# Инструкции по сборке Docker образа с предзагруженной моделью

## Обзор изменений

Dockerfile был модифицирован для предварительной загрузки модели Hugging Face во время сборки образа. Это обеспечивает:

- ✅ Быстрое развертывание (модель уже в контейнере)
- ✅ Надежность (нет зависимости от сети при запуске)
- ✅ Консистентность (фиксированная версия модели)

## Сборка образа

### Базовая сборка (для публичных моделей):

```bash
docker build -t llm-structured-output .
```

### Сборка с токеном Hugging Face (для приватных моделей):

```bash
docker build --build-arg HUGGINGFACE_TOKEN=your_token_here -t llm-structured-output .
```

Или через переменную окружения:

```bash
export HUGGINGFACE_TOKEN=your_token_here
docker build -t llm-structured-output .
```

## Запуск контейнера

```bash
docker run -p 7860:7860 llm-structured-output
```

Приложение будет доступно по адресу: http://localhost:7860

## Запуск через docker-compose

```bash
docker-compose up --build
```

## Важные изменения

### 1. Dockerfile
- Добавлен `git-lfs` для работы с большими файлами
- Добавлена переменная `DOCKER_CONTAINER=true`
- Добавлен этап предварительной загрузки модели
- Модель скачивается во время сборки образа

### 2. app.py
- Добавлена проверка на Docker окружение
- Если модель не найдена в Docker контейнере, выбрасывается ошибка
- Логика загрузки модели оптимизирована для работы с предзагруженными моделями

## Размер образа

Образ будет больше из-за включенной модели, но это компенсируется:
- Быстрым запуском контейнера
- Отсутствием сетевых зависимостей
- Возможностью кэширования слоев Docker

## Настройка модели

Для изменения модели отредактируйте `config.py`:

```python
MODEL_REPO: str = "your-repo/your-model"
MODEL_FILENAME: str = "your-model.gguf"
```

Затем пересоберите образ.

## Отладка

Для проверки наличия модели в контейнере:

```bash
docker run -it llm-structured-output ls -la /app/models/
```

Для проверки логов сборки:

```bash
docker build --no-cache -t llm-structured-output .
```