.")
    input_ids = input_ids.to(model.device)

    streamer = TextIteratorStreamer(tokenizer, timeout=10.0, skip_prompt=True, skip_special_tokens=True)
    generate_kwargs = dict(
        {"input_ids": input_ids},
        streamer=streamer,
        max_new_tokens=max_new_tokens,
        do_sample=True,
        top_p=top_p,
        top_k=top_k,
        temperature=temperature,
        num_beams=1,
        repetition_penalty=repetition_penalty,
    )
    t = Thread(target=model.generate, kwargs=generate_kwargs)
    t.start()

    outputs = []
    for text in streamer:
        outputs.append(text)
        yield "".join(outputs)


chat_interface = gr.ChatInterface(
    fn=generate,
    chatbot=gr.Chatbot(height=400, label = "AvvoChat", show_copy_button=True, avatar_images=("users.jpg","AvvoVhat.png"), layout="bubble",show_share_button=True),
    textbox=gr.Textbox(placeholder="Inserisci la tua domanda", container=False, scale=7),
    submit_btn ="Chiedi all'AvvoChat ",
    retry_btn = "Rigenera",
    undo_btn = None,
    clear_btn = "Pulisci chat",
    fill_height = True,
    theme = "gstaff/sketch",
    #title="Avvo-Chat",
    #description="""Fai una domanda riguardante la legge italiana all'AvvoChat e ricevi una spiegazione semplice al tuo dubbio.""",
    additional_inputs=[
        gr.Textbox(label="System prompt", lines=6),
        gr.Slider(
            label="Max new tokens",
            minimum=1,
            maximum=MAX_MAX_NEW_TOKENS,
            step=1,
            value=DEFAULT_MAX_NEW_TOKENS,
        ),
        gr.Slider(
            label="Temperature",
            minimum=0.1,
            maximum=4.0,
            step=0.1,
            value=0.6,
        ),
        gr.Slider(
            label="Top-p (nucleus sampling)",
            minimum=0.05,
            maximum=1.0,
            step=0.05,
            value=0.9,
        ),
        gr.Slider(
            label="Top-k",
            minimum=1,
            maximum=1000,
            step=1,
            value=50,
        ),
        gr.Slider(
            label="Repetition penalty",
            minimum=1.0,
            maximum=2.0,
            step=0.05,
            value=1.2,
        ),
    ],
    stop_btn=None,
    examples=[
        ["Posso fare una grigliata sul balcone di casa?"],
        ["Se esco di casa senza documento di identità posso essere multato?"],
        ["Le persone single possono adottare un bambino?"],
        ["Posso usare un'immagine prodotto dall'intelligenza artificiale?"],
    ],
)

with gr.Blocks(css="style.css") as demo:
    gr.Markdown("# AvvoChat")
    gr.Markdown("Fai una domanda riguardante la legge italiana all'AvvoChat e ricevi una spiegazione semplice al tuo dubbio.")
    with gr.Row():
        with gr.Column(scale=0.5, min_width = 100):
            gr.Image("AvvoVhat.png", width = 50, height=200, 
                     show_label=False, show_share_button=False, show_download_button=False, container=False),
        with gr.Column(scale=6):
           chat_interface.render()


if __name__ == "__main__":
    demo.queue(max_size=20).launch()