Update app.py

app.py

@@ -5,7 +5,7 @@ from peft import PeftModel
 
 # Загружаем базовую модель и токенизатор
 base_model_name = "t-tech/T-lite-it-1.0"
-lora_repo = "shao3d/my-t-lite-qlora"  # Замени на твой логин
+lora_repo = "sha03d/my-t-lite-qlora"  # Замени на твой логин
 
 tokenizer = AutoTokenizer.from_pretrained(base_model_name)
 base_model = AutoModelForCausalLM.from_pretrained(
@@ -17,12 +17,14 @@ model = PeftModel.from_pretrained(base_model, lora_repo)
 model.eval()  # Переключаем в режим предсказания
 
 def generate_response(history):
-    # Если history пустой, берем сообщение из текстового поля (msg)
+    # Если history пустой, берем последнее сообщение из текстового поля (msg)
+    # Но в данном случае Gradio передаёт history, поэтому используем его
     if not history:
-        # Получаем сообщение из текстового поля через Gradio (предполагаем, что оно передается отдельно)
         raise gr.Error("Пожалуйста, введите сообщение в текстовое поле перед отправкой.")  # Проверка на случай, если сообщение не введено
     # Берем последний вопрос пользователя
-    user_message = history[-1][0] if history else gr.State.value  # Если history пуст, берем сообщение из State (опционально)
+    user_message = history[-1][0] if history else None  # Если history пуст, возвращаем None (добавим позже логику с msg)
+    if user_message is None:
+        raise gr.Error("Пожалуйста, введите сообщение в текстовое поле перед отправкой.")
     # Генерируем ответ
     inputs = tokenizer(user_message, return_tensors="pt").to("cpu")
     outputs = model.generate(