Upload app.py

app.py

@@ -11,6 +11,10 @@ from langchain_text_splitters import RecursiveCharacterTextSplitter
 from langchain_huggingface import HuggingFaceEmbeddings
 from langchain_community.vectorstores import FAISS
 from PIL import Image
+import warnings
+
+# 忽略 pandas 的一些警告
+warnings.filterwarnings("ignore")
 
 # ==========================================
 # 0. 環境變數與 RAG 初始化
@@ -21,10 +25,18 @@ HF_TOKEN = os.getenv("HF_TOKEN")
 # --- 1. 資料讀取 (主要資料庫) ---
 df = pd.DataFrame() 
 try:
-    df = pd.read_csv('google_maps_rag_data.csv')
+    # engine='python' 可以避免 Invalid file descriptor 錯誤
+    df = pd.read_csv('google_maps_rag_data.csv', engine='python')
+    
+    # 清理欄位名稱 (移除前後空白)
+    df.columns = df.columns.str.strip()
+
     def classify_mood(row):
-        text = str(row['Name']) + " " + str(row['RAG_Content'])
-        text = text.lower()
+        # 確保轉成字串以免報錯
+        name_str = str(row.get('Name', ''))
+        rag_str = str(row.get('RAG_Content', ''))
+        text = (name_str + " " + rag_str).lower()
+        
         tags = []
         rules = {
             "開心/慶祝": ["牛排", "steak", "pizza", "炸", "雞排", "甜點", "蛋糕", "cake", "冰", "waffle", "吃到飽", "buffet", "burger", "bistro", "餐酒館"],
@@ -41,33 +53,50 @@ try:
         
     if 'Mood_Tags' not in df.columns:
         df['Mood_Tags'] = df.apply(classify_mood, axis=1)
-except:
-    print("⚠️ 找不到 google_maps_rag_data.csv，RAG 功能將受限")
+except Exception as e:
+    print(f"⚠️ 讀取 google_maps_rag_data.csv 失敗: {e}")
+    print("RAG 功能將受限")
 
-# --- 2. 資料讀取 (Prompt 資料庫) [新增/修改部分] ---
+# --- 2. 資料讀取 (Prompt 資料庫) [修正重點] ---
 df_prompts = pd.DataFrame()
+PROMPT_COL_NAME = 'Image_Prompt' # 設定目標欄位名稱
+
 try:
-    df_prompts = pd.read_csv('restaurants_prompts_v6.csv')
-    # 確保以 Name 為索引，方便快速查詢
-    # 假設 CSV 欄位名稱是 'Name' 和 'Image_Prompt'，如果不一樣請在這裡改
+    # 使用 engine='python' 避免 file descriptor 錯誤
+    df_prompts = pd.read_csv('restaurants_prompts_v6.csv', engine='python')
+    
+    # 自動清除欄位名稱的前後空白 (解決 ' Image_Prompt' 抓不到的問題)
+    df_prompts.columns = df_prompts.columns.str.strip()
+    
+    # 檢查並設定 Index
     if 'Name' in df_prompts.columns:
         df_prompts.set_index('Name', inplace=True)
     else:
-        print("⚠️ Prompt CSV 中找不到 'Name' 欄位")
-except:
+        print(f"⚠️ Prompts CSV 警告: 找不到 'Name' 欄位，現有欄位: {df_prompts.columns.tolist()}")
+
+    # 檢查目標欄位是否存在
+    if PROMPT_COL_NAME not in df_prompts.columns:
+        print(f"⚠️ Prompts CSV 警告: 找不到 '{PROMPT_COL_NAME}' 欄位。現有欄位: {df_prompts.columns.tolist()}")
+
+except FileNotFoundError:
     print("⚠️ 找不到 restaurants_prompts_v6.csv，將使用預設 Prompt")
+except Exception as e:
+    print(f"⚠️ 讀取 Prompt CSV 發生未預期錯誤: {e}")
 
 
 # --- RAG 建置 ---
 retriever = None
-if not df.empty:
-    loader = DataFrameLoader(df, page_content_column="RAG_Content")
-    documents = loader.load()
-    text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
-    docs = text_splitter.split_documents(documents)
-    embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
-    vectorstore = FAISS.from_documents(docs, embeddings)
-    retriever = vectorstore.as_retriever(search_kwargs={"k": 3})
+if not df.empty and 'RAG_Content' in df.columns:
+    try:
+        loader = DataFrameLoader(df, page_content_column="RAG_Content")
+        documents = loader.load()
+        text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
+        docs = text_splitter.split_documents(documents)
+        embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
+        vectorstore = FAISS.from_documents(docs, embeddings)
+        retriever = vectorstore.as_retriever(search_kwargs={"k": 3})
+    except Exception as e:
+        print(f"⚠️ RAG 初始化失敗: {e}")
 
 # ==========================================
 # 1. 小測驗設定
@@ -92,8 +121,11 @@ img_path_2 = "images/image_1.png"
 
 # 自動產生替代圖片
 if not os.path.exists("images"): os.makedirs("images")
-if not os.path.exists(img_path_1): Image.new('RGB', (400, 300), color='gray').save(img_path_1)
-if not os.path.exists(img_path_2): Image.new('RGB', (400, 300), color='lightblue').save(img_path_2)
+try:
+    if not os.path.exists(img_path_1): Image.new('RGB', (400, 300), color='gray').save(img_path_1)
+    if not os.path.exists(img_path_2): Image.new('RGB', (400, 300), color='lightblue').save(img_path_2)
+except Exception:
+    pass # 忽略圖片建立錯誤
 
 # 選項對照表
 q1_options_map = {
@@ -129,9 +161,15 @@ def get_restaurant_data(mood_score_str, food_choice):
     elif food_choice == "吃麵": food_keyword = "麵"
 
     candidates = df.copy()
+    
+    # 確保必要欄位存在
+    if 'Mood_Tags' not in candidates.columns: 
+        return df.sample(1).iloc[0], True
+
     if target_moods:
         pattern = "|".join(target_moods)
         candidates = candidates[candidates['Mood_Tags'].str.contains(pattern, regex=True, na=False)]
+    
     if food_keyword:
         candidates = candidates[
             candidates['Name'].str.contains(food_keyword, case=False, na=False) | 
@@ -142,10 +180,7 @@ def get_restaurant_data(mood_score_str, food_choice):
     return candidates.sample(1).iloc[0], False
 
 def generate_content_with_groq(restaurant_name, restaurant_detail, user_diary, mood_score, quiz_result):
-    """
-    修改說明：這裡不再生成 Image Prompt，只專注於生成文字回應。
-    """
-    if not GROQ_API_KEY: return "⚠️ 請設定 GROQ_API_KEY"
+    if not GROQ_API_KEY: return "⚠️ 請設定 GROQ_API_KEY (系統變數)"
     
     client = OpenAI(api_key=GROQ_API_KEY, base_url="https://api.groq.com/openai/v1")
     
@@ -168,7 +203,7 @@ def generate_content_with_groq(restaurant_name, restaurant_detail, user_diary, m
     【回應內容】：用繁體中文寫一段溫暖有趣的回覆。
        - 結合「日記」與「前測人設」給予回應。
        - 推薦上述餐廳，說明為什麼這家店適合他。
-       - 不需要提供圖片 Prompt，直接回覆內容即可。
+       - 語氣自然，像朋友一樣。
     """
     try:
         response = client.chat.completions.create(
@@ -184,29 +219,31 @@ def generate_image_huggingface(prompt):
     if not HF_TOKEN: return None
     try:
         hf_client = InferenceClient(token=HF_TOKEN)
-        # 您可以使用原本的模型，或嘗試其他模型
         return hf_client.text_to_image(prompt=prompt, model="stabilityai/stable-diffusion-xl-base-1.0")
     except: return None
 
-# --- 主邏輯 Agent (已修改圖片 Prompt 來源) ---
+# --- 主邏輯 Agent ---
 def mood_agent_logic(score_input, food_input, diary_input, quiz_state):
     restaurant, is_random = get_restaurant_data(score_input, food_input)
     if restaurant is None:
-        yield "資料庫讀取錯誤", None, ""
+        yield "資料庫讀取錯誤或為空", None, ""
         return
 
-    name = restaurant['Name']
-    address = restaurant['Address']
-    url = restaurant['URL']
+    name = str(restaurant['Name'])
+    address = str(restaurant.get('Address', '未知地址'))
+    url = str(restaurant.get('URL', f'https://www.google.com/maps/search/?api=1&query={urllib.parse.quote(name)}'))
     note = "(隨機推薦)" if is_random else ""
 
     # 1. 處理 RAG 內容
-    rag_info = str(restaurant['RAG_Content'])
+    rag_info = str(restaurant.get('RAG_Content', ''))
     if retriever:
-        docs = retriever.invoke(name)
-        if docs: rag_info = "\n".join([d.page_content for d in docs])
+        try:
+            docs = retriever.invoke(name)
+            if docs: rag_info = "\n".join([d.page_content for d in docs])
+        except Exception:
+            pass
 
-    # 2. 呼叫 LLM 產生文字回應 (不再產生 Prompt)
+    # 2. 呼叫 LLM 產生文字回應
     ai_text = generate_content_with_groq(name, rag_info, diary_input, score_input, quiz_state)
     
     final_response = f"### 🍽️ 推薦：{name} {note}\n\n{ai_text}"
@@ -215,27 +252,30 @@ def mood_agent_logic(score_input, food_input, diary_input, quiz_state):
     # 3. 先回傳文字與地圖
     yield final_response, None, map_html
 
-    # 4. 查找 CSV 獲取 Prompt 並生成圖片 [修改重點]
-    img_prompt = f"Delicious food from {name}, cinematic lighting, 8k" # 預設值
+    # 4. 查找 CSV 獲取 Prompt 並生成圖片 [安全讀取版]
+    img_prompt = f"Delicious food from {name}, cinematic lighting, 8k, photorealistic" # 預設值
+    
+    # 檢查 df_prompts 是否有資料且目標欄位存在
+    if not df_prompts.empty and PROMPT_COL_NAME in df_prompts.columns:
+        if name in df_prompts.index:
+            try:
+                csv_prompt = df_prompts.loc[name, PROMPT_COL_NAME]
+                
+                # 處理重複名稱 (如果是 Series 取第一個)
+                if isinstance(csv_prompt, pd.Series):
+                    csv_prompt = csv_prompt.iloc[0]
+                
+                # 檢查是否為 NaN 或空字串
+                if pd.notna(csv_prompt) and str(csv_prompt).strip() != "":
+                    img_prompt = str(csv_prompt)
+                    # print(f"✅ 使用 CSV Prompt ({name}): {img_prompt[:20]}...") 
+                else:
+                    print(f"⚠️ 餐廳 {name} 在 CSV 中，但 Prompt 為空，使用預設值。")
+            except Exception as e:
+                 print(f"⚠️ 取用 Prompt 時發生錯誤: {e}")
+        else:
+            print(f"ℹ️ 餐廳 '{name}' 不在 Prompts CSV 索引中，使用預設生成規則")
     
-    if not df_prompts.empty and name in df_prompts.index:
-        try:
-            # 假設 CSV 中存 Prompt 的欄位叫 'Image_Prompt'��如果不一樣請修改這裡
-            csv_prompt = df_prompts.loc[name, 'Image_Prompt']
-            # 如果有多筆資料 (重複名稱)，取第一筆
-            if isinstance(csv_prompt, pd.Series):
-                csv_prompt = csv_prompt.iloc[0]
-            
-            if pd.notna(csv_prompt) and str(csv_prompt).strip() != "":
-                img_prompt = str(csv_prompt)
-                print(f"✅ 使用 CSV Prompt ({name}): {img_prompt[:30]}...")
-            else:
-                print(f"⚠️ 餐廳 {name} 在 CSV 中，但 Prompt 空白，使用預設值")
-        except Exception as e:
-             print(f"⚠️ 讀取 Prompt 發生錯誤: {e}")
-    else:
-        print(f"ℹ️ 餐廳 {name} 不在 Prompts CSV 中，使用預設生成規則")
-
     # 5. 生成圖片
     image_output = generate_image_huggingface(img_prompt)
     yield final_response, image_output, map_html
@@ -246,12 +286,12 @@ def mood_agent_logic(score_input, food_input, diary_input, quiz_state):
 
 def handle_q1_change(selected_label, current_state):
     if not selected_label: return current_state, gr.Button(interactive=False)
-    current_state["q1"] = q1_options_map[selected_label]
+    current_state["q1"] = q1_options_map.get(selected_label, selected_label)
     return current_state, gr.Button(interactive=True, variant="primary")
 
 def handle_q2_change(selected_label, current_state):
     if not selected_label: return current_state, gr.Button(interactive=False)
-    current_state["q2"] = q2_options_map[selected_label]
+    current_state["q2"] = q2_options_map.get(selected_label, selected_label)
     return current_state, gr.Button(interactive=True, variant="primary", value="完成測驗 (前往點餐) ➔")
 
 def go_to_page_2():