Spaces:
Sleeping
Sleeping
File size: 1,773 Bytes
99b596a | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 | import os
from huggingface_hub import InferenceClient
HF_TOKEN = os.getenv("HF_TOKEN", "")
MODEL_NAME = os.getenv("HF_MODEL", "Qwen/Qwen2.5-72B-Instruct")
LEVEL_DESCRIPTIONS = {
"beginner": "de manière très simple, comme si tu expliquais à un lycéen, avec des analogies du quotidien",
"intermediate": "de manière claire avec les concepts essentiels, pour un étudiant universitaire",
"advanced": "de manière approfondie et technique, pour un expert du domaine",
}
_client = None
def _get_client() -> InferenceClient:
global _client
if _client is None:
_client = InferenceClient(token=HF_TOKEN or None)
return _client
def _call_hf(system: str, user: str, max_tokens: int = 1024, temperature: float = 0.5) -> str:
client = _get_client()
response = client.chat_completion(
model=MODEL_NAME,
messages=[
{"role": "system", "content": system},
{"role": "user", "content": user},
],
max_tokens=max_tokens,
temperature=temperature,
)
return response.choices[0].message.content.strip()
def simple_explain(concept: str, level: str = "intermediate") -> str:
level_desc = LEVEL_DESCRIPTIONS.get(level, LEVEL_DESCRIPTIONS["intermediate"])
system = (
"Tu es un professeur pédagogue expert. "
"Réponds dans la même langue que le concept demandé."
)
user = (
f"Explique le concept suivant {level_desc}.\n\n"
"Structure ta réponse avec :\n"
"1. Une définition courte et claire\n"
"2. Les points clés à retenir\n"
"3. Un exemple concret\n"
"4. Les applications pratiques\n\n"
f"Concept : {concept}"
)
return _call_hf(system, user, max_tokens=1024) |