Update app.py

app.py

@@ -6,16 +6,21 @@ from langchain.embeddings.base import Embeddings
 from langchain_google_genai import ChatGoogleGenerativeAI
 import chromadb
 import gradio as gr
-from langchain.chains import LLMChain
-from langchain.prompts import ChatPromptTemplate
+
+# === 🔧 LangChain 版本相容導入 ===
+try:
+    from langchain.chains import LLMChain
+except ImportError:
+    from langchain_community.chains import LLMChain
 
 try:
-    # 新版 LangChain
     from langchain.memory import ConversationBufferMemory
 except ImportError:
-    # 舊版 LangChain（部分 Hugging Face 環境）
     from langchain_community.memory import ConversationBufferMemory
 
+from langchain.prompts import ChatPromptTemplate
+
+
 # =============================================
 # 1️⃣ 自訂 LM Studio Embedding 類別
 # =============================================
@@ -32,15 +37,16 @@ class LmStudioEmbeddings(Embeddings):
         res = self.client.embeddings.create(input=texts, model=self.model_name)
         return [x.embedding for x in res.data]
 
+
 # =============================================
-# 2️⃣ 載入 QA 檔案並分類
+# 2️⃣ 載入 QA 檔案並分類（相對路徑）
 # =============================================
-import os
-
-# 自動取得目前執行檔案所在目錄
 BASE_DIR = os.path.dirname(os.path.abspath(__file__))
 path = os.path.join(BASE_DIR, "QA_v2.txt")
 
+if not os.path.exists(path):
+    raise FileNotFoundError(f"❌ 找不到 QA 檔案：{path}")
+
 with open(path, "r", encoding="utf-8") as f:
     text = f.read()
 
@@ -60,6 +66,7 @@ print("✅ 已成功讀取 QA 並完成分類：")
 for k, v in qa_docs.items():
     print(f"　{k}：{len(v)} 筆")
 
+
 # =============================================
 # 3️⃣ 建立三個獨立向量資料庫
 # =============================================
@@ -84,15 +91,18 @@ for cat, docs in qa_docs.items():
 
 print("✅ 各類別向量資料庫建立完成")
 
+
 # =============================================
-# 4️⃣ 初始化 Gemini LLM + 記憶模組
+# 4️⃣ 初始化 Gemini LLM（讀取 Hugging Face Secret）
 # =============================================
-API_KEY = "AIzaSyAxoIHYjStZ5xPe2EoNrOapHhvVmx9QzWs"
+API_KEY = os.getenv("GOOGLE_API_KEY")
+if not API_KEY:
+    raise ValueError("⚠️ 未設定 GOOGLE_API_KEY，請在 Hugging Face Secrets 中新增。")
+
 llm = ChatGoogleGenerativeAI(model='gemini-2.5-flash', google_api_key=API_KEY)
 
 memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)
 
-# ✅ 只保留一個變數 input，context 會手動插入文字中
 prompt = ChatPromptTemplate.from_messages([
     ("system", "你是一位金融客服人員，請根據下列公司規章內容回答使用者問題。若內容不足，也請根據既有資訊給出合理說明，並建議洽營業員了解詳情。"),
     ("human", "{input}")
@@ -104,6 +114,7 @@ chain = LLMChain(
     memory=memory
 )
 
+
 # =============================================
 # 5️⃣ 自動分類 + 對話主邏輯
 # =============================================
@@ -117,6 +128,7 @@ def auto_detect_category(text):
     else:
         return "證券"
 
+
 def chat_fn(message, history):
     print(f"[DEBUG] 問題：{message}")
 
@@ -132,7 +144,6 @@ def chat_fn(message, history):
     docs = vectordb.similarity_search(message, k=2)
     context = "\n\n".join([d.page_content for d in docs]) if docs else "目前查無相關內容。"
 
-    # ✅ 將 context 手動整合進輸入文字中（新版 LangChain 安全寫法）
     full_input = f"公司規章內容如下：\n{context}\n\n使用者問題：{message}"
 
     try:
@@ -143,34 +154,20 @@ def chat_fn(message, history):
 
     return reply or "請洽營業員"
 
+
 # =============================================
 # 6️⃣ Gradio 介面 + 左上角 logo
 # =============================================
-
-"""
-＃要在ＨＦ上部署的話需要改ㄧ下api，把它藏起來
-
-import os
-from langchain_google_genai import ChatGoogleGenerativeAI
-
-API_KEY = os.getenv("GOOGLE_API_KEY")
-if not API_KEY:
-    raise ValueError("⚠️ 未設定 GOOGLE_API_KEY，請在 Hugging Face Secrets 中新增。")
-
-llm = ChatGoogleGenerativeAI(model='gemini-2.5-flash', google_api_key=API_KEY)
-"""
-# =============================================
-
-
-
-logo_path = os.path.join(BASE_DIR, "mega.png")  
-with open(logo_path, "rb") as f:
-    logo_base64 = base64.b64encode(f.read()).decode("utf-8")
+logo_path = os.path.join(BASE_DIR, "mega.png")
+if os.path.exists(logo_path):
+    with open(logo_path, "rb") as f:
+        logo_base64 = base64.b64encode(f.read()).decode("utf-8")
+else:
+    logo_base64 = ""
 
 with gr.Blocks(
-    theme="Taithrah/Minimal",
+    theme="soft",
     css="""
-        /* 固定 logo 在左上角 */
         #logo-top {
             position: fixed;
             top: 12px;
@@ -189,14 +186,14 @@ with gr.Blocks(
     """
 ) as demo:
 
-    # 插入 logo
-    gr.HTML(f"""
-        <div id="logo-top">
-            <img src="data:image/png;base64,{logo_base64}" alt="logo">
-        </div>
-    """)
+    if logo_base64:
+        gr.HTML(f"""
+            <div id="logo-top">
+                <img src="data:image/png;base64,{logo_base64}" alt="logo">
+            </div>
+        """)
 
-    gr.Markdown("<h1 style='text-align:center'>👨‍💼 我是小智，您的金融好幫手🫰</h1>")
+    gr.Markdown("<h1 style='text-align:center'>👨‍💼 我是小智，您的金融好幫手 🫰</h1>")
 
     with gr.Row():
         with gr.Column(scale=4):
@@ -226,7 +223,6 @@ with gr.Blocks(
             for label, q in btns:
                 gr.Button(label).click(lambda h, q=q: handle_input(q, h), [chatbox], [chatbox, user_input])
 
-            # ✅ 清除記憶按鈕
             def clear_memory():
                 memory.clear()
                 return [], gr.update(value="", placeholder="請輸入問題...")