Update app.py

app.py

@@ -1,51 +1,48 @@
 import gradio as gr
-from transformers import AutoTokenizer, AutoModelForCausalLM
+import os
+from openai import OpenAI
 from deep_translator import GoogleTranslator
-import torch
 
-# انتخاب مدل پایدار
-model_id = "google/gemma-7b-it"
+# دریافت کلید از Secret Env (در Hugging Face تنظیم می‌کنی، پایین توضیح می‌دم)
+client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
 
-# بارگذاری مدل و توکنایزر
-tokenizer = AutoTokenizer.from_pretrained(model_id)
-model = AutoModelForCausalLM.from_pretrained(
-    model_id,
-    torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
-    device_map="auto"
-)
-model.eval()
-
-# تابع اصلی پیشنهاد موضوع پایان‌نامه
 def generate_topics(field, major, keywords, audience, level):
-    prompt = f"""<bos>[INST]Suggest 3 academic thesis topics based on the following:
-Field: {field}
-Specialization: {major}
-Keywords: {keywords}
-Target Audience: {audience}
-Level: {level}[/INST]"""
-
-    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
-    with torch.no_grad():
-        outputs = model.generate(**inputs, max_new_tokens=256)
-    english_output = tokenizer.decode(outputs[0], skip_special_tokens=True).strip()
-
-    if not english_output:
-        return "<div dir='rtl' style='color: red;'>❌ مشکلی در تولید موضوعات رخ داد. لطفاً دوباره تلاش کنید.</div>"
-
-    translated_output = GoogleTranslator(source='en', target='fa').translate(english_output).strip()
-    translated_output_html = translated_output.replace("\n", "<br>")
-
-    html_output = (
-        "<div dir='rtl' style='text-align: right; font-family: Tahoma, sans-serif; "
-        "font-size: 16px; line-height: 1.8; min-height: 250px; max-height: 400px; "
-        "overflow-y: auto; border: 1px solid #ccc; padding: 10px; background-color: #fdfdfd;'>"
-        f"{translated_output_html}"
-        "<br><br>📢 برای مشاوره و راهنمایی تخصصی با گروه مشاوره کاسپین تماس بگیرید:<br>"
-        "<strong>021-88252497</strong></div>"
+    prompt = (
+        f"Suggest 3 academic thesis topics based on the following:\n"
+        f"Field: {field}\n"
+        f"Specialization: {major}\n"
+        f"Keywords: {keywords}\n"
+        f"Target Audience: {audience}\n"
+        f"Level: {level}"
     )
-    return html_output
 
-# رابط کاربری Gradio
+    try:
+        completion = client.chat.completions.create(
+            model="gpt-4",  # می‌تونی به gpt-3.5-turbo تغییر بدی برای ارزان‌تر بودن
+            messages=[
+                {"role": "system", "content": "You are an academic advisor assistant."},
+                {"role": "user", "content": prompt}
+            ]
+        )
+
+        english_output = completion.choices[0].message.content.strip()
+        translated_output = GoogleTranslator(source='en', target='fa').translate(english_output)
+        translated_output_html = translated_output.replace("\n", "<br>")
+
+        html_output = (
+            "<div dir='rtl' style='text-align: right; font-family: Tahoma; font-size: 16px; "
+            "line-height: 1.8; min-height: 250px; max-height: 400px; overflow-y: auto; "
+            "border: 1px solid #ccc; padding: 10px; background-color: #fdfdfd;'>"
+            f"{translated_output_html}"
+            "<br><br>📢 برای مشاوره و راهنمایی تخصصی با گروه مشاوره کاسپین تماس بگیرید:<br>"
+            "<strong>021-88252497</strong></div>"
+        )
+
+        return html_output
+
+    except Exception as e:
+        return f"<div dir='rtl' style='color:red;'>❌ خطا در تماس با OpenAI API: {e}</div>"
+
 iface = gr.Interface(
     fn=generate_topics,
     inputs=[
@@ -53,11 +50,10 @@ iface = gr.Interface(
         gr.Textbox(label="گرایش"),
         gr.Textbox(label="کلیدواژه‌ها"),
         gr.Textbox(label="جامعه هدف"),
-        gr.Dropdown(choices=["کارشناسی ارشد", "دکتری"], label="مقطع")
+        gr.Dropdown(["کارشناسی ارشد", "دکتری"], label="مقطع")
     ],
     outputs=gr.HTML(label="موضوعات پیشنهادی"),
-    title="🎓 پیشنهادگر موضوع پایان‌نامه کاسپین",
-    theme="default"
+    title="🎓 پیشنهادگر موضوع پایان‌نامه کاسپین"
 )
 
 iface.launch()