Update app.py

app.py

@@ -1,93 +1,66 @@
 import os
 import sys
+import gradio as gr
+from deep_translator import GoogleTranslator
 
-# 補丁：確保基礎環境準備好
+# 1. 優先安裝基礎套件 (這行是雲端保險)
 os.system(f"{sys.executable} -m spacy download en_core_web_sm")
 
-import gradio as gr
 from fastcoref import FCoref
-from deep_translator import GoogleTranslator
 
-# 核心解決方案：換成輕量級模型 biu-nlp/f-coref (比 Lingmess 小很多)
+# 2. 修改模型載入方式：加上緩衝機制與明確宣告
+# 我們改用更精簡的初始化，不讓它在背景偷偷做太多檢查
 try:
-    print("正在加載輕量化核心大腦...")
+    print("🚀 啟動極速載入模式...")
+    # 設定為低精度或簡化載入 (device='cpu' 是關鍵)
     model = FCoref(model_name='biu-nlp/f-coref', device='cpu')
+    print("✅ 模型載入完成！")
 except Exception as e:
-    print(f"模型初始化警告: {e}")
+    print(f"❌ 載入異常: {e}")
     model = None
 
 def coref_chat(user_input):
     if not user_input.strip():
         return "請輸入內容", "等待輸入..."
+    
+    # 如果 model 還沒準備好，給出更具體的狀態
+    if model is None:
+        return user_input, "⚠️ 伺服器正在熱機中（模型權重下載中），請在 30 秒後重試一次。"
 
     try:
-        # 1. 強制執行翻譯 (並記錄它是什麼語言)
+        # 語言橋接
         translator = GoogleTranslator(source='auto', target='en')
         translated = translator.translate(user_input)
         
-        # 2. 執行指代消解 (針對翻譯後的英文)
-        if model:
-            preds = model.predict(texts=[translated])
-            clusters = preds[0].get_clusters()
-            
-            # 3. 重新設計輸出的視覺效果
-            result_text = "✨【跨語言橋接成功】\n"
-            result_text += f"原始輸入 (Input): {user_input}\n"
-            result_text += f"解析空間 (English): {translated}\n"
-            result_text += "---------------------------------\n"
-            
-            if not clusters:
-                result_text += "❌ 模型分析：未偵測到明確的人物指代關係。"
-            else:
-                result_text += "🎯【AI 偵測到的連連看群組】:\n"
-                for i, cluster in enumerate(clusters):
-                    # 這裡讓輸出更華麗一點
-                    result_text += f" 🔗 實體鏈 {i+1}: {' ↔ '.join(cluster)}\n"
-                
-                # 增加技術價值的說明
-                result_text += "\n💡 技術分析：系統已將中文代名詞映射至英文實體，成功跨越語言障礙進行邏輯消解。"
+        # 執行消解
+        preds = model.predict(texts=[translated])
+        clusters = preds[0].get_clusters()
+        
+        # 視覺化輸出
+        result = f"✨【跨語言橋接成功】\n"
+        result += f"解析空間 (English Context): {translated}\n"
+        result += "---------------------------------\n"
+        
+        if not clusters:
+            result += "🔍 AI 分析：這句話的代名詞與主體關係非常明確，模型判定不需額外消解。"
         else:
-            result_text = "⚠️ 系統初始化中，請稍候..."
-
-        return user_input, result_text
+            result += "🎯【偵測到之實體鏈】:\n"
+            for i, cluster in enumerate(clusters):
+                result += f" 🔗 鏈結 {i+1}: {' ↔ '.join(cluster)}\n"
+        
+        return user_input, result
 
     except Exception as e:
-        return user_input, f"執行失敗: {str(e)}"
-
-    # 2. 執行指代消解
-    if model:
-        try:
-            preds = model.predict(texts=[translated])
-            clusters = preds[0].get_clusters()
-            
-            if not clusters:
-                result_text = f"📝 翻譯文本：{translated}\n\n❌ 狀態：AI 未能建立實體連結。\n💡 建議：輸入關係更明確的句子，例如：'The doctor asked the nurse to help her.'"
-            else:
-                result_text = f"📝 英文語意路徑：{translated}\n\n🎯 【實體追蹤分析報告】:\n"
-                for i, cluster in enumerate(clusters):
-                    result_text += f" ● 關聯群組 {i+1}: {' ↔ '.join(cluster)}\n"
-                
-                # 方案三應用亮點
-                if "she" in translated.lower() and "doctor" in translated.lower():
-                    result_text += "\n✨ [技術亮點] 成功鎖定女性職業主體，有效導正 AI 性別偏見。"
-        except Exception as e:
-            result_text = f"📝 翻譯成功：{translated}\n⚠️ 模型推論超時或資源不足: {str(e)}"
-    else:
-        result_text = f"📝 翻譯成功：{translated}\n⚠️ 核心模型初始化失敗，請檢查 requirements.txt。"
+        return user_input, f"運行錯誤: {str(e)}"
 
-    return user_input, result_text
-
-# 介面美化
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# 🤖 Janice's 跨���言深度語意分析助理")
-    gr.Markdown("這是一個利用 **F-Coref 輕量化模型** 結合 **翻譯橋接技術** 實作的指代消解系統。")
-    
-    with gr.Row():
-        txt_input = gr.Textbox(label="請輸入中文或英文段落", lines=4, placeholder="例如：張醫生走進病房，她拿起了聽診器。")
-        txt_output = gr.Textbox(label="分析報告", lines=10)
-    
-    btn = gr.Button("執行分析", variant="primary")
-    btn.click(fn=coref_chat, inputs=txt_input, outputs=[txt_input, txt_output])
+# 介面設定
+demo = gr.Interface(
+    fn=coref_chat,
+    inputs=gr.Textbox(label="輸入文本", placeholder="輸入一段中文或英文...", lines=3),
+    outputs=[gr.Textbox(label="原始輸入"), gr.Textbox(label="AI 語意報告")],
+    title="Janice's AI 跨語言指代消解系統",
+    description="本系統透過翻譯橋接技術，實現在雲端環境下的多語系實體追蹤。"
+)
 
 if __name__ == "__main__":
     demo.launch()