Latest

core/pipeline.py

@@ -124,11 +124,15 @@ class ChatPipeline:
             collect_texts(translated_data)
 
             if not texts_to_translate:
+                logger.info(f"🌐 無需翻譯的文字，直接返回原始資料")
                 return tool_data
 
             # 批量翻譯（讓 GPT 自動判斷目標語言）
             import services.ai_service as ai_service
 
+            logger.info(f"🌐 收集到 {len(texts_to_translate)} 個需要翻譯的文字")
+            logger.debug(f"🌐 待翻譯文字: {texts_to_translate[:3]}...")  # 只顯示前3個
+
             combined_text = "\n---\n".join(texts_to_translate)
             messages = [
                 {
@@ -138,12 +142,14 @@ class ChatPipeline:
                 {"role": "user", "content": combined_text}
             ]
 
+            logger.info(f"🌐 呼叫 GPT 翻譯，模型: gpt-4o-mini")
             translated = await ai_service.generate_response_async(
                 messages=messages,
-                model="gpt-5-nano",
-                reasoning_effort="minimal",
+                model="gpt-4o-mini",  # 升級到 gpt-4o-mini 以提升翻譯品質
+                reasoning_effort=None,  # gpt-4o-mini 不支援此參數
                 max_tokens=800,
             )
+            logger.info(f"🌐 GPT 翻譯完成，結果長度: {len(translated) if translated else 0}")
 
             if translated:
                 translated_parts = translated.strip().split("---")
@@ -219,7 +225,11 @@ class ChatPipeline:
 
         # 提取情緒（雙軌制：音頻情緒優先，文字情緒輔助）
         text_emotion = intent_data.get("emotion", "neutral") if intent_data else "neutral"
-        
+
+        # DEBUG: 顯示 audio_emotion 的完整內容
+        logger.info(f"🐛 [DEBUG] audio_emotion = {audio_emotion}")
+        logger.info(f"🐛 [DEBUG] text_emotion = {text_emotion}")
+
         # 情緒融合邏輯
         if audio_emotion and audio_emotion.get("success"):
             audio_emotion_label = audio_emotion.get("emotion", "neutral")
@@ -319,8 +329,16 @@ class ChatPipeline:
                         return PipelineResult(text="抱歉，功能處理沒有產出結果。", is_fallback=True, reason="feature-empty")
 
                     # 簡化翻譯：非中文用戶 → 翻譯工具卡片
-                    if not self._is_chinese_message(user_message) and tool_data:
+                    is_chinese = self._is_chinese_message(user_message)
+                    logger.info(f"🌐 語言檢測: user_message='{user_message}', is_chinese={is_chinese}")
+                    if not is_chinese and tool_data:
+                        logger.info(f"🌐 開始翻譯工具卡片: {len(str(tool_data))} chars")
                         tool_data = await self._translate_tool_data(tool_data, user_message)
+                        logger.info(f"🌐 翻譯完成: {len(str(tool_data))} chars")
+                    elif is_chinese:
+                        logger.info(f"🌐 用戶使用中文，不翻譯工具卡片")
+                    elif not tool_data:
+                        logger.info(f"🌐 無工具資料，跳過翻譯")
 
                     # 返回帶有工具元數據的結果（包含情緒）
                     meta_dict = {}

features/mcp/agent_bridge.py

@@ -1150,7 +1150,8 @@ YouBike 查詢（重要！參數提取規則）：
                 "【核心原則】\n"
                 "⭐ 只回答使用者問的問題，不要把所有數據都說出來\n"
                 "⭐ 分析使用者的核心意圖（問溫度？天氣？時間？地點？數量？）\n"
-                "⭐ 從工具數據中只提取相關資訊，無關資訊一律省略\n\n"
+                "⭐ 從工具數據中只提取相關資訊，無關資訊一律省略\n"
+                "⭐ **注意：用什麼語言提問，就用什麼語言回答**（日文問→日文答，英文問→英文答）\n\n"
                 "【回應要求】\n"
                 "1. 使用口語化、親切的語氣（可以用「喔」「呢」「哦」等語氣詞）\n"
                 "2. 不要列表式的羅列數據，而是用對話方式描述\n"
@@ -1181,15 +1182,13 @@ YouBike 查詢（重要！參數提取規則）：
                 {"role": "user", "content": user_prompt}
             ]
 
-            # 格式化回應使用 low reasoning（不需深度推理）
-            optimal_effort = get_optimal_reasoning_effort("format_response")
-
+            # 格式化回應使用 gpt-4o-mini（支援多語言，不需 reasoning_effort）
             response = await ai_service.generate_response_for_user(
                 messages=messages,
                 user_id="format_response",
-                model="gpt-5-nano",
+                model="gpt-4o-mini",  # 升級到 gpt-4o-mini 以支援多語言
                 chat_id=None,
-                reasoning_effort=optimal_effort
+                reasoning_effort=None  # gpt-4o-mini 不支援此參數
             )
 
             return response

services/ai_service.py

@@ -505,10 +505,14 @@ async def generate_response_async(
             "max_completion_tokens": max_tokens if max_tokens else 2000,  # 關懷模式可自訂 tokens
         }
 
-        # 加入 reasoning_effort 控制（GPT-5 系列）
-        if reasoning_effort:
+        # 加入 reasoning_effort 控制（僅 o1 系列和 gpt-5 系列支援）
+        # gpt-4o-mini 等模型不支援此參數，需要過濾
+        reasoning_models = model.startswith("o1") or model.startswith("gpt-5")
+        if reasoning_effort and reasoning_models:
             request_kwargs["reasoning_effort"] = reasoning_effort
             logger.info(f"🧠 設定 reasoning_effort: {reasoning_effort}")
+        elif reasoning_effort and not reasoning_models:
+            logger.debug(f"⚠️ 模型 {model} 不支援 reasoning_effort，已忽略")
 
         # 優先使用 Structured Outputs（2025年最佳實踐）
         if use_structured_outputs and response_schema:

static/frontend/js/websocket.js

@@ -629,6 +629,21 @@ function initializeWebSocket(token) {
         }
         break;
 
+      case 'audio_emotion_detected':
+        // 音頻情緒檢測結果（新增）
+        console.log('🎭 檢測到音頻情緒:', data.emotion, '置信度:', data.confidence, 'source:', data.source);
+
+        // 如果置信度 >= 0.5，應用情緒主題
+        if (data.emotion && data.confidence >= 0.5 && typeof applyEmotion === 'function') {
+          applyEmotion(data.emotion);
+          console.log('✅ 音頻情緒主題已套用:', data.emotion, `(置信度: ${data.confidence.toFixed(2)})`);
+        } else if (data.confidence < 0.5) {
+          console.log('⚠️ 音頻情緒置信度過低，不套用主題:', data.confidence.toFixed(2));
+        } else {
+          console.warn('⚠️ applyEmotion 函數未定義或情緒值無效');
+        }
+        break;
+
       default:
         console.log('🔍 未處理的訊息類型:', data.type);
     }