Update app.py

app.py

@@ -41,30 +41,25 @@ backward_additional_questions = [
 # ============================ 状态控制变量 ============================
 current_q_index = 0
 questions = base_questions[:]
-
-# Forward模式状态
 in_forward_flow = False
+in_backward_flow = False
 forward_index = 0
+backward_index = 0
 forward_done = False
+backward_done = False
 forward_recommendation_given = False
-direction_chosen = False    # 是否已经选定大方向
-jobs_recommended = False    # 是否已给出3个具体职业
-job_chosen = False          # 是否选定了具体职业
 recommendation_round = 0
 forward_deep_dive_done = False
+roadmap_offered = False
+roadmap_done = False
 
-# Backward模式状态
-in_backward_flow = False
-backward_index = 0
-backward_done = False
-backward_analysis_given = False  # 是否已经提供职业分析
-backward_job_chosen = False      # Backward模式是否已选定职业
+direction_chosen = False    # 是否已经选定大方向
+jobs_recommended = False    # 是否已给出3个具体职业
+job_chosen = False          # 是否选定了具体职业
 
-# 共用状态
+# ========== 用于 A/B/C 专项问题的标记 ==========
 post_career_detail_asked = False  # 是否已询问用户要看A/B/C
 post_career_detail_done = False   # 是否已回答完A/B/C
-roadmap_offered = False
-roadmap_done = False
 
 # ============================ 模型设置 ============================
 model_default = "gpt-4o"
@@ -76,7 +71,7 @@ top_p_default = 0.95
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 #  动态函数：根据用户选择的 A/B/C，让 OpenAI 生成相应分析
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-def answer_abc_questions(selected, bg_info, wv=None, ps=None, dd=None):
+def answer_abc_questions(selected, bg_info, wv, ps, dd):
     desired_parts = []
     if "a" in selected.lower():
         desired_parts.append("A")
@@ -88,18 +83,13 @@ def answer_abc_questions(selected, bg_info, wv=None, ps=None, dd=None):
     if not desired_parts:
         return "好的，你暂时不需要查看A/B/C的专项信息。"
 
-    # 处理可能为None的参数
-    work_value = wv if wv is not None else "未提供"
-    personality = ps if ps is not None else "未提供"
-    dream_day = dd if dd is not None else "未提供"
-
     prompt_text = f"""
 你是一位专业的职业规划顾问。以下是学生背景信息，请根据他选择的模块(A/B/C)给出详细分析和建议。
 学生背景：
 - 学术背景: {bg_info}
-- 工作意义: {work_value}
-- 性格: {personality}
-- 理想工作: {dream_day}
+- 工作意义: {wv}
+- 性格: {ps}
+- 理想工作: {dd}
 
 学生目前想要的额外信息模块：{', '.join(desired_parts)}
 请分别按顺序为每个模块写一段分析和建议，可以使用Markdown分段形式。
@@ -132,19 +122,14 @@ def answer_abc_questions(selected, bg_info, wv=None, ps=None, dd=None):
 
 
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 职业详细介绍 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-def do_selected_career_detail(selected_career, bg_info, wv=None, ps=None, dd=None):
-    # 对于Backward模式，某些参数可能为None
-    wv_text = f"工作意义: {wv}" if wv else ""
-    ps_text = f"性格: {ps}" if ps else ""
-    dd_text = f"理想工作: {dd}" if dd else ""
-
+def do_selected_career_detail(selected_career, bg_info, wv, ps, dd):
     prompt = f"""
 你是一位专业的职业规划顾问。
 学生最终选择的具体职业: {selected_career}
 学生背景: {bg_info}
-{wv_text}
-{ps_text}
-{dd_text}
+工作意义: {wv}
+性格: {ps}
+理想工作: {dd}
 请写一份更详细的职业说明，至少包含：
 1. 行业平均薪资（初级/中级/高级）
 2. 工作环境（远程/混合/办公室，团队规模等）
@@ -179,18 +164,12 @@ def do_selected_career_detail(selected_career, bg_info, wv=None, ps=None, dd=Non
 
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 时间轴式规划 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 def do_time_roadmap():
-    # 根据模式选择正确的职业信息
-    if in_backward_flow:
-        direction = user_profile.get("specific_career", "未指定职业")
-    else:  # Forward模式
-        direction = user_profile.get("final_choice") or user_profile.get("selected_direction", "未指定方向")
-    
+    direction = user_profile.get("final_choice") or user_profile.get("selected_direction") or \
+                user_profile.get("forward_direction_choice") or user_profile.get("specific_career")
     bg_info = user_profile["bg_info"] or "未知专业"
-    
-    # 这些字段在Backward模式下可能不存在
-    wv = user_profile.get("work_value", "暂无")
-    ps = user_profile.get("personality_summary", "暂无")
-    dd = user_profile.get("dream_day", "暂无")
+    wv = user_profile["work_value"] or "暂无"
+    ps = user_profile["personality_summary"] or "暂无"
+    dd = user_profile["dream_day"] or "暂无"
 
     prompt_roadmap = f"""
 学生信息：
@@ -230,52 +209,6 @@ def do_time_roadmap():
         return f"生成路线图时出错: {str(e)}"
 
 
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Backward模���专用：生成职业分析 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-def generate_backward_career_analysis():
-    career = user_profile.get("specific_career") or "未指定职业"
-    bg_info = user_profile.get("bg_info") or "未知背景"
-
-    prompt = f"""
-你是一位专业的职业规划顾问，使用Backward Design方法帮助学生达成职业目标。
-目标职业: {career}
-学生背景: {bg_info}
-
-请提供一份详细的职业分析报告，包括以下内容：
-1. 该职业的基本介绍和行业现状
-2. 该领域排名前列的组织或公司
-3. 从业所需的核心技能和能力
-4. 典型的职业发展路径
-5. 针对学生背景的具体建议：
-   - 学术课程建议
-   - 技能培养重点
-   - 实习和实践经验积累方向
-   - 专业证书和资格认证
-
-请使用Markdown格式，保持专业性和具体性。
-"""
-    try:
-        api_key = os.environ.get("API_TOKEN")
-        if not api_key:
-            return "错误：API_TOKEN 未设置"
-        client = OpenAI(api_key=api_key)
-
-        msgs = [
-            {"role": "system", "content": "你是一位专业职业顾问，擅长分析特定职业的要求和发展路径。"},
-            {"role": "user", "content": prompt}
-        ]
-        resp = client.chat.completions.create(
-            model=model_default,
-            messages=msgs,
-            max_tokens=token_default,
-            temperature=temp_default,
-            top_p=top_p_default,
-            stream=False
-        )
-        return resp.choices[0].message.content
-    except Exception as e:
-        return f"生成职业分析时出错: {str(e)}"
-
-
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 推荐具体职业 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 def recommend_3jobs_for_direction(direction, bg_info, wv, ps, dd):
     prompt = f"""
@@ -413,10 +346,10 @@ def generate_system_prompt():
     mode = user_profile["mode"]
     sc = user_profile["specific_career"]
     bg = user_profile["bg_info"]
-    wv = user_profile.get("work_value")
-    ps = user_profile.get("personality_summary")
-    dd = user_profile.get("dream_day")
-    fwd = user_profile.get("forward_direction_choice")
+    wv = user_profile["work_value"]
+    ps = user_profile["personality_summary"]
+    dd = user_profile["dream_day"]
+    fwd = user_profile["forward_direction_choice"]
 
     if mode == "是":
         return f"""
@@ -458,7 +391,6 @@ def predict(message, history):
     global forward_recommendation_given
     global recommendation_round
     global forward_deep_dive_done
-    global backward_analysis_given, backward_job_chosen
     global roadmap_offered, roadmap_done
     global direction_chosen, jobs_recommended, job_chosen
     global post_career_detail_asked, post_career_detail_done
@@ -470,84 +402,112 @@ def predict(message, history):
         for k in user_profile:
             user_profile[k] = None
 
-        # 重置Forward模式状态
         in_forward_flow = False
+        in_backward_flow = False
         forward_index = 0
+        backward_index = 0
         forward_done = False
+        backward_done = False
         forward_recommendation_given = False
-        direction_chosen = False
-        jobs_recommended = False
-        job_chosen = False
         recommendation_round = 0
         forward_deep_dive_done = False
-
-        # 重置Backward模式状态
-        in_backward_flow = False
-        backward_index = 0
-        backward_done = False
-        backward_analysis_given = False
-        backward_job_chosen = False
-
-        # 重置共用状态
         roadmap_offered = False
         roadmap_done = False
+
+        direction_chosen = False
+        jobs_recommended = False
+        job_chosen = False
         post_career_detail_asked = False
         post_career_detail_done = False
 
-    # ======================== 先处理第一个基础问题(选择模式) =========================
-    if current_q_index == 1:  # 正在等待用户回答第一个问题
-        ans = message.strip()
-        user_profile["mode"] = ans
-        
-        # 严格判断用户输入
-        if "是" in ans:
-            in_backward_flow = True
-            in_forward_flow = False
-            # 设置下一个问题为Backward模式的第一个问题
-            questions = backward_additional_questions[:]
-            current_q_index = 0
-        else:  # "否"或其他输入
-            in_forward_flow = True
-            in_backward_flow = False
-            # 设置下一个问题为Forward模式的第一个问题
-            questions = forward_additional_questions[:]
-            current_q_index = 0
-    
-    # 如果还在基本问题中，就继续提问
+    # ======================== 先处理基础问题 =========================
+    if 0 < current_q_index <= len(questions):
+        key = questions[current_q_index - 1][0]
+        # 第一个问题决定是 / 否
+        if key == "mode" and current_q_index == 1:
+            ans = message.strip()
+            user_profile["mode"] = ans
+            if "是" in ans:
+                in_backward_flow = True
+            else:
+                in_forward_flow = True
+        else:
+            user_profile[key] = message.strip()
+
     if current_q_index < len(questions):
         nxt = questions[current_q_index][1]
         current_q_index += 1
         return nxt
-    
-    # 收集上一个问题的答案
-    if current_q_index > 0 and current_q_index <= len(questions):
-        key = questions[current_q_index - 1][0]
-        user_profile[key] = message.strip()
 
     # ======================== 分模式处理 =========================
+    mode = user_profile.get("mode") or ""
+
     # ~~~~~~~~~ Backward模式 ~~~~~~~~~
-    if in_backward_flow:
-        # 已收集完Backward模式的所有基本问题，但尚未提供职业分析
-        if not backward_analysis_given:
-            # 设置职业选择状态
-            user_profile["final_choice"] = user_profile.get("specific_career")
-            backward_job_chosen = True
-            
-            # 生成职业分析报告
-            career_analysis = generate_backward_career_analysis()
-            backward_analysis_given = True
-            
-            # 询问是否需要A/B/C专项信息
-            post_career_detail_asked = True
-            
-            return career_analysis + "\n\n我还可以针对以下三方面提供更深入的分析建议：" \
-                "\n- A：专业/选课 & 求职方向" \
-                "\n- B：本校资源利用建议" \
-                "\n- C：实习 & networking 积累" \
-                "\n如果你想查看其中一个或多个，请输入 A / B / C / AB / BC / AC / ABC" \
-                "\n如果都不需要，请回复'不需要'。"
+    if mode == "是":
+        if in_backward_flow and not backward_done:
+            if backward_index > 0 and backward_index <= len(backward_additional_questions):
+                prev_key = backward_additional_questions[backward_index - 1][0]
+                user_profile[prev_key] = message.strip()
+
+            if backward_index < len(backward_additional_questions):
+                k, prompt_text = backward_additional_questions[backward_index]
+                backward_index += 1
+                return prompt_text
+            else:
+                # 修改这里，不要直接设置backward_done为True
+                # 而是需要生成职业详情并询问是否需要A/B/C专项信息
+                try:
+                    api_key = os.environ.get("API_TOKEN")
+                    if not api_key:
+                        return "错误：API_TOKEN 未设置"
+                    client = OpenAI(api_key=api_key)
+                    
+                    # 先生成职业详情
+                    career_detail_prompt = f"""
+你是一位专业的职业规划顾问。
+学生目标职业: {user_profile.get('specific_career') or '未知'}
+学生背景: {user_profile.get('bg_info') or '未知'}
+请写一份详细的职业说明，至少包含：
+1. 行业平均薪资（初级/中级/高级）
+2. 工作环境（远程/混合/办公室，团队规模等）
+3. 晋升难度（需要什么资历或条件）
+4. 关键技能和考证
+5. 日常工作节奏
+6. 行业前景
+用分段Markdown格式，字数不少于300字。
+"""
+                    msgs = [
+                        {"role": "system", "content": "你是一位专业职业顾问，会为用户的目标职业提供详细分析。"},
+                        {"role": "user", "content": career_detail_prompt}
+                    ]
+                    resp = client.chat.completions.create(
+                        model=model_default,
+                        messages=msgs,
+                        max_tokens=token_default,
+                        temperature=temp_default,
+                        top_p=top_p_default,
+                        stream=False
+                    )
+                    detail_msg = resp.choices[0].message.content
+                    
+                    # 设置状态，与Forward模式保持一致
+                    user_profile["final_choice"] = user_profile.get("specific_career")
+                    job_chosen = True
+                    forward_deep_dive_done = True
+                    post_career_detail_asked = True
+                    
+                    # 返回职业详情并询问A/B/C
+                    return detail_msg + "\n\n我还可以针对以下三方面提供更深入的分析建议：" \
+                        "\n- A：专业/选课 & 求职方向" \
+                        "\n- B：本校资源利用建议" \
+                        "\n- C：实习 & networking 积累" \
+                        "\n如果你想查看其中一个或多个，请输入 A / B / C / AB / BC / AC / ABC" \
+                        "\n如果都不需要，请回复'不需要'。"
+                    
+                except Exception as e:
+                    return f"生成职业详情时出错: {str(e)}"
         
-        # 处理 A/B/C 答疑
+        # 处理 A/B/C 答疑 (复用Forward模式的逻辑)
         elif post_career_detail_asked and not post_career_detail_done:
             user_choice = message.strip().lower()
             if user_choice in ["不需要", "no", "n"]:
@@ -566,8 +526,12 @@ def predict(message, history):
                 roadmap_offered = True
                 return abc_text + "\n\n以上是你所选的A/B/C专项信息。需要一个时间轴式职业路线图吗？如需，则回复【要】，否则回复【不要】。"
         
-        # 处理是否需要时间轴路线图
-        elif backward_job_chosen and roadmap_offered and not roadmap_done:
+        # 处理是否需要时间轴路线图 (复用Forward模式的逻辑)
+        elif job_chosen and not roadmap_offered and not roadmap_done:
+            roadmap_offered = True
+            return "需要一个时间轴式职业路线图吗？如需，则回复【要】，否则回复【不要】。"
+        
+        elif roadmap_offered and not roadmap_done:
             ans = message.strip().lower()
             if ans in ["要", "yes", "y"]:
                 roadmap_done = True
@@ -578,7 +542,7 @@ def predict(message, history):
                 backward_done = True
                 return "好的，不生成时间轴，本次规划结束。"
         
-        # 最终收尾
+        # 最终收尾 (仅在所有流程都完成时才会触发)
         if backward_done:
             try:
                 api_key = os.environ.get("API_TOKEN")
@@ -603,11 +567,21 @@ def predict(message, history):
                 return f"发生错误: {str(e)}"
 
     # ~~~~~~~~~ Forward模式 ~~~~~~~~~
-    elif in_forward_flow:
+    else:
         # 前期处理：收集信息和推荐大方向
-        if not direction_chosen:
-            # 收集完4个基础问题后，推荐3方向
-            if not forward_recommendation_given:
+        if in_forward_flow and not direction_chosen:
+            # 收集 4个基础问题
+            if forward_index > 0 and forward_index <= len(forward_additional_questions):
+                prev_key = forward_additional_questions[forward_index - 1][0]
+                user_profile[prev_key] = message.strip()
+
+            if forward_index < len(forward_additional_questions):
+                k, prompt_text = forward_additional_questions[forward_index]
+                forward_index += 1
+                return prompt_text
+
+            # 问完 4个问题 -> 推荐3方向
+            elif not forward_recommendation_given:
                 forward_recommendation_given = True
                 return recommend_3directions()
 
@@ -687,7 +661,7 @@ def predict(message, history):
             else:
                 return "请回复1/2/3选择具体职业，或输入'换'来重新推荐"
 
-        # 处理 A/B/C 答疑 (与Backward模式共用这部分逻辑)
+        # 处理 A/B/C 答疑
         elif post_career_detail_asked and not post_career_detail_done:
             user_choice = message.strip().lower()
             if user_choice in ["不需要", "no", "n"]:
@@ -883,4 +857,4 @@ footer {
         return [{"role":"assistant","content": questions[0][1]}]
 
     demo.load(auto_first, outputs=chatbot)
-    demo.launch()
+    demo.launch()