Hugging Face's logo

Spaces:
THzva
/
deeppersona-experience
Sleeping

App Files Community
deeppersona-experience
File size: 4,250 Bytes 
de4ba6a
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
 
# 重构说明 - 匹配参考版本的参数传递逻辑

## 问题根源

之前的实现与参考版本（`experience_temp/generation_user_profile`）的逻辑不同：

### ❌ 旧版本的问题流程
```
web_api_bridge.py
  ↓ 保存 user_profile.json 到文件
  ↓ 调用 generate_single_profile()
  ↓ generate_single_profile() 读取文件
  ↓ 调用 select_attributes.generate_user_profile() 重新生成
  ↓ 用户输入被覆盖！
```

### ✅ 新版本的正确流程（匹配参考版本）
```
web_api_bridge.py
  ↓ 在内存中构建 profile 字典
  ↓ 直接传递 profile 给 get_selected_attributes(profile)
  ↓ 调用 generate_final_summary(profile)
  ↓ 用户输入被正确使用！
```

## 关键修改

### 1. `web_api_bridge.py` - 完全重构

**旧逻辑**:
```python
# 保存到文件
base_profile = {...}
with open('user_profile.json', 'w') as f:
    json.dump(base_profile, f)

# 调用复杂的 generate_single_profile
profile = generate_single_profile(attribute_count=200)
```

**新逻辑**（匹配参考版本）:
```python
# 直接在内存中构建 profile
profile = {
    "basic_info": {
        "age": age,
        "gender": gender,
        "occupation": {"status": occupation},
        "location": location_info
    },
    "values_orientation": values_orientation,
    "life_attitude": life_attitude,
    "personal_story": personal_story,
    "interests_and_hobbies": interests_and_hobbies
}

# 直接传递给后续函数
selected_paths = get_selected_attributes(profile, attribute_count)
summary = generate_final_summary(profile)
```

### 2. 数据结构对齐

**参考版本的 profile 结构**:
```json
{
  "basic_info": {
    "age": 25,
    "gender": "Male",
    "occupation": {"status": "Engineer"},
    "location": {"city": "Tokyo", "country": "Japan"}
  },
  "values_orientation": "...",
  "life_attitude": {...},
  "personal_story": {...},
  "interests_and_hobbies": {...}
}
```

**现在的实现完全匹配这个结构**。

### 3. 清晰的输出指示器

```python
# 用户提供的输入
print(f"✓ Using provided age: {age}")

# 自动生成的内容
print("✗ Age not provided, generating...")
```

## 参考版本的关键特征

1. **不依赖文件系统**: 所有数据在内存中传递
2. **简单的函数调用链**: `build profile → select attributes → generate summary`
3. **直接参数传递**: `get_selected_attributes(profile)` 而不是从文件读取
4. **用户输入优先**: 有输入就用，没有才生成

## 测试验证

### 测试场景 1: 部分输入
```
输入: age=25, gender=Male, occupation=Engineer
输出应显示:
✓ Using provided age: 25
✓ Using provided gender: Male
✓ Using provided occupation: Engineer
✗ Location not provided, generating...
✗ Personal values not provided, generating based on inputs...
```

### 测试场景 2: 完整输入
```
输入: 所有字段都填写
输出应显示:
✓ Using provided age: 30
✓ Using provided gender: Female
✓ Using provided occupation: Teacher
✓ Using provided location: Paris, France
✓ Using provided personal values: ...
✓ Using provided life attitude: ...
✓ Using provided life story: ...
✓ Using provided interests: ...
```

## 与参考版本的对比

| 特性 | 参考版本 | 旧实现 | 新实现 |
|------|---------|--------|--------|
| 参数传递方式 | 内存 | 文件 | ✅ 内存 |
| profile 结构 | basic_info + values | age + Occupations | ✅ basic_info + values |
| 函数调用 | 直接调用 | 通过文件中转 | ✅ 直接调用 |
| 用户输入处理 | 直接使用 | 被覆盖 | ✅ 直接使用 |
| 代码复杂度 | 简单 | 复杂 | ✅ 简单 |

## 移除的依赖

- ❌ 不再需要 `generate_single_profile()`
- ❌ 不再需要 `convert_web_profile_to_selector_format()`
- ❌ 不再需要保存/读取 `user_profile.json`
- ✅ 直接使用 `get_selected_attributes(profile, attribute_count)`
- ✅ 直接使用 `generate_final_summary(profile)`

## 结论

通过匹配参考版本的实现方式，我们：
1. ✅ 简化了代码逻辑
2. ✅ 消除了文件系统依赖
3. ✅ 确保用户输入被正确使用
4. ✅ 提高了代码可维护性

现在的实现与 GitHub 上正常工作的参考版本完全一致！