Update app.py

app.py

@@ -36,24 +36,42 @@ def extract_text(file):
 
 # 3. 定義主預測邏輯
 def predict(file, manual_context, question):
-    # 優先從上傳的文件提取內容，若無則使用手動輸入的內容
+    # 1. 檢查問題是否為空
+    if not question.strip():
+        return "⚠️ 請輸入您想提問的問題。"
+
+    # 2. 判斷資料來源優先級
+    source_info = ""
     if file is not None:
+        # 如果有上傳檔案，優先讀取檔案
         context = extract_text(file)
-    else:
+        source_info = f"📝 來源：已偵測到上傳檔案 ({file.name.split('/')[-1]})"
+    elif manual_context.strip():
+        # 如果沒有檔案但有貼上文字
         context = manual_context
+        source_info = "📝 來源：手動輸入的文本"
+    else:
+        # 兩者皆無
+        return "⚠️ 請先提供文件內容（上傳檔案或是在文字框貼上內容）。"
 
-    if not context or not question:
-        return "請先提供文件內容（上傳或貼上文字）並輸入提問。"
-    
-    # 執行問答推理
-    # 加入 handle_impossible_answer=True 處理 SQuAD v2.0 特性
-    result = qa_model(question=question, context=context)
-    
-    # 信心門檻判斷
-    if result['score'] < 0.05:
-        return "抱歉，在文件內容中找不到相關答案（模型信心程度較低）。"
-    
-    return f"回答：{result['answer']}\n(信心分數: {round(result['score'], 4)})"
+    # 3. 檢查 Context 是否成功提取文字
+    if not context.strip():
+        return "⚠️ 無法從提供的來源中提取有效文字，請檢查檔案格式。"
+
+    # 4. 執行模型推理
+    try:
+        result = qa_model(question=question, context=context)
+        
+        # SQuAD 2.0 門檻檢查
+        if result['score'] < 0.01:
+            return f"{source_info}\n\n❌ 抱歉，在提供的內容中找不到相關答案。"
+        
+        return (f"{source_info}\n"
+                f"🎯 模型回答：{result['answer']}\n"
+                f"📊 信心分數：{round(result['score'] * 100, 2)}%")
+                
+    except Exception as e:
+        return f"❌ 發生錯誤：{str(e)}"
 
 # 4. 建立 Gradio 網頁介面
 with gr.Blocks(title="Case Study: AI Document QA") as demo: