Update app.py

app.py

@@ -3,55 +3,99 @@ from openai import OpenAI
 import os
 import time
 
-# 存储用户回答的全局字典
+# ========== 全局变量与基础问题 ==========
 user_profile = {
-    "mode": None,
-    "age": None,
-    "degree": None,
-    "interests": None,
-    "mbti": None,
-    "specific_career": None  # 用于Backward模式时存储具体职业方向
+    "mode": None,              # 是否有明确职业目标：是/否
+    "age": None,               # 年龄范围
+    "degree": None,            # 学历
+    "interests": None,         # 兴趣爱好
+    "mbti": None,              # MBTI类型
+    "specific_career": None,   # Backward模式下的目标职业
+
+    # 以下是为增强多轮交互新增的字段：
+    "bg_info": None,           # 学术背景(学校、年级、专业、主修课程、Resume)
+    "test_choice": None,       # 是否做职业测评或小游戏（Forward模式中示例）
+    "forward_career_choice": None,  # Forward模式下，用户从多个推荐方向中最终选择的方向
 }
 
-# 问题列表
+# 原始基础问题（5个）
 base_questions = [
-    ("mode", "你是否有心仪的职业方向？\n- 如果有，请回复'是'（Backward模式：我们将帮你设计实现该目标的路径）\n- 如果没有，请回复'否'（Forward模式：我们将根据你的背景推荐合适的职业）"),
+    ("mode", "你是否有心仪的职业方向？\n- 如果有，请回复'是'（Backward模式）\n- 如果没有，请回复'否'（Forward模式）"),
     ("age", "你的年龄范围是？（例如：'18岁以下'，'18-21岁'，'21-25岁'，'25-29岁'，'30岁以上'）"),
     ("degree", "你目前的学历是什么？（例如：'本科在读'，'本科毕业'，'硕士在读'，'博士'）"),
     ("interests", "请列出几个你的兴趣爱好，用逗号分隔。（例如：编程，心理学，设计）"),
     ("mbti", "你的MBTI人格类型是什么？（例如：INFP，INTJ，ENFP等）如果不知道，可以回复'不知道'")
 ]
 
-# 全局变量存储当前问题索引和问题列表
+# Forward模式下的补充问题：示例
+forward_additional_questions = [
+    (
+        "bg_info",
+        "请提供你的具体学术背景：你的学校、年级、专业、主修课程。如果能简单介绍一下你目前的选课或实习经历就更好啦。"
+    ),
+    (
+        "test_choice",
+        "我可以帮你做一个简单的职业性格测评，或玩一个小心理游戏，让你更清晰地认识自己。你想试试看吗？(请输入'是'或'否')"
+    ),
+    (
+        "forward_career_choice",
+        "基于你的背景和性格，我会给出几个职业大方向，请在这里输入你最感兴趣的1~2个方向，以便深入讨论。"
+    ),
+]
+
+# Backward模式下的补充问题：示例
+backward_additional_questions = [
+    # 注意：original code中会在第1个问题之后自动插入("specific_career", "请具体描述你的职业方向")
+    (
+        "bg_info",
+        "请提供你的学校、年级、专业以及已有的实习或项目经历，以便更好地帮你规划如何达成目标。"
+    )
+]
+
+# 记录当前问题索引
 current_q_index = 0
-questions = base_questions.copy()
+questions = base_questions[:]    # 基础问题列表的拷贝
 
-# 默认值
+# 标记流程状态
+in_forward_flow = False
+in_backward_flow = False
+forward_index = 0
+backward_index = 0
+forward_done = False
+backward_done = False
+
+# ========== 默认模型参数，可自行修改 ==========
 system_prompt_default = "你是一位专业的职业规划顾问，帮助学生规划他们的职业路径。"
 model_default = "gpt-4o"
 temp_default = 0.7
 top_p_default = 0.95
 token_default = 2000
 
-# 函数：生成系统提示
+# ========== 生成系统提示 ==========
 def generate_system_prompt():
+    """
+    根据 Forward / Backward 模式以及收集的用户信息，动态生成 system prompt
+    """
     mode = user_profile["mode"]
-    age = user_profile["age"] 
+    age = user_profile["age"]
     degree = user_profile["degree"]
     interests = user_profile["interests"]
     mbti = user_profile["mbti"]
-    specific_career = user_profile.get("specific_career")
-    
-    if mode and "是" in mode:  # Backward 模式
+    specific_career = user_profile["specific_career"]
+    bg_info = user_profile["bg_info"]
+    test_choice = user_profile["test_choice"]
+    forward_career_choice = user_profile["forward_career_choice"]
+
+    if mode and "是" in mode:  # Backward模式
         prompt = f"""
 你是一位专业的职业规划顾问，使用"Backward Design"方法帮助学生规划他们的职业路径。
-
 学生个人资料:
 - 年龄: {age}
 - 学历: {degree}
 - 兴趣爱好: {interests}
 - MBTI类型: {mbti}
 - 目标职业: {specific_career}
+- 学术背景: {bg_info}
 
 请分析学生提出的职业方向：
 1. 提供该职业的简要分析
@@ -59,7 +103,7 @@ def generate_system_prompt():
 3. 分析该职业所需的技能和能力
 4. 描述职业发展和上升空间
 
-然后，基于学生的学术背景��请提供以下方面的具体建议：
+然后，基于学生的背景，请提供以下方面的具体建议：
 1. 专业选择建议（是否需要转专业、双学位等）
 2. 推荐的选课方向及理由
 3. 需要学习的关键技能
@@ -69,279 +113,3 @@ def generate_system_prompt():
 7. 简历优化建议
 
 最后，请用Markdown格式提供清晰的职业路线图，格式如下：
-```
-📍 现在: [当前状态]
-🎓 [时间点]: [建议行动，如选修特定课程]
-💼 [时间点]: [建议行动，如申请实习]
-📄 [时间点]: [建议行动，如获取认证]
-🚀 [时间点]: [建议行动，如目标职位申请]
-```
-"""
-    else:  # Forward 模式
-        prompt = f"""
-你是一位专业的职业规划顾问，使用"Forward Design"方法帮助学生探索适合的职业路径。
-
-学生个人资料:
-- 年龄: {age}
-- 学历: {degree}
-- 兴趣爱好: {interests}
-- MBTI类型: {mbti}
-
-请根据学生的背景和个人资料进行分析：
-1. 总结学生的优势和劣势
-2. 分析学生的性格特点和职业适配性
-3. 基于学生的学历背景、兴趣爱好和性格特点，推荐6个可能适合的职业大方向
-
-请以对话形式呈现，让学生从这6个方向中选择1-2个他们最感兴趣的方向。
-
-当学生选择了特定方向后，请进一步推荐3个具体职业，并针对每个职业提供：
-1. 职业描述和日常工作内容
-2. 该职业对学生的适合度分析
-3. 入行门槛和要求
-4. 详细的准备步骤，包括：
-   - 推荐的选课方向
-   - 必要的技能培训
-   - 资格认证或考试
-   - 如何利用学校资源
-   - 实习和经验积累建议
-   - 简历优化方向
-
-最后，为学生选择的职业方向提供一个清晰的Markdown格式职业路线图：
-```
-📍 现在: [当前状态]
-🎓 [时间点]: [建议行动，如选修特定课程]
-💼 [时间点]: [建议行动，如申请实习]
-📄 [时间点]: [建议行动，如获取认证]
-🚀 [时间点]: [建议行动，如目标职位申请]
-```
-"""
-    return prompt
-
-# 预测函数
-def predict(message, history):
-    global current_q_index, questions
-    
-    # 如果是第一次交互，重置问题索引和用户资料
-    if not history:
-        current_q_index = 0
-        for key in user_profile:
-            user_profile[key] = None
-        questions = base_questions.copy()
-    
-    # 处理当前问题的回答
-    if current_q_index > 0 and current_q_index <= len(questions):
-        key = questions[current_q_index - 1][0]
-        user_profile[key] = message.strip()
-        
-        # 如果模式是Backward(是)且刚刚回答了模式问题，添加额外的具体职业方向问题
-        if key == "mode" and "是" in user_profile["mode"]:
-            questions.insert(1, ("specific_career", "请具体描述你想要从事的职业方向。"))
-    
-    # 如果还有问题要问
-    if current_q_index < len(questions):
-        question = questions[current_q_index][1]
-        current_q_index += 1
-        return question
-    
-    # 所有问题都回答完了，生成个性化回复
-    try:
-        # 初始化OpenAI客户端
-        api_key = os.environ.get("API_TOKEN")
-        if not api_key:
-            return "错误：API密钥未设置，请在Space设置中添加名为API_TOKEN的Secret。"
-            
-        client = OpenAI(api_key=api_key)
-        
-        # 生成系统提示
-        system_prompt = generate_system_prompt()
-        
-        # 构建消息
-        messages = [
-            {"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}"}
-        ]
-        
-        # 调用API
-        response = client.chat.completions.create(
-            model=model_default,
-            messages=messages,
-            max_tokens=token_default,
-            temperature=temp_default,
-            top_p=top_p_default,
-            stream=False
-        )
-        
-        return response.choices[0].message.content
-    except Exception as e:
-        return f"发生错误: {str(e)}"
-
-# 创建自定义界面
-with gr.Blocks(css="""
-    body {
-        background-color: #1e1e1e;
-        color: #ffffff;
-    }
-
-    .gradio-container {
-        font-family: 'Segoe UI', sans-serif;
-    }
-
-    .message.user {
-        background-color: #cce6ff !important;   /* Much lighter blue */
-        color: #000000 !important;
-        border-radius: 10px !important;
-        padding: 10px;
-        margin: 6px;
-    }
-
-    .message.bot {
-        background-color: #5599ff !important;   /* Lighter blue */
-        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;'>
-        <!-- 左侧动图 -->
-         <img src='https://media3.giphy.com/media/v1.Y2lkPTc5MGI3NjExMmFucGwxbmNsd3J5NXV0Y282NXNtMzNsZW5jMm4wNWh6c2dqbXIwdiZlcD12MV9pbnRlcm5hbF9naWZfYnlfaWQmY3Q9Zw/l41m18LjqpzxUr2WA/giphy.gif' width='200' style='border-radius: 12px; box-shadow: 0 0 10px #ec4899;'>
-
-        <!-- 右侧标题 -->
-       <div style='text-align: left;'>
-        <h1 style='color:white; font-size: 36px; margin-bottom: 6px;'>🎓 AI职业规划助手</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>
-        """)
-        
-    # 添加说明文本
-    gr.Markdown("""
-    **📝 个性化职业规划助手**
-    
-    我将通过5个简单问题了解你的背景，然后为你提供量身定制的职业规划建议。
-    
-    **两种模式：**
-    - **Forward模式**：如果你还不确定职业方向，我会根据你的背景推荐合适的职业
-    - **Backward模式**：如果你已有明确职业目标，我会帮你规划实现该目标的路径
-    
-    请回答下面的问题，开始你的职业规划之旅！
-    """)
-    
-    # 创建聊天界面 - 修复类型和属性
-    chatbot = gr.Chatbot(
-        height=500,
-        show_label=False,
-        show_copy_button=True,
-        type="messages"  # 指定类型为messages
-    )
-    
-    # 输入框和按钮
-    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")
-    
-    # 重置按钮
-    with gr.Row():
-        reset_btn = gr.Button("🔄 重新开始")
-    
-    # 修复事件处理
-    def add_message(message, history):
-        history = history or []
-        history.append({"role": "user", "content": message})
-        return "", history
-    
-    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
-    
-    # 提交按钮点击事件
-    submit_btn.click(
-        fn=add_message,
-        inputs=[msg, chatbot],
-        outputs=[msg, chatbot]
-    ).then(
-        fn=bot_response,
-        inputs=[chatbot],
-        outputs=[chatbot]
-    )
-    
-    # 文本框提交事件
-    msg.submit(
-        fn=add_message,
-        inputs=[msg, chatbot],
-        outputs=[msg, chatbot]
-    ).then(
-        fn=bot_response,
-        inputs=[chatbot],
-        outputs=[chatbot]
-    )
-    
-    # 重置功能
-    def reset_conversation():
-        global current_q_index, questions
-        current_q_index = 0
-        questions = base_questions.copy()
-        for key in user_profile:
-            user_profile[key] = None
-        return []
-    
-    reset_btn.click(
-        fn=reset_conversation,
-        inputs=None,
-        outputs=chatbot,
-        queue=False
-    )
-    
-    # 当页面加载时自动触发第一个问题
-    def auto_first_question():
-        return [{"role": "assistant", "content": questions[0][1]}]
-
-    demo.load(auto_first_question, inputs=None, outputs=chatbot)
-
-demo.launch()