Update app.py

app.py

@@ -4,13 +4,12 @@ import os
 
 # ============================ 用户信息结构 ============================
 user_profile = {
-    "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
+    "mode": None,
+    "specific_career": None,
+    "bg_info": None,
+    "work_value": None,
+    "personality_summary": None,
+    "dream_day": None,
     "forward_direction_choice": None
 }
 
@@ -52,8 +51,6 @@ 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 ============================
@@ -95,7 +92,6 @@ def generate_system_prompt():
 - 性格总结: {personality_summary}
 - 理想一天: {dream_day}
 - 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3个具体职业，并说明日常工作内容、适配性、要求、准备路径
@@ -111,7 +107,6 @@ def predict(message, history):
     global forward_done, backward_done
     global forward_recommendation_given
 
-    # ========== 如果是对话第一轮，重置所有状态 ==========
     if not history:
         current_q_index = 0
         questions = base_questions[:]
@@ -126,62 +121,56 @@ def predict(message, history):
         backward_done = False
         forward_recommendation_given = False
 
-    # ========== 如果还在问 base_questions （目前就1个问题） ==========
+    # 如果还在问 base_questions
     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
         if key == "mode" and "是" in user_profile["mode"]:
-            # 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
 
-    # 如果还没问完 base_questions，就继续问
     if current_q_index < len(questions):
         nxt = questions[current_q_index][1]
         current_q_index += 1
         return nxt
 
-    # ========== 判断模式 ==========
     mode = user_profile.get("mode") or ""
 
-    # ========== Backward 模式逻辑 ==========
+    # ========== Backward ==========
     if "是" in mode:
         if in_backward_flow and not backward_done:
-            # 如果 backward_index 还没问完
             if backward_index < len(backward_additional_questions):
                 k, prompt_text = backward_additional_questions[backward_index]
                 backward_index += 1
                 return prompt_text
             else:
-                # Backward 问题问完
                 backward_done = True
 
-    # ========== Forward 模式逻辑 ==========
+    # ========== Forward ==========
     else:
         if in_forward_flow and not forward_done:
-            # 1) 如果还有 Forward 问题没有问完
+            # 如果还没问完 Forward问题
             if forward_index < len(forward_additional_questions):
                 k, prompt_text = forward_additional_questions[forward_index]
                 forward_index += 1
                 return prompt_text
 
-            # 2) 如果已经问完 4 个 Forward问题，但还没自动推荐过方向
+            # 如果已问完4个问题，但没推荐过方向
             elif not forward_recommendation_given:
                 forward_recommendation_given = True
+
+                # ================== 调试打印 user_profile ==================
+                print("===== Debug user_profile =====")
+                print(user_profile)
+
                 try:
                     api_key = os.environ.get("API_TOKEN")
                     if not api_key:
                         return "错误：API_TOKEN 未设置，请在环境变量中添加。"
-
                     client = OpenAI(api_key=api_key)
 
-                    # 根据用户信息，让AI自动生成简短画像+3个大方向
                     recommendation_prompt = f"""
 请根据以下信息，为这位学生撰写一份结构化、条理清晰的“人物画像分析”：
 - 学术背景: {user_profile['bg_info']} 
@@ -192,25 +181,28 @@ def predict(message, history):
 请分为两个主要部分：
 
 一、人物画像分析：
-1) 学术背景与可能的专业优势：如学校资源、专业特点、已有项目/技能等。
-2) 职业价值观与工作偏好：基于“帮助他人/���质回报/自由时间/挑战”等关键词，说明此人的动力及对工作环境的期待。
-3) 性格特点：结合其自我描述，总结其性格特质及可能的优劣势。
-4) 理想工作状态：描述其对日常工作节奏、团队协作、创造性或挑战性的需求。
-
-二、基于上述画像，推荐3个「大方向」：
-- 每个方向请用简短段落说明：
-  (A) 典型岗位或行业示例 
-  (B) 主要特点（如社会价值、薪酬潜力、工作自由度、发展难度）
-  (C) 建议的行动（如需要的课程/证书/实习类型/社交网络）
-
-在最后列出 3 个方向并提示学生：“请从中选择一个方向进行下一步深入探讨”，格式如下：
+1) 学校/专业背景与可能的优势
+2) 职业价值观与工作偏好
+3) 性格特点
+4) 理想工作状态
+
+二、推荐3个“大方向”：
+(A) 典型岗位或行业示例
+(B) 主要特点
+(C) 建议行动
+
+在最后列出3个方向让学生从中选一个深入：
 1. XXX方向
 2. XXX方向
 3. XXX方向
 
-如果有信息不足，请根据通用的求职与专业发展逻辑合理推测要点，以充实建议。字数尽量在500字左右，使用中文分段写作。
+如果信息不足，请基于通用逻辑合理推断。请使用中文分段写作，字数不少于500字。
 """
 
+                    # ================== 调试打印 recommendation_prompt ==================
+                    print("===== Debug recommendation_prompt =====")
+                    print(recommendation_prompt)
+
                     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}
@@ -228,14 +220,13 @@ def predict(message, history):
                 except Exception as e:
                     return f"生成推荐方向时出错: {str(e)}"
 
-            # 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:
+                # 等待用户输入方向choice
                 user_profile["forward_direction_choice"] = message.strip()
                 forward_done = True
 
-    # ========== 当 forward_done 或 backward_done 后，进入最终生成阶段 ==========
+    # ========== 最终生成阶段 ==========
     if ("是" in mode and backward_done) or ("否" in mode and forward_done):
-        # 此时调用OpenAI做最终规划建议
         try:
             api_key = os.environ.get("API_TOKEN")
             if not api_key:
@@ -246,7 +237,7 @@ def predict(message, history):
 
             msgs = [
                 {"role": "system", "content": system_prompt},
-                {"role": "user", "content": f"请根据我提供的信息，给出职业规划建议: {user_profile}. {message}"}
+                {"role": "user", "content": f"请根据我提供的信息，给我职业规划建议: {user_profile}. {message}"}
             ]
             resp = client.chat.completions.create(
                 model=model_default,
@@ -263,6 +254,7 @@ def predict(message, history):
 
     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(css="""
 body {
@@ -328,26 +320,16 @@ footer {
 
     gr.Markdown("""
     **📝 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(
-        height=500,
-        show_label=False,
-        show_copy_button=True,
-        type="messages"
-    )
+    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
-            )
+            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")
 
@@ -366,27 +348,11 @@ footer {
         history.append({"role": "assistant", "content": bot_message})
         return history
 
-    # 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]
-    )
-
-    # 回车提交
-    msg.submit(
-        fn=add_message,
-        inputs=[msg, chatbot],
-        outputs=[msg, chatbot]
-    ).then(
-        fn=bot_response,
-        inputs=[chatbot],
-        outputs=[chatbot]
-    )
+    submit_btn.click(fn=add_message, inputs=[msg, chatbot], outputs=[msg, chatbot]) \
+              .then(fn=bot_response, inputs=[chatbot], outputs=[chatbot])
+
+    msg.submit(fn=add_message, inputs=[msg, chatbot], outputs=[msg, chatbot]) \
+       .then(fn=bot_response, inputs=[chatbot], outputs=[chatbot])
 
     def reset_conversation():
         global current_q_index, questions
@@ -407,15 +373,9 @@ footer {
         forward_done = False
         backward_done = False
         forward_recommendation_given = False
-
         return []
 
-    reset_btn.click(
-        fn=reset_conversation,
-        inputs=None,
-        outputs=chatbot,
-        queue=False
-    )
+    reset_btn.click(fn=reset_conversation, inputs=None, outputs=chatbot, queue=False)
 
     def auto_first_question():
         return [{"role": "assistant", "content": questions[0][1]}]