Update ai_service.py

ai_service.py

@@ -1,20 +1,53 @@
-# ai_service.py (Definitive fix for the ImportError)
+# ai_service.py (修正與優化版本)
 import json
-from datetime import datetime
+from datetime import datetime, timedelta, date
 import google.generativeai as genai
 from gradio_client import Client
 
-# [修正] 移除 'Part' 的 import，因為它導致了錯誤
-# from google.generativeai.types import Part
+# [修正] 引入 google.ai.generativelanguage 來處理工具回傳，這是官方建議的標準做法
+from google.ai import generativelanguage as glm
 
 # 從設定檔匯入金鑰和 URL
 from config import GEMINI_API_KEY, MCP_SERVER_URL
 
-# --- 1. 設定 Gemini API 金鑰 (一次性設定) ---
+# --- 1. 設定 Gemini API 金鑰 ---
+# 這個設定只會在程式啟動時執行一次
 if GEMINI_API_KEY and "YOUR_GEMINI_API_KEY" not in GEMINI_API_KEY:
     genai.configure(api_key=GEMINI_API_KEY)
 
-# --- 2. 工具函式 (用於地震查詢) ---
+# --- 2. 內部輔助函式 (處理相對日期) ---
+def _resolve_relative_date(date_str: str) -> str:
+    """
+    將 "今天", "昨天", "上週" 等相對日期字串轉換為 'YYYY-MM-DD' 格式。
+    如果無法識別，則返回今天的日期。
+    """
+    today = date.today()
+    date_str = date_str.lower()
+
+    if "今天" in date_str or "today" in date_str:
+        return today.strftime('%Y-%m-%d')
+    if "昨天" in date_str or "yesterday" in date_str:
+        return (today - timedelta(days=1)).strftime('%Y-%m-%d')
+    if "前天" in date_str:
+        return (today - timedelta(days=2)).strftime('%Y-%m-%d')
+    if "上週" in date_str or "last week" in date_str:
+        return (today - timedelta(weeks=1)).strftime('%Y-%m-%d')
+    if "上個月" in date_str or "last month" in date_str:
+        # 簡單計算，回到上個月的同一天，若不存在則為月底
+        last_month_day = today.replace(day=1) - timedelta(days=1)
+        return last_month_day.replace(day=today.day if today.day <= last_month_day.day else last_month_day.day).strftime('%Y-%m-%d')
+    
+    # 如果傳入的已經是 'YYYY-MM-DD' 格式，直接返回
+    try:
+        datetime.strptime(date_str, '%Y-%m-%d')
+        return date_str
+    except ValueError:
+        # 對於無法識別的格式 (例如 "去年")，給予一個合理的預設值 (今天)
+        print(f"[警告] 無法解析日期 '{date_str}'，將使用今天作為預設值。")
+        return today.strftime('%Y-%m-%d')
+
+
+# --- 3. 工具函式 (用於地震查詢) ---
 def call_mcp_earthquake_search(
     start_date: str,
     end_date: str,
@@ -23,13 +56,18 @@ def call_mcp_earthquake_search(
 ) -> str:
     """根據指定的條件（時間、規模）從遠端伺服器搜尋地震事件。"""
     try:
+        # [優化] 使用輔助函式處理相對日期
+        resolved_start_date = _resolve_relative_date(start_date)
+        resolved_end_date = _resolve_relative_date(end_date)
+        
         print(f"--- 正在呼叫遠端地震 MCP 伺服器 (由 Gemini 觸發) ---")
-        print(f"    查詢條件: {start_date} 到 {end_date}, 規模 {min_magnitude} 以上")
+        print(f"    原始查詢: start='{start_date}', end='{end_date}'")
+        print(f"    解析後查詢: start='{resolved_start_date}', end='{resolved_end_date}', 規模 {min_magnitude} 以上")
 
         client = Client(src=MCP_SERVER_URL)
         result = client.predict(
-            param_0=start_date, param_1="00:00:00",
-            param_2=end_date, param_3="23:59:59",
+            param_0=resolved_start_date, param_1="00:00:00",
+            param_2=resolved_end_date, param_3="23:59:59",
             param_4=21.0, param_5=26.0, # 預設台灣緯度
             param_6=119.0, param_7=123.0, # 預設台灣經度
             param_8=0.0, param_9=100.0,
@@ -51,14 +89,14 @@ def call_mcp_earthquake_search(
         print(f"呼叫 MCP 伺服器失敗: {e}")
         return f"工具執行失敗，錯誤訊息: {e}"
 
-# --- 3. 向 Gemini 定義工具 ---
+# --- 4. 向 Gemini 定義工具 ---
 earthquake_search_tool_declaration = {
     "name": "call_earthquake_search_tool",
     "description": "根據指定的條件（時間、地點、規模等）從台灣中央氣象署的資料庫中搜尋地震事件。預設搜尋台灣周邊地區。",
     "parameters": {
         "type": "OBJECT", "properties": {
-            "start_date": {"type": "STRING", "description": "搜尋的開始日期 (格式 'YYYY-MM-DD')。模型應根據使用者問題推斷此日期，例如從『去年』或『2024年』推斷出 '2024-01-01'。"},
-            "end_date": {"type": "STRING", "description": "搜尋的結束日期 (格式 'YYYY-MM-DD')。模型應根據使用者問題推斷此日期，例如從『昨天』或『2024年』推斷出 '2024-12-31'。"},
+            "start_date": {"type": "STRING", "description": "搜尋的開始日期 (格式 'YYYY-MM-DD')。模型應根據使用者問題推斷此日期，例如從『去年』、『上個月』、『昨天』等推斷出對應日期。"},
+            "end_date": {"type": "STRING", "description": "搜尋的結束日期 (格式 'YYYY-MM-DD')。模型應根據使用者問題推斷此日期。"},
             "min_magnitude": {"type": "NUMBER", "description": "要搜尋的最小地震規模。如果使用者未指定，請使用預設值 4.5。"},
             "max_magnitude": {"type": "NUMBER", "description": "要搜尋的最大地震規模。預設為 8.0。"},
         }, "required": ["start_date", "end_date"]
@@ -67,16 +105,16 @@ earthquake_search_tool_declaration = {
 
 available_tools = {"call_earthquake_search_tool": call_mcp_earthquake_search}
 
-# --- 4. 建立 Gemini 模型 ---
+# --- 5. 建立 Gemini 模型 ---
 model = None
 if GEMINI_API_KEY and "YOUR_GEMINI_API_KEY" not in GEMINI_API_KEY:
     try:
         system_instruction = (
-            "You are a helpful AI assistant. You must answer in Traditional Chinese."
-            "You have access to tools. When a tool returns data in JSON format, "
-            "you must analyze the JSON data to fully answer the user's question. "
-            "For example, if the user asks for the largest earthquake, use the search tool for the relevant date range "
-            "and then find the entry with the highest magnitude from the JSON results before answering."
+            "你是個樂於助人的 AI 助理，你必須使用繁體中文回答。"
+            "你可以取用工具來查詢資訊。當工具以 JSON 格式回傳資料時，"
+            "你必須分析 JSON 資料來完整回答使用者的問題。"
+            "例如，如果使用者問『去年最大的地震是哪個？』，你應該先使用搜尋工具查詢去年的日期範圍，"
+            "然後從回傳的 JSON 結果中找出規模(magnitude)最大的那筆紀錄，最後再回答。"
         )
         model = genai.GenerativeModel(
             model_name="gemini-1.5-flash",
@@ -86,7 +124,7 @@ if GEMINI_API_KEY and "YOUR_GEMINI_API_KEY" not in GEMINI_API_KEY:
     except Exception as e:
         print(f"建立 Gemini 模型失敗: {e}")
 
-# --- 5. 主要的 AI 文字生成函式 ---
+# --- 6. 主要的 AI 文字生成函式 ---
 def generate_ai_text(user_prompt: str) -> str:
     if not model:
         return "🤖 AI (Gemini) 服務尚未設定 API 金鑰，或金鑰無效。"
@@ -94,10 +132,14 @@ def generate_ai_text(user_prompt: str) -> str:
         print(f"--- 開始 Gemini 對話，使用者輸入: '{user_prompt}' ---")
         chat = model.start_chat()
         response = chat.send_message(user_prompt)
+        
+        # 檢查模型是否要求呼叫工具
         try:
             function_call = response.candidates[0].content.parts[0].function_call
         except (IndexError, AttributeError):
             function_call = None
+        
+        # 如果模型沒有要求呼叫工具，直接回傳文字結果
         if not function_call:
             print("--- Gemini 直接回覆文字 ---")
             return response.text
@@ -107,17 +149,22 @@ def generate_ai_text(user_prompt: str) -> str:
         if not tool_function:
             return f"錯誤：模型嘗試呼叫一個不存在的工具 '{function_call.name}'。"
         
+        # 執行工具函式
         tool_result = tool_function(**dict(function_call.args))
         print("--- 將工具結果回傳給 Gemini ---")
         
-        # [修正] 直接傳送包含 function_response 的字典，不再使用 Part 類別
+        # [修正] 使用官方建議的 glm.Part 物件來回傳工具執行結果
         response = chat.send_message(
-            {"function_response": {"name": function_call.name, "response": {"result": tool_result}}}
+            glm.Part(
+                function_response=glm.FunctionResponse(
+                    name=function_call.name,
+                    response={'result': tool_result}
+                )
+            )
         )
         
         print("--- Gemini 根據工具結果生成最終回覆 ---")
         return response.text
     except Exception as e:
         print(f"與 Gemini AI 互動時發生錯誤: {e}")
-        return f"🤖 AI 服務發生錯誤: {e}"
-
+        return f"🤖 AI 服務發生錯誤: {e}"