gpt-local / app.py
Panacea ICONO
Add application file
d1346c6
#!/usr/bin/env python3
"""
🚀 GPT Local - Espacio Hugging Face
FastAPI Application para el espacio DRDELATV/gpt-local
"""
from fastapi import FastAPI, HTTPException
from fastapi.responses import HTMLResponse
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel
import os
import json
from typing import List, Dict, Any, Optional
import time
import logging
# Configurar logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
app = FastAPI(
title="GPT Local - DRDELATV",
description="Sistema GPT Local con soporte para modelos sin censura y entrenamiento personalizado",
version="1.0.0",
docs_url="/docs",
redoc_url="/redoc"
)
# Configurar CORS
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_credentials=True,
allow_methods=["*"],
allow_headers=["*"],
)
# Modelos de datos
class ChatMessage(BaseModel):
role: str
content: str
class ChatRequest(BaseModel):
messages: List[ChatMessage]
model: Optional[str] = "mistralai/Mistral-7B-v0.1"
max_tokens: Optional[int] = 512
temperature: Optional[float] = 0.7
class ChatResponse(BaseModel):
response: str
model_used: str
tokens_generated: int
processing_time: float
# Base de datos de modelos disponibles
AVAILABLE_MODELS = {
"mistralai/Mistral-7B-v0.1": {
"name": "Mistral 7B Base",
"description": "Modelo base para uso general",
"type": "general",
"censored": True
},
"NousResearch/Nous-Hermes-2-Mistral-7B-DPO": {
"name": "Nous Hermes 2 (Sin Censura)",
"description": "Modelo optimizado sin restricciones de contenido",
"type": "uncensored",
"censored": False
},
"ehartford/dolphin-2.6-mistral-7b": {
"name": "Dolphin 2.6 (Sin Restricciones)",
"description": "Modelo sin filtros para conversación libre",
"type": "uncensored",
"censored": False
},
"teknium/OpenHermes-2.5-Mistral-7B": {
"name": "OpenHermes 2.5",
"description": "Modelo para conversación libre y creativa",
"type": "creative",
"censored": False
}
}
@app.get("/", response_class=HTMLResponse)
async def home():
"""Página principal del espacio GPT Local"""
html_content = """
<!DOCTYPE html>
<html lang="es">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>🚀 GPT Local - DRDELATV</title>
<style>
body {
font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
margin: 0;
padding: 20px;
background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
color: white;
min-height: 100vh;
}
.container {
max-width: 1200px;
margin: 0 auto;
background: rgba(255, 255, 255, 0.1);
backdrop-filter: blur(10px);
border-radius: 20px;
padding: 30px;
box-shadow: 0 8px 32px rgba(0, 0, 0, 0.3);
}
h1 {
text-align: center;
font-size: 2.5em;
margin-bottom: 30px;
text-shadow: 2px 2px 4px rgba(0, 0, 0, 0.3);
}
.feature-grid {
display: grid;
grid-template-columns: repeat(auto-fit, minmax(300px, 1fr));
gap: 20px;
margin: 30px 0;
}
.feature-card {
background: rgba(255, 255, 255, 0.15);
border-radius: 15px;
padding: 20px;
border: 1px solid rgba(255, 255, 255, 0.2);
}
.api-section {
background: rgba(0, 0, 0, 0.2);
border-radius: 15px;
padding: 20px;
margin: 20px 0;
}
.endpoint {
background: rgba(255, 255, 255, 0.1);
border-radius: 10px;
padding: 15px;
margin: 10px 0;
font-family: 'Courier New', monospace;
}
.btn {
display: inline-block;
padding: 12px 24px;
background: rgba(255, 255, 255, 0.2);
border: 1px solid rgba(255, 255, 255, 0.3);
border-radius: 10px;
color: white;
text-decoration: none;
margin: 10px;
transition: all 0.3s ease;
}
.btn:hover {
background: rgba(255, 255, 255, 0.3);
transform: translateY(-2px);
}
</style>
</head>
<body>
<div class="container">
<h1>🚀 GPT Local - DRDELATV</h1>
<div class="feature-grid">
<div class="feature-card">
<h3>🤖 Modelos Sin Censura</h3>
<p>Acceso a modelos como Dolphin, Nous-Hermes y OpenHermes sin restricciones de contenido</p>
</div>
<div class="feature-card">
<h3>🔧 Entrenamiento Personalizado</h3>
<p>Sistema QLoRA para fine-tuning con tus propios datasets</p>
</div>
<div class="feature-card">
<h3>📊 Datasets Personalizados</h3>
<p>Creación de datasets conversacionales, creativos y sin censura</p>
</div>
<div class="feature-card">
<h3>🌐 API REST Completa</h3>
<p>FastAPI con documentación automática y endpoints optimizados</p>
</div>
</div>
<div class="api-section">
<h2>🔌 API Endpoints</h2>
<div class="endpoint">
<strong>GET /</strong> - Página principal
</div>
<div class="endpoint">
<strong>GET /health</strong> - Estado del sistema
</div>
<div class="endpoint">
<strong>GET /models</strong> - Lista de modelos disponibles
</div>
<div class="endpoint">
<strong>POST /chat</strong> - Chat con el modelo
</div>
<div class="endpoint">
<strong>GET /status</strong> - Estadísticas del sistema
</div>
</div>
<div style="text-align: center; margin: 30px 0;">
<a href="/docs" class="btn">📚 Documentación API</a>
<a href="/redoc" class="btn">📖 ReDoc</a>
<a href="/health" class="btn">❤️ Estado</a>
<a href="/models" class="btn">🤖 Modelos</a>
</div>
<div style="text-align: center; margin-top: 40px; font-size: 0.9em; opacity: 0.8;">
<p>🏗️ Construido con FastAPI + Transformers + QLoRA</p>
<p>🔗 Repositorio: <a href="https://github.com/DRDELATV/gpt-local" style="color: #fff;">github.com/DRDELATV/gpt-local</a></p>
</div>
</div>
</body>
</html>
"""
return HTMLResponse(content=html_content)
@app.get("/health")
async def health_check():
"""Verificar estado del sistema"""
return {
"status": "healthy",
"service": "GPT Local - DRDELATV",
"version": "1.0.0",
"timestamp": time.time(),
"models_available": len(AVAILABLE_MODELS),
"space_url": "https://huggingface.co/spaces/DRDELATV/gpt-local"
}
@app.get("/models")
async def get_models():
"""Obtener lista de modelos disponibles"""
return {
"models": AVAILABLE_MODELS,
"total_models": len(AVAILABLE_MODELS),
"uncensored_models": len([m for m in AVAILABLE_MODELS.values() if not m["censored"]]),
"default_model": "mistralai/Mistral-7B-v0.1"
}
@app.post("/chat", response_model=ChatResponse)
async def chat_with_model(request: ChatRequest):
"""Chat con el modelo seleccionado"""
start_time = time.time()
# Validar modelo
if request.model not in AVAILABLE_MODELS:
raise HTTPException(
status_code=400,
detail=f"Modelo no disponible. Use uno de: {list(AVAILABLE_MODELS.keys())}"
)
# Simular procesamiento (en un deployment real, aquí cargarías el modelo)
logger.info(f"Procesando chat con modelo: {request.model}")
# Construir prompt
conversation = ""
for msg in request.messages:
conversation += f"{msg.role}: {msg.content}\n"
# Respuesta simulada (en producción usarías el modelo real)
model_info = AVAILABLE_MODELS[request.model]
response_text = f"""¡Hola! Soy un asistente basado en {model_info['name']}.
📋 Tu mensaje: {request.messages[-1].content if request.messages else 'Sin mensaje'}
🤖 Características del modelo:
- Nombre: {model_info['name']}
- Tipo: {model_info['type']}
- Sin censura: {'✅' if not model_info['censored'] else '❌'}
🔧 Configuración:
- Temperatura: {request.temperature}
- Max tokens: {request.max_tokens}
Este es el espacio DRDELATV/gpt-local funcionando correctamente. En un deployment completo, aquí se cargaría el modelo real usando transformers y se generaría una respuesta auténtica.
Para usar el sistema completo:
1. Clona el repositorio completo
2. Instala las dependencias
3. Ejecuta el entrenamiento personalizado
4. Usa los modelos sin censura disponibles
"""
processing_time = time.time() - start_time
return ChatResponse(
response=response_text,
model_used=request.model,
tokens_generated=len(response_text.split()),
processing_time=processing_time
)
@app.get("/status")
async def get_status():
"""Estadísticas del sistema"""
return {
"service": "GPT Local API",
"author": "DRDELATV",
"space": "https://huggingface.co/spaces/DRDELATV/gpt-local",
"github": "https://github.com/DRDELATV/gpt-local",
"features": [
"Modelos sin censura",
"Entrenamiento QLoRA",
"Datasets personalizados",
"API REST completa",
"Interfaz web",
"Docker support"
],
"models": {
"total": len(AVAILABLE_MODELS),
"uncensored": len([m for m in AVAILABLE_MODELS.values() if not m["censored"]]),
"available": list(AVAILABLE_MODELS.keys())
},
"deployment": {
"platform": "Hugging Face Spaces",
"runtime": "Docker",
"framework": "FastAPI",
"python_version": "3.9"
}
}
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=7860)