Upload mcnemar_llm_assistant.py

mcnemar_llm_assistant.py

@@ -3,7 +3,7 @@ import json
 
 class McNemarLLMAssistant:
     """
-    McNemar 檢定 LLM 問答助手 (GPT-5 版本)
+    McNemar 檢定 LLM 問答助手
     協助用戶理解 McNemar 檢定分析結果
     """
     
@@ -106,63 +106,27 @@ Format responses with proper markdown for better readability.
             "content": user_message
         })
         
-        # 構建完整的輸入（GPT-5 使用單一 input 字段）
-        full_input = ""
+        # 構建訊息列表
+        messages = [
+            {"role": "system", "content": self.system_prompt}
+        ]
         
-        # 加入上下文
         if context:
-            full_input += f"Current Analysis Context:\n{context}\n\n"
+            messages.append({"role": "system", "content": f"Current Analysis Context:\n{context}"})
         
         # 加入對話歷史
-        for msg in self.conversation_history[:-1]:  # 排除最新訊息
-            role = "User" if msg["role"] == "user" else "Assistant"
-            full_input += f"{role}: {msg['content']}\n\n"
-        
-        # 加入當前用戶訊息
-        full_input += f"User: {user_message}"
+        messages.extend(self.conversation_history)
         
         try:
-            # 構建完整的輸入（包含 system prompt）
-            final_input = f"{self.system_prompt}\n\n{full_input}"
-            
-            # 調用 GPT-5 Responses API
-            response = self.client.responses.create(
-                model="gpt-5-mini",
-                input=final_input,
-                reasoning={
-                    "effort": "minimal"  # gpt-5-mini 最快速模式
-                },
-                text={
-                    "verbosity": "medium"  # 中等詳細度
-                },
-                max_output_tokens=4000  # GPT-5 使用 max_output_tokens
+            # 調用 OpenAI API
+            response = self.client.chat.completions.create(
+                model="gpt-4o-mini",
+                messages=messages,
+                temperature=0.7,
+                max_tokens=1500
             )
             
-            # 調試：打印回應結構（臨時）
-            print("=" * 50)
-            print("DEBUG: Response type:", type(response))
-            print("DEBUG: Response attributes:", dir(response))
-            if hasattr(response, 'output'):
-                print("DEBUG: Output type:", type(response.output))
-                print("DEBUG: Output:", response.output)
-            print("=" * 50)
-            
-            # GPT-5 Responses API 的回應結構
-            # output 可能是列表或物件，需要正確提取
-            if hasattr(response, 'output'):
-                output = response.output
-                if isinstance(output, list):
-                    # 如果是列表，取第一個元素的 content
-                    assistant_message = output[0].content if output else ""
-                elif hasattr(output, 'content'):
-                    # 如果是物件，直接取 content
-                    assistant_message = output.content
-                else:
-                    # 如果都不是，嘗試轉為字串
-                    assistant_message = str(output)
-            else:
-                # 備用：嘗試其他可能的結構
-                assistant_message = str(response)
+            assistant_message = response.choices[0].message.content
             
             # 添加助手回應到歷史
             self.conversation_history.append({
@@ -249,11 +213,11 @@ Winner Low          {results['contingency_table'].get(0, {}).get(1, 0):<15} {res
         """解釋特定指標"""
         
         metric_explanations = {
-            'mcnemar_statistic': 'McNemar Statistic | McNemar 統計量',
-            'p_value': 'p-value | p 值',
-            'odds_ratio': 'Odds Ratio | 勝算比',
-            'confidence_interval': '95% Confidence Interval | 95% 信賴區間',
-            'discordant_pairs': 'Discordant Pairs | 不一致配對'
+            'mcnemar_statistic': 'McNemar 統計量',
+            'p_value': 'p 值',
+            'odds_ratio': '勝算比',
+            'confidence_interval': '95% 信賴區間',
+            'discordant_pairs': '不一致配對'
         }
         
         metric_display = metric_explanations.get(metric_name, metric_name)