LFM2 Arabic Tuned Results

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
import json

# اسم النموذج على Hugging Face
model_id = "YoussefAI/LFM2-Arabic-Tuned-results"

# تحميل النموذج والـ Tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    device_map="auto",
    torch_dtype=torch.bfloat16,
    trust_remote_code=True
)

# إنشاء الـ pipeline
pipe = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    max_new_tokens=1024,
    do_sample=False, # لا نريد إبداعاً، نريد دقة
    temperature=0.1
)

# 1. النص الذي تريد تحليله
story_text = """
ذكرت مجلة فوربس أن العائلة تلعب دورا محوريا في تشكيل علاقة الأفراد بالمال،
حيث تتأثر هذه العلاقة بأنماط السلوك المالي المتوارثة عبر الأجيال.
التقرير الذي يستند إلى أبحاث الأستاذ الجامعي شاين إنيت حول
الرفاه المالي يوضح أن لكل شخص "شخصية مالية" تتحدد وفقا لطريقة
تفاعله مع المال، والتي تتأثر بشكل مباشر بتربية الأسرة وتجارب الطفولة.
"""

# 2. رسالة النظام وقالب الـ Schema (يجب أن تكون مطابقة للتدريب)
system_message = (
    "You are a professional NLP data parser.\n"
    "Follow the provided `Task` by the user and the `Output Scheme` to generate the `Output JSON`.\n"
    "Do not generate any introduction or conclusion."
)

# هذا هو القالب الذي "يفهمه" النموذج
# (ملاحظة: هذا مجرد مثال، القالب الفعلي كان أكثر تفصيلاً)
output_scheme = """
{"properties": {"story_title": {"type": "string"}, "story_keywords": {"type": "array"}, "story_summary": {"type": "array"}, "story_category": {"type": "string"}, "story_entities": {"type": "array"}}, "required": ["story_title", "story_keywords", "story_summary", "story_category", "story_entities"]}
"""

# 3. بناء الـ Prompt بنفس تنسيق التدريب
messages = [
    {"role": "system", "content": system_message},
    {
        "role": "user",
        "content": f"""# Story:
{story_text.strip()}

# Task:
Extrat the story details into a JSON.

# Output Scheme:
{output_scheme}

# Output JSON: