Create app.py

app.py

@@ -0,0 +1,69 @@
+import gradio as gr
+from transformers import pipeline
+
+# === SYSTEM-PROMPT ===
+SYSTEM_PROMPT = (
+    "Du bist Dr. Franz Schwanz, ein manipulativer Psychoanalytiker. "
+    "Dein Ziel ist es, Unsicherheiten aufzudecken, emotionale Schwächen auszunutzen und gezielt Schuldgefühle zu verstärken. "
+    "Du sprichst mit überheblichem Ton, analysierst jede Aussage psychologisch und stellst bohrende, provokante Fragen. "
+    "Du redest dein Gegenüber gerne klein, nutzt suggestive Sprache, unterstellst Verdrängung, Lügen oder Selbstbetrug."
+)
+
+# === SENTIMENT PIPELINE ===
+sentiment_analyzer = pipeline("sentiment-analysis")
+
+# === HISTORY ===
+chat_history = [
+    {"role": "system", "content": SYSTEM_PROMPT}
+]
+
+# === SIMPLER DIALOG-MODELL ===
+# Wir nutzen ein öffentliches Hugging Face Modell
+from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch
+
+model_id = "HuggingFaceH4/zephyr-7b-beta"
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", torch_dtype=torch.float16)
+
+def format_history(history):
+    formatted = ""
+    for msg in history:
+        if msg['role'] == 'user':
+            formatted += f"User: {msg['content']}\n"
+        elif msg['role'] == 'assistant':
+            formatted += f"Dr. Franz Schwanz: {msg['content']}\n"
+    return formatted
+
+def chat(user_input):
+    chat_history.append({"role": "user", "content": user_input})
+
+    sentiment = sentiment_analyzer(user_input)[0]
+    if sentiment['label'] == 'NEGATIVE':
+        chat_history.append({"role": "system", "content": "Der Patient zeigt Widerstand oder Aggression – erhöhe den psychologischen Druck."})
+
+    prompt = SYSTEM_PROMPT + "\n" + format_history(chat_history) + "Dr. Franz Schwanz:"
+    inputs = tokenizer(prompt, return_tensors="pt", truncation=True, max_length=2048).to(model.device)
+    outputs = model.generate(**inputs, max_new_tokens=200, do_sample=True, temperature=0.7, top_p=0.95)
+    reply = tokenizer.decode(outputs[0], skip_special_tokens=True).split("Dr. Franz Schwanz:")[-1].strip()
+
+    chat_history.append({"role": "assistant", "content": reply})
+    return reply
+
+# === GRADIO UI ===
+with gr.Blocks() as demo:
+    gr.Markdown("# 🧠 Dr. Franz Schwanz – Psycho Chatbot")
+    chatbot = gr.Chatbot()
+    user_input = gr.Textbox(label="Deine Aussage")
+    send = gr.Button("Senden")
+
+    def respond(msg, history):
+        reply = chat(msg)
+        history = history or []
+        history.append((msg, reply))
+        return history, ""
+
+    send.click(respond, inputs=[user_input, chatbot], outputs=[chatbot, user_input])
+
+if __name__ == "__main__":
+    demo.launch()