Update main.py

main.py

@@ -86,11 +86,11 @@ def handle_message(event):
             # 取得使用者輸入的文字
             prompt = event.message.text
             # 使用 Gemini 模型生成文字
-            completion = model.generate_content(prompt, generation_config=generation_config)
+            completion = client.predict(question=prompt, api_name="/predict")
             # 檢查生成結果是否為空
-            if (completion.parts[0].text != None):
+            if (completion != None):
                 # 取得生成結果
-                out = completion.parts[0].text
+                out = completion
             else:
                 # 回覆 "Gemini沒答案!請換個說法！"
                 out = "Gemini沒答案!請換個說法！"
@@ -118,7 +118,6 @@ if __name__ == "__main__":
 # @line_handler.add(MessageEvent, message=TextMessage) 處理文字訊息事件
 # if __name__ == "__main__": 啟動 FastAPI 應用程式
 # 程式碼功能說明：
-# 程式碼首先會導入必要的套件，並設定 Google AI API 金鑰、文字生成參數、Gemini 模型以及 Line Bot API。
 # 接著會建立 FastAPI 應用程式，並設定 CORS。
 # 程式碼會定義兩個函數：
 # root() 處理根路徑請求，返回一個簡單的 JSON 訊息。
@@ -129,11 +128,10 @@ if __name__ == "__main__":
 # 最後，程式碼會啟動 FastAPI 應用程式，開始監聽 HTTP 請求。
 # 程式碼運行方式：
 # 將程式碼存為 main.py 文件。
-# 在環境變數中設定 GOOGLE_API_KEY、CHANNEL_ACCESS_TOKEN 和 CHANNEL_SECRET。
+# 在環境變數中設定 GeminiRAGapi, CHANNEL_ACCESS_TOKEN 和 CHANNEL_SECRET。
 # 執行 uvicorn main:app --host 0.0.0.0 --port 7860 --reload 命令啟動 FastAPI 應用程式。
 # 使用 Line 帳戶與 Line Bot 進行對話。
 # 注意：
 # 程式碼中使用os.environ["GeminiRAGapi"], os.environ["CHANNEL_ACCESS_TOKEN"] 和 os.environ["CHANNEL_SECRET"] 來存取環境變數，需要先在環境變數中設定這些值。
 # 程式碼中使用 uvicorn 執行 FastAPI 應用程式，需要先安裝 uvicorn 套件。
-# 程式碼中使用 google.generativeai 套件，需要先安裝 google-generativeai 套件。
 # 程式碼中使用 linebot 套件，需要先安裝 linebot 套件。