Update app.py

app.py

@@ -1,76 +1,60 @@
 import os
 import sys
 
-# 1. 強制下載 Spacy 模型
+# 補強環境：強制下載模型
 os.system(f"{sys.executable} -m spacy download en_core_web_sm")
 
-# 2. 防錯補丁：解決 huggingface_hub 版本太新導致的 ImportError
-try:
-    import huggingface_hub
-    if not hasattr(huggingface_hub, 'HfFolder'):
-        class MockHfFolder:
-            @staticmethod
-            def get_token(): return os.getenv("HF_TOKEN")
-        huggingface_hub.HfFolder = MockHfFolder
-except:
-    pass
-
 import gradio as gr
-from fastcoref import LingmessCoref
+from fastcoref import FCoref
 from deep_translator import GoogleTranslator
 
-# 3. 初始化 Lingmess 模型 (這行會跑比較久，因為要下載 Lingmess 權重)
-model = LingmessCoref(device='cpu')
-
-
+# 初始化模型 (FCoref 是 fastcoref 的標準入口)
+# 它會自動處理 Lingmess 或其他預訓練權重
+model = FCoref(device='cpu')
 
 def coref_chat(user_input):
     if not user_input.strip():
         return "請輸入內容", "等待輸入..."
 
     try:
-        # 2. 翻譯橋接
-        translated_text = GoogleTranslator(source='auto', target='en').translate(user_input)
+        # 1. 偵測並處理中文翻譯
+        is_chinese = any('\u4e00' <= char <= '\u9fff' for char in user_input)
+        process_text = user_input
+        if is_chinese:
+            process_text = GoogleTranslator(source='auto', target='en').translate(user_input)
         
-        # 3. 執行預測
-        preds = model.predict(texts=[translated_text])
+        # 2. 執行指代消解
+        preds = model.predict(texts=[process_text])
         clusters = preds[0].get_clusters()
         
-        # 4. 如果還是沒抓到，列出除錯資訊
+        # 3. 輸出整理
         if not clusters:
-            return user_input, f"📝 翻譯文本：{translated_text}\n\n❌ 狀態：模型已運作但未偵測到明確指代。\n💡 提示：請嘗試輸入更明確的關係，例如：'The doctor met the nurse. She gave him a book.'"
+            return user_input, f"📝 處理文本：{process_text}\n\n❌ 狀態：AI 未能建立實體連結。\n💡 建議：請輸入人物關係更明確的長句。"
 
-        # 5. 格式化結果
-        result_text = f"📝 英文語意路徑：{translated_text}\n\n"
-        result_text += "🎯 【指代消解群組 Coref Clusters】:\n"
+        result_text = f"📝 分析文本 (English Context): {process_text}\n\n"
+        result_text += "🎯 【實體追蹤分析報告 Entity Tracking】:\n"
         for i, cluster in enumerate(clusters):
-            result_text += f" ● 群組 {i+1}: {' ↔ '.join(cluster)}\n"
+            result_text += f" ● 關聯群組 {i+1}: {' ↔ '.join(cluster)}\n"
         
-        # 方案三應用：偵測性別歧義修正
-        if "she" in translated_text.lower() and "he" in translated_text.lower():
-            result_text += "\n✨ [技術應用] 已成功解析跨性別主體關聯，可應用於消除翻譯軟體之偏見。"
+        if is_chinese:
+            result_text += "\n💡 提示：本分析基於『翻譯橋接技術』，成功將中文語意映射至英文邏輯空間。"
             
         return user_input, result_text
 
     except Exception as e:
-        return user_input, f"系統錯誤: {str(e)}"
+        return user_input, f"系統運行錯誤: {str(e)}"
 
 # Gradio 介面設定
-with gr.Blocks(theme=gr.themes.Monochrome()) as demo:
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🤖 Janice's AI Coreference Engine")
-    gr.Markdown("### 應用：跨語言實體追蹤與翻譯去偏見測試")
+    gr.Markdown("### 專題應用：跨語言實體追蹤與去偏見分析層")
     
     with gr.Row():
-        txt_input = gr.Textbox(label="輸入待分析文本 (中/英)", lines=4)
-        txt_output = gr.Textbox(label="深度語意分析報告", lines=10)
+        txt_input = gr.Textbox(label="輸入待分析文本 (Input Text)", lines=4, placeholder="例如：張醫生正在動手術，她很冷靜。")
+        txt_output = gr.Textbox(label="深度語意分析結果", lines=10)
     
-    btn = gr.Button("執行分析", variant="primary")
+    btn = gr.Button("執行分析 (Analyze)", variant="primary")
     btn.click(fn=coref_chat, inputs=txt_input, outputs=[txt_input, txt_output])
 
-    gr.Examples(
-        examples=["The doctor asked the nurse to help her. He was busy.", "教授走進教室，學生們對他打招呼。"],
-        inputs=txt_input
-    )
-
 if __name__ == "__main__":
     demo.launch()