Update app.py

app.py

@@ -1,22 +1,48 @@
-# ✅ 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）
+# ✅ Hugging Face + 小型模型 + 強化 QA 與資料庫版本
+# 檔名：app.py（可部署於 Hugging Face Spaces）
 
 import json
 import gradio as gr
 from transformers import pipeline
 
-# ✅ 小型模型
+# ✅ 初始化小模型
 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)
+# ✅ 強化 QA 資料庫（內嵌進程式中）
+qa_data = [
+    {
+        "keywords": ["你是誰"],
+        "match": "OR",
+        "response": "我是介紹南臺科技大學的 AI 語音助理，很高興為您服務！"
+    },
+    {
+        "keywords": ["地址", "位置", "在哪"],
+        "match": "OR",
+        "response": "南臺科技大學位於台南市永康區南台街一號，郵遞區號為71005。"
+    },
+    {
+        "keywords": ["電機系辦公室", "3301"],
+        "match": "OR",
+        "response": "電機工程系的辦公室位於B棟B101，聯絡電話為06-2533131 分機3301。"
+    },
+    {
+        "keywords": ["悠活館", "U棟"],
+        "match": "OR",
+        "response": "悠活館（U棟）內有桌球場、健身房與羽球場，是學生運動與休閒的主要場域。"
+    }
+]
 
-# ✅ 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()
+# ✅ 強化版本地知識資料庫（模擬爬蟲結果）
+web_data = """
+[校名] 南臺科技大學 Department of Electrical Engineering
+[地址] 71005 台南市永康區南台街一號 No.1, Nan-Tai St., Yungkang Dist., Tainan City 71005, Taiwan
+[辦公室] B棟B101, TEL:06-2533131 #3301
+[老師資訊] 陳有圳、陳世中、陳彥廷、楊弘吉、黃基哲、侯春茹、洪千焙
+[群組] 控制組、電能資訊組、生醫電子系統組
+[統計] 教授9人，副教授11人，助理教授9人，控制與晶片組最多教師。
+"""
 
-# ✅ 查詢 QA.json 資料
+# ✅ QA 匹配檢索
 
 def retrieve_qa_context(user_input):
     for item in qa_data:
@@ -28,31 +54,41 @@ def retrieve_qa_context(user_input):
                 return item["response"]
     return None
 
-# ✅ GPT 模型生成人性化回答
+# ✅ 小模型生成自然語言回答
 
 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："
+    prompt = f"""
+你是一位了解南臺科技大學的親切語音助理。請根據以下資料回答使用者的問題：
+
+[資料內容]
+{context}
+
+[問題]
+{user_input}
+
+請用繁體中文簡短自然地回覆，不超過 90 字。
+"""
     result = qa_model(prompt, max_new_tokens=100)[0]['generated_text']
     return result.strip()
 
-# ✅ 主回答流程
+# ✅ 整合流程
 
 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
+# ✅ Gradio UI
 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 (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。",
+    title="南臺科技大學 問答機器人（強化 QA + 本地資料庫）",
+    description="優先使用 QA 關鍵字資料庫，若找不到則使用校內爬蟲資料生成人性化回應。",
     theme="default"
 )
 
 interface.launch()
+