import torchfrom transformers import AutoModelForCausalLM, AutoTokenizerfrom peft import PeftModel BASE = "Qwen/Qwen2.5-1.5B-Instruct"tok = AutoTokenizer.from_pretrained(BASE)model = AutoModelForCausalLM.from_pretrained(BASE, dtype=torch.bfloat16, device_map="auto")model = PeftModel.from_pretrained(model, "<your-username>/fitness-coach-th") sys = "คุณเป็นโค้ชเวทเทรนนิ่งที่ยึดหลักวิทยาศาสตร์การกีฬา ตอบเป็นภาษาไทยเสมอ กระชับ ถูกต้อง คำนึงถึงความปลอดภัย และปฏิเสธคำขอที่อันตรายหรือผิดกฎหมายอย่างชัดเจน"msgs = [{"role":"system","content":sys},{"role":"user","content":"อยากเพิ่มความแข็งแรง Deadlift จัด set/rep ยังไง"}]enc = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt", return_dict=True).to(model.device)out = model.generate(**enc, max_new_tokens=200)print(tok.decode(out[0][enc["input_ids"].shape[1]:], skip_special_tokens=True))