Update app.py

app.py

@@ -1,7 +1,86 @@
 import gradio as gr
+from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
+import torch
+import spaces # مكتبة ZeroGPU
 
-def greet(name):
-    return "Hello " + name + "!!"
+# 1. إعدادات النموذج (Qwen3-Omni-Thinking)
+# نستخدم نسخة Thinking للحصول على قدرات الاستنتاج العميق
+MODEL_ID = "Qwen/Qwen3-Omni-30B-A3B-Thinking"
 
-demo = gr.Interface(fn=greet, inputs="text", outputs="text")
-demo.launch()
+print(f"جاري تحميل النموذج العملاق {MODEL_ID}... هذا سيستغرق بضعة دقائق.")
+
+# إعداد الضغط (4-bit Quantization) لتناسب ذاكرة ZeroGPU
+nf4_config = BitsAndBytesConfig(
+    load_in_4bit=True,
+    bnb_4bit_quant_type="nf4",
+    bnb_4bit_use_double_quant=True,
+    bnb_4bit_compute_dtype=torch.bfloat16
+)
+
+# تحميل الـ Tokenizer
+tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
+
+# تحميل النموذج مع الضغط
+model = AutoModelForCausalLM.from_pretrained(
+    MODEL_ID,
+    quantization_config=nf4_config,
+    device_map="auto",
+    trust_remote_code=True
+)
+
+print("تم تحميل النموذج بنجاح! المعلم جاهز.")
+
+# 2. دالة التفكير والرد
+@spaces.GPU(duration=120) # نزيد الوقت المسموح لأن التفكير يأخذ وقتاً
+def chat_with_thinking_model(message, history):
+    # تجهيز سياق المحادثة
+    # نماذج Thinking لا تحتاج عادةً لـ System Prompt معقد، هي تفهم السياق فوراً
+    messages = []
+    
+    for user_msg, bot_msg in history:
+        messages.append({"role": "user", "content": user_msg})
+        messages.append({"role": "assistant", "content": bot_msg})
+    
+    messages.append({"role": "user", "content": message})
+
+    # تحويل النص لأرقام
+    text = tokenizer.apply_chat_template(
+        messages,
+        tokenize=False,
+        add_generation_prompt=True
+    )
+    
+    model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
+
+    # التوليد
+    # نماذج التفكير قد تولد نصوصاً طويلة تشرح فيها خطوات الحل
+    generated_ids = model.generate(
+        **model_inputs,
+        max_new_tokens=1024, # نعطيه مساحة ليفكر
+        temperature=0.7      # توازن بين الإبداع والدقة
+    )
+    
+    generated_ids = [
+        output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
+    ]
+
+    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
+    return response
+
+# 3. واجهة المستخدم
+custom_css = """
+#chatbot {min-height: 400px;}
+"""
+
+with gr.Blocks(css=custom_css, theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🧠 Nasaq AI Tutor (Thinking Mode)")
+    gr.Markdown("هذا النموذج يستخدم **Qwen3-Omni-Thinking**. ستلاحظ أنه قد يكتب خطوات تفكيره قبل الإجابة النهائية.")
+    
+    chatbot = gr.ChatInterface(
+        fn=chat_with_thinking_model,
+        examples=["اشرح لي النظرية النسبية وكأنني طفل في الخامسة", "حل المعادلة: س^2 + 5س + 6 = 0 مع الشرح"],
+        cache_examples=False,
+    )
+
+if __name__ == "__main__":
+    demo.launch()