Update app.py

app.py

@@ -4,12 +4,13 @@ import os
 
 # ============================ 用户信息结构 ============================
 user_profile = {
-    "mode": None,
-    "specific_career": None,
-    "bg_info": None,
-    "work_value": None,
-    "personality_summary": None,
-    "dream_day": None,
+    "mode": None,                # 是 / 否 （Backward / Forward）
+    "specific_career": None,     # Backward 目标职业
+    "bg_info": None,             # 学术背景
+    "work_value": None,          # 工作意义
+    "personality_summary": None, # 性格总结
+    "dream_day": None,           # 理想工作一天
+    # 新增：记录用户在Forward时选的方向
     "forward_direction_choice": None
 }
 
@@ -20,29 +21,20 @@ base_questions = [
 
 # ============================ Forward 模式问题 ============================
 forward_additional_questions = [
-    (
-        "bg_info",
-        """那么接下来我会需要你提供一些你的资料，并分享一些你的性格和喜好，我会分析然后给你推荐定制的可行方向。
-接下来，请你首先提供你的学术背景：你的学校、年级、专业，和主修课程是什么？如果能提供你的选课表或 resume 就最好啦。"""
-    ),
-    (
-        "work_value",
-        """很好！接下来我想更深入地了解你。
+    ("bg_info", """那么接下来我会需要你提供一些你的资料，并分享一些你的性格和喜好，我会分析然后给你推荐定制的可行方向。
+接下来，请你首先提供你的学术背景：你的学校、年级、专业，和主修课程是什么？如果能提供你的选课表或 resume 就最好啦。"""),
+
+    ("work_value", """很好！接下来我想更深入地了解你。
 你认为“工作”的意义是什么？你觉得一份理想的工作，应该带来哪些价值或满足感？
 你可以从以下几个角度思考，也可以自由表达：
 - 是可以帮助他人？实现社会影响力？
 - 还是可以赚大钱？获得物质回报？
 - 或者是自由时间？个人成长？创意空间？
-举个例子更好哦～"""
-    ),
-    (
-        "personality_summary",
-        "你能不能用几句话总结一下你自己的性格？比如：外向、喜欢挑战、注重细节、讨厌重复..."
-    ),
-    (
-        "dream_day",
-        "你能描述一下你理想工作的一天是什么样的吗？你在哪工作？做什么？跟谁合作？忙还是闲？更自由还是更有秩序？"
-    )
+举个例子更好哦～"""),
+
+    ("personality_summary", "你能不能用几句话总结一下你自己的性格？比如：外向、喜欢挑战、注重细节、讨厌重复..."),
+
+    ("dream_day", "你能描述一下你理想工作的一天是什么样的吗？你在哪工作？做什么？跟谁合作？忙还是闲？更自由还是更有秩序？")
 ]
 
 # ============================ Backward 模式问题 ============================
@@ -60,10 +52,12 @@ forward_index = 0
 backward_index = 0
 forward_done = False
 backward_done = False
+
+# 新增：用于判断是否在 Forward 模式下，已经给过“自动推荐方向”
 forward_recommendation_given = False
 
 # ============================ 模型设置 ============================
-model_default = "gpt-4o"    # 你可以改成 "gpt-3.5-turbo" 或 "gpt-4"
+model_default = "gpt-4o"
 token_default = 2000
 temp_default = 0.7
 top_p_default = 0.95
@@ -76,39 +70,37 @@ def generate_system_prompt():
     work_value = user_profile["work_value"]
     personality_summary = user_profile["personality_summary"]
     dream_day = user_profile["dream_day"]
-    forward_direction_choice = user_profile["forward_direction_choice"]
+    forward_choice = user_profile.get("forward_direction_choice")
 
     if "是" in (mode or ""):
         return f"""
 你是一位专业的职业规划顾问，使用Backward Design方法帮助学生达成他们的职业目标。
 目标职业: {specific_career}
 背景信息: {bg_info}
-
 请提供：
 1. 该职业的简要分析
 2. 排名前列的组织或公司
 3. 所需技能和能力
 4. 职业发展路径
 5. 学术/课程建议、技能培养、资源使用、实习规划、简历优化等
-
 最后请用Markdown格式输出职业路径图：
 📍 现在 → 🎓 学习建议 → 💼 实践建议 → 📄 认证建议 → 🚀 求职建议
 """
     else:
         return f"""
 你是一位专业的职业规划顾问，使用Forward Design方法帮助学生探索合适的职业路径。
-
 学生背景:
 - 学术背景: {bg_info}
 - 工作意义: {work_value}
 - 性格总结: {personality_summary}
 - 理想一天: {dream_day}
-- 选择方向: {forward_direction_choice}
+- 学生选择方向: {forward_choice}
 
 请输出：
 1. 学生的优势、性格、价值观分析
-2. 推荐具体职业（3个），说明日常内容、适配性、要求、准备路径
-3. 输出职业路径图：📍 现在 → 🎓 → 💼 → 📄 → 🚀
+2. 推荐3个具体职业，并说明日常工作内容、适配性、要求、准备路径
+3. 最后输出职业路径图：
+📍 现在 → ��� 学习建议 → 💼 实践建议 → 📄 认证建议 → 🚀 求职建议
 """
 
 # ============================ 主逻辑函数 ============================
@@ -116,14 +108,16 @@ def predict(message, history):
     global current_q_index, questions
     global in_forward_flow, in_backward_flow
     global forward_index, backward_index
-    global forward_done, backward_done, forward_recommendation_given
+    global forward_done, backward_done
+    global forward_recommendation_given
 
-    # 如果是对话第一次
+    # ========== 如果是对话第一轮，重置所有状态 ==========
     if not history:
         current_q_index = 0
         questions = base_questions[:]
         for key in user_profile:
             user_profile[key] = None
+
         in_forward_flow = False
         in_backward_flow = False
         forward_index = 0
@@ -132,178 +126,287 @@ def predict(message, history):
         backward_done = False
         forward_recommendation_given = False
 
-    # 如果正在问 base_questions
-    if current_q_index > 0 and current_q_index <= len(questions):
-        # 存储上一轮回答
+    # ========== 如果还在问 base_questions （目前就1个问题） ==========
+    if 0 < current_q_index <= len(questions):
+        # 把刚才的回答存入 user_profile
         key = questions[current_q_index - 1][0]
         user_profile[key] = message.strip()
 
-        # 根据回答决定 forward / backward
+        # 根据回答决定 Forward / Backward
         if key == "mode" and "是" in user_profile["mode"]:
-            # 如果是Backward模式，插入具体职业问题
+            # 如果用户回答“是”，进入Backward
             questions.insert(1, ("specific_career", "请具体描述你想要从事的职业方向。"))
             in_backward_flow = True
         elif key == "mode" and "否" in user_profile["mode"]:
+            # 如果用户回答“否”，进入Forward
             in_forward_flow = True
 
-    # 如果还有基础问题没问完，就问
+    # 如果还没问完 base_questions，就继续问
     if current_q_index < len(questions):
-        q_text = questions[current_q_index][1]
+        nxt = questions[current_q_index][1]
         current_q_index += 1
-        return q_text
+        return nxt
+
+    # ========== 判断模式 ==========
+    mode = user_profile.get("mode") or ""
 
-    mode = user_profile["mode"] or ""
-    # ============ Backward 流程 ============
+    # ========== Backward 模式逻辑 ==========
     if "是" in mode:
         if in_backward_flow and not backward_done:
-            # 如果还没把 Backward 问题问完
+            # 如果 backward_index 还没问完
             if backward_index < len(backward_additional_questions):
-                key, q_text = backward_additional_questions[backward_index]
+                k, prompt_text = backward_additional_questions[backward_index]
                 backward_index += 1
-                return q_text
+                return prompt_text
             else:
-                # Backward 问完
+                # Backward 问题问完
                 backward_done = True
 
-    # ============ Forward 流程 ============
+    # ========== Forward 模式逻辑 ==========
     else:
         if in_forward_flow and not forward_done:
-            # 如果还在问 Forward 的问题
+            # 1) 如果还有 Forward 问题没有问完
             if forward_index < len(forward_additional_questions):
-                key, q_text = forward_additional_questions[forward_index]
+                k, prompt_text = forward_additional_questions[forward_index]
                 forward_index += 1
-                return q_text
+                return prompt_text
 
-            # 已问完 Forward 4 个问题，但还没推荐方向
+            # 2) 如果已经问完 4 个 Forward问题，但还没自动推荐过方向
             elif not forward_recommendation_given:
                 forward_recommendation_given = True
                 try:
                     api_key = os.environ.get("API_TOKEN")
                     if not api_key:
-                        return "错误：API_TOKEN 未设置"
+                        return "错误：API_TOKEN 未设置，请在环境变量中添加。"
+
                     client = OpenAI(api_key=api_key)
 
-                    # 构造一个 Prompt，让 AI 综合学生信息并推荐 3 个「大方向」
+                    # 根据用户信息，让AI自动生成简短画像+3个大方向
                     recommendation_prompt = f"""
-请你先根据以下信息，生成一段不超过4句话的“学生画像”总结：
-- 学术背景: {user_profile['bg_info']}
-- 工作意义: {user_profile['work_value']}
-- 性格总结: {user_profile['personality_summary']}
-- 理想一天: {user_profile['dream_day']}
-
-然后再推荐3个主要职业方向（大的领域方向，例如：咨询、设计、工程、教育等），并用简短理由说明为什么适合。
+请你根据以下信息，先用不超过4句话概括学生的特点(学术背景、工作意义、性格、理想一天)；
+然后推荐3个大的职业方向(如：工程、教育、咨询、设计等)并给出简短理由；
 最后用如下格式结尾：
 1. xxx
 2. xxx
 3. xxx
 
 请学生从中选择一个方向进行下一步。
+
+学术背景: {user_profile['bg_info']}
+工作意义: {user_profile['work_value']}
+性格总结: {user_profile['personality_summary']}
+理想一天: {user_profile['dream_day']}
 """
 
-                    messages = [
-                        {"role": "system", "content": "你是一位职业规划顾问，善于总结和推荐方向。"},
+                    msgs = [
+                        {"role": "system", "content": "你是一位专业的职业生涯顾问，善于总结用户信息并给出大方向建议。"},
                         {"role": "user", "content": recommendation_prompt}
                     ]
-                    response = client.chat.completions.create(
+                    resp = client.chat.completions.create(
                         model=model_default,
-                        messages=messages,
+                        messages=msgs,
                         max_tokens=token_default,
                         temperature=temp_default,
                         top_p=top_p_default,
                         stream=False
                     )
-                    return response.choices[0].message.content
+                    return resp.choices[0].message.content
 
                 except Exception as e:
                     return f"生成推荐方向时出错: {str(e)}"
 
-            # 如果已经推荐过方向，这次用户就输入了 1/2/3
+            # 3) 如果已经自动推荐过方向，那么等待用户输入方向选择
             else:
                 user_profile["forward_direction_choice"] = message.strip()
                 forward_done = True
 
-    # ============ 如果模式问题结束 (Backward_done / Forward_done) ============
+    # ========== 当 forward_done 或 backward_done 后，进入最终生成阶段 ==========
     if ("是" in mode and backward_done) or ("否" in mode and forward_done):
-        # 进入最终职业规划生成
+        # 此时调用OpenAI做最终规划建议
         try:
             api_key = os.environ.get("API_TOKEN")
             if not api_key:
-                return "错误：API密钥未设置，请在环境变量中添加名为API_TOKEN的Secret。"
-            client = OpenAI(api_key=api_key)
+                return "错误：API密钥未设置，请在环境变量中添加。"
 
+            client = OpenAI(api_key=api_key)
             system_prompt = generate_system_prompt()
-            messages = [
+
+            msgs = [
                 {"role": "system", "content": system_prompt},
-                {"role": "user", "content": f"根据我提供的信息，请给我职业规划建议。我的回答是：{user_profile}. {message}"}
+                {"role": "user", "content": f"请根据我提供的信息，给出职业规划建议: {user_profile}. {message}"}
             ]
-            response = client.chat.completions.create(
+            resp = client.chat.completions.create(
                 model=model_default,
-                messages=messages,
+                messages=msgs,
                 max_tokens=token_default,
                 temperature=temp_default,
                 top_p=top_p_default,
                 stream=False
             )
-            return response.choices[0].message.content
+            return resp.choices[0].message.content
 
         except Exception as e:
             return f"发生错误: {str(e)}"
 
-    # 如果还没结束，就让用户输入下一条
     return "信息收集完毕，若尚未得到最终回复，请输入任意文字以继续。"
 
 # ============================ Gradio UI ============================
-with gr.Blocks() as demo:
+with gr.Blocks(css="""
+body {
+    background-color: #1e1e1e;
+    color: #ffffff;
+}
+.gradio-container {
+    font-family: 'Segoe UI', sans-serif;
+}
+.message.user {
+    background-color: #cce6ff !important;
+    color: #000000 !important;
+    border-radius: 10px !important;
+    padding: 10px;
+    margin: 6px;
+}
+.message.bot {
+    background-color: #5599ff !important;
+    color: #000000 !important;
+    border-radius: 10px !important;
+    padding: 10px;
+    margin: 6px;
+}
+.gradio-container .chat-msg.bot-msg .message.bot p {
+    color: #000000 !important;
+}
+.gr-button {
+    border-radius: 8px;
+}
+#custom-send {
+    background-color: #ec4899 !important;
+    color: white !important;
+    border-radius: 999px !important;
+    padding: 10px 24px !important;
+    font-weight: bold;
+    box-shadow: 0 0 10px #ec4899;
+    transition: all 0.3s ease-in-out;
+}
+#custom-send:hover {
+    background-color: #d63384 !important;
+    box-shadow: 0 0 12px #ec4899;
+}
+textarea, input {
+    background-color: #ffe4f1 !important;
+    color: #5e2c49 !important;
+    border: 1px solid #ec4899 !important;
+}
+footer {
+    display: none !important;
+}
+""") as demo:
+
+    with gr.Row():
+        gr.HTML("""
+        <div style='display: flex; align-items: center; justify-content: center; gap: 20px; margin-bottom: 10px;'>
+          <img src='https://media3.giphy.com/media/v1.Y2lkPTc5MGI3NjExMmFucGwxbmNsd3J5NXV0Y282NXNtMzNsZW5jMm4wNWh6c2dqbXIwdiZlcD12MV9pbnRlcm5hbF9naWZfYnlfaWQmY3Q9Zw/l41m18LjqpzxUr2WA/giphy.gif' width='200' style='border-radius: 12px; box-shadow: 0 0 10px #ec4899;'>
+          <div style='text-align: left;'>
+            <h1 style='color:white; font-size: 36px; margin-bottom: 6px;'>🎓 AI职业规划助手（升级版）</h1>
+            <p style='font-size: 18px; font-weight:bold; color:#ec4899; margin-top: 0;margin-left: 150px'>让梦想照进现实 💖</p>
+          </div>
+        </div>
+        """)
+
     gr.Markdown("""
-    # 🎓 AI 职业规划助手
-    欢迎！我是你的职业发展向导～请回答几个问题，我将为你定制专属的职业探索建议！
+    **📝 Forward / Backward 多轮交互：新增“自动职业方向推荐”功能**  
+
+    - 若已确定方向：回答“是”（Backward）
+    - 若还在探索：回答“否”（Forward）
+    - Forward模式会在你回答完四大问题后，自动给出一个简短“学生画像”+3个大方向供你选择
     """)
 
-    chatbot = gr.Chatbot()
-    msg = gr.Textbox(placeholder="请输入你的回答...", label=None)
-    send = gr.Button("发送 🚀")
-    reset = gr.Button("🔄 重新开始")
+    chatbot = gr.Chatbot(
+        height=500,
+        show_label=False,
+        show_copy_button=True,
+        type="messages"
+    )
+
+    with gr.Row():
+        with gr.Column(scale=8):
+            msg = gr.Textbox(
+                placeholder="请在这里输入你的回答...",
+                show_label=False,
+                container=False
+            )
+        with gr.Column(scale=1):
+            submit_btn = gr.Button("🚀 发送", elem_id="custom-send")
+
+    with gr.Row():
+        reset_btn = gr.Button("🔄 重新开始")
 
-    def add_user_message(message, history):
+    def add_message(message, history):
         history = history or []
         history.append({"role": "user", "content": message})
         return "", history
 
-    def add_bot_response(history):
-        message = history[-1]["content"]
-        reply = predict(message, history[:-1])
-        history.append({"role": "assistant", "content": reply})
+    def bot_response(history):
+        history = history or []
+        user_message = history[-1]["content"]
+        bot_message = predict(user_message, history[:-1] if len(history) > 1 else [])
+        history.append({"role": "assistant", "content": bot_message})
         return history
 
-    send.click(add_user_message, [msg, chatbot], [msg, chatbot]).then(
-        add_bot_response, chatbot, chatbot
+    # 点击发送按钮
+    submit_btn.click(
+        fn=add_message,
+        inputs=[msg, chatbot],
+        outputs=[msg, chatbot]
+    ).then(
+        fn=bot_response,
+        inputs=[chatbot],
+        outputs=[chatbot]
     )
-    msg.submit(add_user_message, [msg, chatbot], [msg, chatbot]).then(
-        add_bot_response, chatbot, chatbot
+
+    # 回车提交
+    msg.submit(
+        fn=add_message,
+        inputs=[msg, chatbot],
+        outputs=[msg, chatbot]
+    ).then(
+        fn=bot_response,
+        inputs=[chatbot],
+        outputs=[chatbot]
     )
 
-    def reset_state():
+    def reset_conversation():
         global current_q_index, questions
         global in_forward_flow, in_backward_flow
         global forward_index, backward_index
-        global forward_done, backward_done, forward_recommendation_given
+        global forward_done, backward_done
+        global forward_recommendation_given
 
         current_q_index = 0
         questions = base_questions[:]
         for key in user_profile:
             user_profile[key] = None
-        in_forward_flow = in_backward_flow = False
-        forward_index = backward_index = 0
-        forward_done = backward_done = False
+
+        in_forward_flow = False
+        in_backward_flow = False
+        forward_index = 0
+        backward_index = 0
+        forward_done = False
+        backward_done = False
         forward_recommendation_given = False
+
         return []
 
-    reset.click(reset_state, outputs=chatbot)
+    reset_btn.click(
+        fn=reset_conversation,
+        inputs=None,
+        outputs=chatbot,
+        queue=False
+    )
 
-    def auto_intro():
-        # 启动时自动显示第一个问题
-        return [{"role": "assistant", "content": base_questions[0][1]}]
+    def auto_first_question():
+        return [{"role": "assistant", "content": questions[0][1]}]
 
-    demo.load(auto_intro, outputs=chatbot)
+    demo.load(auto_first_question, inputs=None, outputs=chatbot)
+    demo.launch()
 
-demo.launch()