Update app.py

app.py

@@ -1360,13 +1360,6 @@ def build_langgraph_pipeline():
 
 from tempfile import mkdtemp
 
-# 新增一個專用於 Tab6 的 get_file_path 函式，不影響其他部分
-import os
-from tempfile import mkdtemp
-
-import os
-from tempfile import mkdtemp
-
 # 專用於 Tab6 的檔案路徑取得函式（僅用於 Tab6，不影響其他地方）
 def get_file_path_tab6(file):
     # 如果檔案是字串，直接回傳
@@ -1397,42 +1390,46 @@ def get_file_path_tab6(file):
 # 修改後的 Tab6 主執行函式
 def langgraph_tab6_main(query: str, file=None):
     try:
-        # 先處理上傳檔案（支援多檔案上傳）
-        files = file if isinstance(file, list) else [file] if file else []
-        all_docs, file_names = [], []
-        for f in files:
-            path = get_file_path_tab6(f)  # 使用專用於 Tab6 的函式
-            if not path:
-                print("get_file_path_tab6 returned None for file:", f)
-                continue
-            file_names.append(os.path.basename(path))
-            print("Tab6 Processing file:", path)
-            # 根據副檔名選擇 Loader
-            if path.lower().endswith(".pdf"):
-                loader = PyPDFLoader(path)
-            elif path.lower().endswith(".docx"):
-                loader = UnstructuredWordDocumentLoader(path)
+        # 僅支援單檔案上傳：如果 file 為列表，取第一個檔案
+        if isinstance(file, list):
+            file = file[0] if file else None
+
+        file_names = []
+        retriever = None  # 預設沒有文件內容
+        if file is not None:
+            # 取得檔案路徑（使用原有的 get_file_path 函式，不做修改）
+            path = get_file_path(file)
+            if path:
+                file_names.append(os.path.basename(path))
+                # 根據檔案副檔名選擇 Loader
+                if path.lower().endswith(".pdf"):
+                    loader = PyPDFLoader(path)
+                elif path.lower().endswith(".docx"):
+                    loader = UnstructuredWordDocumentLoader(path)
+                else:
+                    loader = TextLoader(path)
+                docs = loader.load()
+                # 若成功讀取到內容，建立檢索器
+                if docs:
+                    chunks = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50).split_documents(docs)
+                    db = FAISS.from_documents(chunks, embeddings)
+                    retriever = db.as_retriever()
+                    # 將建立好的 retriever設定到全域 session_retriever，
+                    # 以供 Summarisation 或 Document QA 任務使用
+                    global session_retriever
+                    session_retriever = retriever
+                else:
+                    print("Loader did not return any document content from:", path)
             else:
-                loader = TextLoader(path)
-            docs = loader.load()
-            print("Docs loaded from", path, ":", docs)
-            all_docs.extend(docs)
-        # 若成功讀取到文件內容，建立檢索器
-        if all_docs:
-            chunks = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50).split_documents(all_docs)
-            db = FAISS.from_documents(chunks, embeddings)
-            retriever = db.as_retriever()
-            # 將建立好的 retriever 指派到全域變數 session_retriever，供 Summarise/Document QA 工具使用
-            global session_retriever
-            session_retriever = retriever
+                print("get_file_path returned None for the uploaded file.")
         else:
-            print("No document content read. file_names:", file_names)
-            retriever = None
+            print("No file uploaded.")
 
         # 建立 LangGraph 流程
         graph = build_langgraph_pipeline()
+        # state 中包含查詢與檔案名稱（若有）
         state = {"query": query, "file_names": file_names}
-        # 若有 retriever，將其放入 state，讓下游工具（例如 Document QA 或 Summarise）能從 state 中取用
+        # 如果有 retriever，放入 state（下游任務可檢查 state 中的 retriever）
         if retriever is not None:
             state["retriever"] = retriever
 
@@ -1592,7 +1589,7 @@ demo = gr.TabbedInterface(
             fn=langgraph_tab6_main,
             inputs=[
                 gr.Textbox(label="Ask anything"),
-                gr.File(label="Upload one or more files", file_types=[".pdf", ".txt", ".docx"], file_count="multiple")
+                gr.File(label="Upload one or more files", file_types=[".pdf", ".txt", ".docx"], file_count="single")
             ],
             outputs="text",
             title="LangGraph GPT-like QA (Tab6)",