Update app.py

app.py

@@ -1,29 +1,58 @@
+# ✅ Hugging Face + 小型模型 + QA.json + 本地爬蟲資料庫 fallback
+# 檔名：app.py（Hugging Face Spaces 專用）
+
+import json
 import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer
-import torch
-
-# ✅ 免費開放模型，不需申請與登入
-model_name = "tiiuae/falcon-7b-instruct"
-
-# 載入 tokenizer 與模型
-tokenizer = AutoTokenizer.from_pretrained(model_name)
-model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.float16, device_map="auto")
-
-# 對話函數
-def chat(user_input):
-    prompt = f"{user_input}"
-    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
-    outputs = model.generate(**inputs, max_new_tokens=256, do_sample=True, top_p=0.95, temperature=0.7)
-    result = tokenizer.decode(outputs[0], skip_special_tokens=True)
+from transformers import pipeline
+
+# ✅ 小型模型
+qa_model = pipeline("text2text-generation", model="google/flan-t5-base")
+
+# ✅ 載入 QA.json
+with open("qa.json", "r", encoding="utf-8") as f:
+    qa_data = json.load(f)
+
+# ✅ 載入爬下來的文字資料（取代即時爬蟲）
+with open("web_content.txt", "r", encoding="utf-8") as f:
+    web_data = f.read()
+
+# ✅ 查詢 QA.json 資料
+
+def retrieve_qa_context(user_input):
+    for item in qa_data:
+        if item["match"] == "OR":
+            if any(k in user_input for k in item["keywords"]):
+                return item["response"]
+        elif item["match"] == "AND":
+            if all(k in user_input for k in item["keywords"]):
+                return item["response"]
+    return None
+
+# ✅ GPT 模型生成人性化回答
+
+def generate_answer_from_context(user_input, context):
+    prompt = f"根據以下資料，用繁體中文、口語化並簡潔地回答這個問題：\n\n[資料內容]\n{context}\n\n[問題]\n{user_input}\n\n回答："
+    result = qa_model(prompt, max_new_tokens=100)[0]['generated_text']
     return result.strip()
 
-# Gradio UI 介面
-gr.Interface(
-    fn=chat,
-    inputs=gr.Textbox(lines=2, placeholder="請問有關南臺科技大學的問題...", label="輸入問題"),
+# ✅ 主回答流程
+
+def answer(user_input):
+    context = retrieve_qa_context(user_input)
+    if context:
+        return generate_answer_from_context(user_input, context)
+    else:
+        # fallback: 使用本地爬蟲資料庫 web_content.txt
+        return generate_answer_from_context(user_input, web_data)
+
+# ✅ Gradio UI 介面
+interface = gr.Interface(
+    fn=answer,
+    inputs=gr.Textbox(lines=2, placeholder="請問有關南臺科技大學的問題..."),
     outputs="text",
-    title="南臺科技大學 問答機器人",
-    description="免費 GPT 替代模型（Falcon 7B Instruct），不需 API 金鑰或登入。",
+    title="南臺科技大學 問答機器人 (小模型 + 本地知識庫)",
+    description="先比對內建資料庫，再用爬蟲資料庫生成答案。支援人性化口語回覆。",
     theme="default"
-).launch()
+)
 
+interface.launch()