Update app.py

app.py

@@ -42,42 +42,5 @@ def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str
         "لطفاً بر اساس این اطلاعات دو پاراگراف مشاوره تخصصی بنویسید."
     )
     try:
-        # استفاده از متد conversational
-        outputs = client.conversational(
-            text=prompt,
-            model="google/gemma-2b-it",
-            max_new_tokens=256
-        )
-        return outputs["generated_text"]
-    except Exception as e:
-        return f"خطا در تولید مشاوره: {str(e)}"
-
-current_year = pd.Timestamp.now().year
-years = [str(y) for y in range(2000, current_year+1)]
-months = [str(m) for m in range(1, 13)]
-
-with gr.Blocks() as demo:
-    gr.Markdown("## نمایش کشورهایی که یک کالا را وارد کرده‌اند")
-    with gr.Row():
-        inp_hs = gr.Textbox(label="HS Code")
-        inp_year = gr.Dropdown(choices=years, label="سال", value=str(current_year))
-        inp_month = gr.Dropdown(choices=months, label="ماه", value=str(pd.Timestamp.now().month))
-    btn_show = gr.Button("نمایش اطلاعات")
-    out_table = gr.Dataframe(
-        headers=["کد کشور", "نام کشور", "ارزش CIF"],
-        datatype=["number", "text", "number"],
-        interactive=True,
-    )
-    btn_show.click(get_importers, [inp_hs, inp_year, inp_month], out_table)
-
-    btn_advice = gr.Button("ارائه مشاوره تخصصی")
-    out_advice = gr.Textbox(label="مشاوره تخصصی", lines=6)
-
-    btn_advice.click(
-        provide_advice,
-        inputs=[out_table, inp_hs, inp_year, inp_month],
-        outputs=out_advice
-    )
-
-if __name__ == "__main__":
-    demo.launch()
+        outputs = client.text_generation(
+            prompt