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

# 选择 DeepSeek 数学推理模型
MODEL_NAME = "deepseek-ai/deepseek-math-7b-instruct"

# 加载 Tokenizer 和 Model
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME, 
    torch_dtype=torch.float16,  # 低精度加速推理
    device_map="auto"           # 自动分配 GPU / CPU
)

# 生成数学解答
def solve_math_problem(problem):
    prompt = f"请解答以下数学题，并给出详细步骤：\n{problem}\n答案："
    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
    
    with torch.no_grad():
        outputs = model.generate(**inputs, max_new_tokens=256)  # 限制输出长度
    answer = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # 只提取模型生成的解答部分（去掉 prompt）
    return answer.split("答案：")[-1].strip()

# Gradio 界面
iface = gr.Interface(
    fn=solve_math_problem, 
    inputs="text", 
    outputs="text",
    title="初中数学解题 AI",
    description="输入数学题目，AI 将给出详细的解答步骤。",
    examples=[
        ["解一元二次方程 x² - 5x + 6 = 0"],
        ["计算 3/4 + 5/6 的值"],
        ["求直角三角形，已知两边分别为 3 和 4，求斜边长度"]
    ]
)

iface.launch()