Update app.py

app.py

@@ -1,147 +1,140 @@
-# This file is .....
-# Author: Hanbin Wang
-# Date: 2023/4/18
-import transformers
 import streamlit as st
-from PIL import Image
-
-from transformers import RobertaTokenizer, T5ForConditionalGeneration
-from transformers import pipeline
-
-@st.cache_resource
-def get_model(model_path):
-    tokenizer = RobertaTokenizer.from_pretrained(model_path)
-    model = T5ForConditionalGeneration.from_pretrained(model_path)
-    model.eval()
-    return tokenizer, model
-
-
-def main():
-    # `st.set_page_config` is used to display the default layout width, the title of the app, and the emoticon in the browser tab.
-
-    st.set_page_config(
-        layout="centered", page_title="MaMaL-Gen Demo(代码生成)", page_icon="❄️"
-    )
-
-    c1, c2 = st.columns([0.32, 2])
-
-    # The snowflake logo will be displayed in the first column, on the left.
-
-    with c1:
-        st.image(
-            "./panda23.png",
-            width=100,
-        )
-
-    # The heading will be on the right.
-
-    with c2:
-        st.caption("")
-        st.title("MaMaL-Gen(代码生成)")
+import os
+import openai
+import backoff
+# lucaslane5h8a@hotmail.com----hK4H0M64ihK4H0M64i----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
+# os.environ["http_proxy"]="127.0.0.1:7890"
+# os.environ["https_proxy"]="127.0.0.1:7890"
+openai.api_key="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"
+
+st.set_page_config(
+    page_title="首页",
+    page_icon="🚀",
+    layout="centered",
+    initial_sidebar_state="auto",
+)
+
+# set_page_config配置Streamlit应用程序的页面设置。自定义应用程序的标题、图标、布局等方面，以提供更好的用户体验。
+# 注意：set_page_config必须在应用程序的所有其他元素之前调用，否则会引发异常。
+# 参数说明：
+# page_title：可选参数，用于设置应用程序的标题，通常显示在浏览器的标签页上。
+# page_icon：可选参数，用于设置应用程序的图标，通常显示在浏览器标签页和书签栏中。
+# layout：可选参数，用于设置应用程序的布局方式，可以是"centered"（居中）或"wide"（宽屏）。
+# initial_sidebar_state：可选参数，用于设置侧边栏的初始状态。可以是"auto"（自动展开）或"collapsed"（折叠）
+
+
+def init_sidebar():
+    """
+    初始化侧边栏
+    :return:
+    """
 
+    st.sidebar.title("关于我们")
 
-    ############ SIDEBAR CONTENT ############
+    markdown = """
+    汇报人：高洺策
+    
+    其他小组成员：周小渲（组长）、王瑞琪、杨畔、宣乐卓、雷友素、单宁、王钦、刘亭秀、吴林泽、武俊呈
+    """
+    st.sidebar.info(markdown)
 
-    st.sidebar.image("./panda23.png",width=270)
+    logo = "./image/laomo.png"
+    st.sidebar.image(logo)
+    st.sidebar.title("劳模风范")
+    st.sidebar.image("./image/laomo1.png", use_column_width=True)
+    st.sidebar.image("./image/laomo2.png", use_column_width=True)
+    st.sidebar.image("./image/laomo3.png", use_column_width=True)
+    st.sidebar.image("./image/gongjiang1.png", use_column_width=True)
+    st.sidebar.image("./image/gongjiang2.png", use_column_width=True)
+    st.sidebar.image("./image/gongjiang3.png", use_column_width=True)
 
-    st.sidebar.markdown("---")
 
-    st.sidebar.write(
+def init_content():
     """
-    ## 使用方法：
-    在【输入】文本框输入自然语言，点击【生成】按钮,即会生成想要的代码。
+    初始化内容
+    :return:
     """
-    )
+    # Customize page title
+    st.title("劳模智能体（Agent）")
 
-    st.sidebar.write(
-    """
-    ## 注意事项：
-    1）APP托管在外网上，请确保您可以全局科学上网。
-    
-    2）您可以下载[MaMaL-Gen](https://huggingface.co/hanbin/MaMaL-Gen)模型，本地测试。（无需科学上网）
-    """
+    st.markdown(
+        """
+        劳模Agent，即劳模智能体，该智能体可以讲述相关劳模的事迹以及与人类进行沟通，可以作为劳模学习和教学的辅助工具。
+        """
     )
-    # For elements to be displayed in the sidebar, we need to add the sidebar element in the widget.
+    # 插入图片,让图片自适应
 
-    # We create a text input field for users to enter their API key.
+    st.image("./image/title.png",use_column_width=True)
 
-    # API_KEY = st.sidebar.text_input(
-    #     "Enter your HuggingFace API key",
-    #     help="Once you created you HuggingFace account, you can get your free API token in your settings page: https://huggingface.co/settings/tokens",
-    #     type="password",
-    # )
+    # st.header("Instructions")
     #
-    # # Adding the HuggingFace API inference URL.
-    # API_URL = "https://api-inference.huggingface.co/models/valhalla/distilbart-mnli-12-3"
+    # markdown = """
+    # 1. For the [GitHub repository](https://github.com/giswqs/geemap-apps) or [use it as a template](https://github.com/new?template_name=geemap-apps&template_owner=giswqs) for your own project.
+    # 2. Customize the sidebar by changing the sidebar text and logo in each Python files.
+    # 3. Find your favorite emoji from https://emojipedia.org.
+    # 4. Add a new app to the `pages/` directory with an emoji in the file name, e.g., `1_🚀_Chart.py`.
+    # """
     #
-    # # Now, let's create a Python dictionary to store the API headers.
-    # headers = {"Authorization": f"Bearer {API_KEY}"}
-
+    # st.markdown(markdown)
+
+    # 我要构建一个交互式的应用程序，让用户可以在应用程序中输入一些内容，然后应用程序会根据用户的输入做出相应的响应。
+    # 输入框，让用户输入内容
+    st.header("输入--")
+    text_area = st.text_area("", "在这里输入你的需求~~~~~~~~比如 你是谁？")
+
+    # 如果文本内容等于“你是谁？”，则输出“我是劳模智能体，我可以讲述相关劳模的事迹以及与人类进行沟通，可以作为劳模学习和教学的辅助工具。”
+    # 写一个标题
+
+    st.header("输出--")
+    # 定义一个输出框，默认输出“在这里输出模型回复~~~~~~~~”
+    text = st.empty()
+    # 修改输出框为多行文本框
+    # output_area = st.text_area("", "在这里输出模型回复~~~~~~~~")
+    # text.text("在这里输出模型回复~~~~~~~~")
+    if text_area == "你是谁？":
+        # st.success("我是劳模智能体，我可以讲述相关劳模的事迹以及与人类进行沟通，可以作为劳模学习和教学的辅助工具。")
+        # 在输出框output_area中显示文本内容"我是劳模智能体，我可以讲述相关劳模的事迹以及与人类进行沟通，可以作为劳模学习和教学的辅助工具。你可以随意向我提出问题，我会尽力回答你的问题。"
+        st.write("我是劳模智能体，我可以讲述相关劳模的事迹以及与人类进行沟通，可以作为劳模学习和教学的辅助工具。你可以随意向我提出问题，我会尽力回答你的问题。")
 
-    st.sidebar.markdown("---")
-
-    st.write(
-        "> **Tip：** 首次运行需要加载模型，可能需要一定的时间！"
-    )
-
-    st.write(
-        "> **Tip：** 左侧栏给出了一些good case 和 bad case，you can try it！"
-    )
-    st.write(
-        "> **Tip：** 只支持英文输入，输入过长，效果会变差。只支持Python语言"
-    )
-
-    st.sidebar.write(
-        "> **Good case：**"
-    )
-    code_good = """1)Convert a SVG string to a QImage
-2)Try to seek to given offset"""
-    st.sidebar.code(code_good, language='python')
-
-    st.sidebar.write(
-        "> **Bad cases：**"
-    )
-    code_bad = """Read an OpenAPI binary file ."""
-    st.sidebar.code(code_bad, language='python')
-
-    # Let's add some info about the app to the sidebar.
-
-    st.sidebar.write(
-    """
-    App使用 [Streamlit](https://streamlit.io/)🎈 和 [HuggingFace](https://huggingface.co/inference-api)'s [MaMaL-Gen](https://huggingface.co/hanbin/MaMaL-Gen) 模型.
-    """
-    )
-
-    # model, tokenizer = load_model("hanbin/MaMaL-Gen")
-    st.write("### 输入：")
-    input = st.text_area("", height=100)
-    button = st.button('生成')
-
-    tokenizer,model = get_model("hanbin/MaMaL-Gen")
-
-    input_ids = tokenizer(input, return_tensors="pt").input_ids
-    generated_ids = model.generate(input_ids, max_length=100)
-    output = tokenizer.decode(generated_ids[0], skip_special_tokens=True)
-    # generator = pipeline('text-generation', model="E:\DenseRetrievalGroup\CodeT5-base")
-    # output = generator(input)
-    # code = '''def hello():
-    #     print("Hello, Streamlit!")'''
-    if button:
-        st.write("### 输出：")
-        st.code(output, language='python')
     else:
-        st.write('####         输出位置~~')
-
+        @backoff.on_exception(
+            backoff.fibo,
+                # https://platform.openai.com/docs/guides/error-codes/python-library-error-types
+            (
+                openai.error.APIError,
+                openai.error.Timeout,
+                openai.error.RateLimitError,
+                openai.error.ServiceUnavailableError,
+                openai.error.APIConnectionError,
+                KeyError,
+            ),
+        )
+        def call_lm(model,messages,max_tokens,temperature,stop_words):
+            response = openai.ChatCompletion.create(
+                model=model,
+                messages=messages,
+                max_tokens=max_tokens,
+                temperature=temperature,
+                stop=stop_words,
+            )
+            return response.choices[0].message["content"].strip()
+        model = "gpt-3.5-turbo-0613"
+        messages=[
+            {"role": "system", "content": "你是一个劳模智能体，了解中国的劳模事迹。下面你需要回答用户提出的问题"},
+            {"role": "user", "content": text_area},
+        ]
+        print("messages",messages)
+        max_tokens = 256
+        temperature = 0.9
+        stop_words = []
+        response = call_lm(model,messages,max_tokens,temperature,stop_words)
+        print("response",response)
+        st.write(response)
 
 
 
 
 if __name__ == '__main__':
-
-    main()
-
-
-
-
-
-
+    init_sidebar()
+    init_content()
+    pass