Update app.py

app.py

@@ -57,7 +57,7 @@ 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
 
-# ========== 新增：处理 A/B/C 三部分问题的标记 ==========
+# ========== 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
 
@@ -67,14 +67,11 @@ token_default = 2000
 temp_default = 0.7
 top_p_default = 0.95
 
+
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-#  新的动态函数： 根据用户选择的 A/B/C，调用 OpenAI 生成相应的分析
+#  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, ps, dd):
-    """
-    动态地向OpenAI发起请求，让AI针对“专业/选课方向 & 求职入门(A)”、“本校资源利用(B)”、“实习 & networking(C)”
-    三个模块，基于用户背景信息做个性化分析。
-    """
     desired_parts = []
     if "a" in selected:
         desired_parts.append("A")
@@ -95,17 +92,11 @@ def answer_abc_questions(selected, bg_info, wv, ps, dd):
 - 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。
 （A: 专业/选课方向 & 求职入门建议部分的回答请根据学生的学术背景信息分析学生已经有的能力，然后根据其选择的职业方向分析该学生未来的选课应该注重什么课程方向，提示学生课程名称和关键词）
-（‘B: 本校资源利用建议‘部分的回答请你从3个方面回答学生，包括1.如何利用学生所在学校的career service的指导；2.如何关注学校与职业准备和证书考试相关的club、组织和平台；3.学生如何与学校的及其所在专业的校友取得联系和networking技巧）
+（‘B: 本校资源利用建议‘部分的回答请你从3个方面回答学生，包括1.如何利用学校的career service；2.如何关注学校与职业准备和证书考试相关的club、组织和平台；3.学生如何与学校的及其所在专业的校友取得联系和networking技巧）
 （‘C: 实习 & Experience积累’部分的回答请你从申请internship的平台、达成目前职业目标需要的internship方向，申请需要的资料和准备技巧、通过networking获得实习或者学生工作经历的策略）
 
-模块说明：
-A: 专业和选课方向 & 求职入门建议
-B: 本校资源利用建议(如Career Center、校友资源)
-C: 实习 & Experience积累(networking)
-
 请只回答用户所选模块，不要回答未选的模块。
 """
     try:
@@ -113,9 +104,8 @@ C: 实习 & Experience积累(networking)
         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，能够根据用户选择的A/B/C模块做深度分析。"},
+            {"role": "system", "content": "你是一位专业职业顾问，会针对A/B/C进行分析。"},
             {"role": "user", "content": prompt_text}
         ]
         resp = client.chat.completions.create(
@@ -131,7 +121,7 @@ C: 实习 & Experience积累(networking)
         return f"生成A/B/C专项信息时出错: {str(e)}"
 
 
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 提供具体职业后，再深入介绍 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 职业详细介绍 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 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。
@@ -172,7 +162,7 @@ def do_selected_career_detail(selected_career, bg_info, wv, ps, dd):
         return f"生成职业详细信息时出错: {str(e)}"
 
 
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 路线图生成函数 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 时间轴式规划 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 def do_time_roadmap():
     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")
@@ -219,7 +209,7 @@ def do_time_roadmap():
         return f"生成路线图时出错: {str(e)}"
 
 
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 给定大方向后，再给3个具体职业 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 推荐具体职业 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 def recommend_3jobs_for_direction(direction, bg_info, wv, ps, dd):
     prompt = f"""
 你是一位专业的职业规划顾问。
@@ -259,64 +249,18 @@ def recommend_3jobs_for_direction(direction, bg_info, wv, ps, dd):
         )
         output_text = resp.choices[0].message.content
 
-        # 这里可以固定或基于返回文本做解析，我这边演示先手动���值。
+        # 演示：固定写死3个职业
         user_profile["recommended_jobs"] = [
             f"{direction} - 职业A",
             f"{direction} - 职业B",
             f"{direction} - 职业C"
         ]
         return output_text
-
     except Exception as e:
         return f"推荐具体职业时出错: {str(e)}"
 
 
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 深度分析函数（可做备用） ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-def do_deep_analysis():
-    direction = user_profile["forward_direction_choice"] or "尚未选择"
-    bg_info = user_profile["bg_info"] or "未知背景"
-    wv = user_profile["work_value"] or "无"
-    ps = user_profile["personality_summary"] or "不详"
-    dd = user_profile["dream_day"] or "不详"
-
-    deep_prompt = f"""
-学生的最终方向: {direction}
-学生背景: {bg_info}
-价值观: {wv}
-性格: {ps}
-理想工作: {dd}
-请你再深入分析，为学生推荐3个更具体的职业，并说明：
-1. 这些职业对学生背景的契合度
-2. 日常工作内容
-3. 需要哪些课程或考试
-4. 本校资源如何利用
-5. 实习 & 经验积累建议
-6. 简历优化思路
-用中文分段写作，字数500+。
-"""
-    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，会深度分析并列出3个具体职业。"},
-            {"role":"user","content":deep_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"深度分析出错: {str(e)}"
-
-
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 推荐大方向函数 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 推荐大方向 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 def recommend_3directions():
     bg_info = user_profile["bg_info"] or "未知"
     wv = user_profile["work_value"] or "无"
@@ -324,7 +268,7 @@ def recommend_3directions():
     dd = user_profile["dream_day"] or "无"
 
     rec_prompt = f"""
-请根据以下信息，写一份条理清晰的人物画像+3个大方向，并结尾让学生选1~3，就是回答1or2or3或'换',然后里面的语句要称呼对面为你，不能是他或者她：
+请根据以下信息，写一份条理清晰的人物画像+3个大方向，并结尾让学生选1~3(或'换')，其中称呼对面用"你"不要用"他/她"：
 - 学术背景: {bg_info}
 - 工作意义: {wv}
 - 性格: {ps}
@@ -355,18 +299,15 @@ def recommend_3directions():
             top_p=top_p_default,
             stream=False
         )
-
         output_text = resp.choices[0].message.content
 
-        # 这里演示写死3个大方向，真实场景可再解析大模型返回
+        # 演示：固定写死3个方向
         user_profile["recommended_directions"] = [
             "方向1",
             "方向2",
             "方向3"
         ]
-
         return output_text
-
     except Exception as e:
         return f"多方向推荐出错: {str(e)}"
 
@@ -411,9 +352,9 @@ def generate_system_prompt():
 """
 
 
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 主逻辑函数 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 主对话逻辑函数 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 def predict(message, history):
-    # ========== 必须在函数最开头声明全局变量 ==========
+    # ========= 在函数开头，提前声明所有 global =========
     global current_q_index, questions
     global in_forward_flow, in_backward_flow
     global forward_index, backward_index
@@ -473,9 +414,7 @@ def predict(message, history):
     # ======================== 分模式处理 =========================
     mode = user_profile.get("mode") or ""
 
-    # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-    #       Backward模式处理
-    # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+    # ~~~~~~~~~ Backward模式 ~~~~~~~~~
     if mode == "是":
         if in_backward_flow and not backward_done:
             if backward_index > 0 and backward_index <= len(backward_additional_questions):
@@ -512,12 +451,10 @@ def predict(message, history):
             except Exception as e:
                 return f"发生错误: {str(e)}"
 
-    # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-    #       Forward模式处理
-    # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+    # ~~~~~~~~~ Forward模式 ~~~~~~~~~
     else:
-        # 如果还没选大方向/没问完前置问题
         if in_forward_flow and not forward_done and not direction_chosen and not jobs_recommended and not job_chosen and not roadmap_done:
+            # 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()
@@ -527,12 +464,13 @@ def predict(message, history):
                 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()
 
+            # 等待用户选 1/2/3 or 换
             else:
-                # 学生选择大方向 or 换
                 choice = message.strip().lower()
                 if choice in ["1","2","3"]:
                     idx = int(choice) - 1
@@ -559,7 +497,7 @@ def predict(message, history):
                 else:
                     return "请回复1/2/3选择方向，或输入'换'来重新推荐"
 
-        # 已选定大方向 -> 推荐了3个具体职业
+        # 选定大方向 -> 推荐了3个具体职业
         elif direction_chosen and not jobs_recommended and not job_chosen:
             choice = message.strip().lower()
             if choice in ["1","2","3"]:
@@ -569,7 +507,6 @@ def predict(message, history):
                     user_profile["final_choice"] = final_job
                     job_chosen = True
 
-                    # 生成更详细介绍
                     detail_msg = do_selected_career_detail(
                         selected_career=final_job,
                         bg_info=user_profile["bg_info"] or "",
@@ -579,17 +516,15 @@ def predict(message, history):
                     )
                     forward_deep_dive_done = True
 
-                    # 关键：现在我们“询问 A/B/C”
-                    global post_career_detail_asked
+                    # **询问 A/B/C 专项**
                     post_career_detail_asked = True
 
-                    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：" \
+                    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”。"
-
                 else:
                     return "无效的选项，请重新输入1/2/3或'换'"
             elif choice == "换":
@@ -609,7 +544,7 @@ 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 ==============
+        # 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"]:
@@ -644,7 +579,7 @@ def predict(message, history):
                 forward_done = True
                 return "好的，不生成时间轴，本次规划结束。"
 
-        # 全流程结束后，再给一个额外结果
+        # 如果 forward_done，就给个收尾
         if forward_done:
             try:
                 api_key = os.environ.get("API_TOKEN")
@@ -668,6 +603,7 @@ def predict(message, history):
             except Exception as e:
                 return f"发生错误: {str(e)}"
 
+    # 兜底
     return "信息收集完毕，如还未得到最终回复，请再输入任意文字继续。"
 
 
@@ -724,7 +660,6 @@ footer {
     display: none !important;
 }
 """) as demo:
-    # 可以在这里加一个带Row的顶部区域
     with gr.Row():
         gr.HTML("""
         <div style='display: flex; align-items: center; justify-content: center; gap: 20px; margin-bottom: 10px;'>