Update app.py

app.py

@@ -136,7 +136,103 @@ except Exception:
         return "\n".join(lines).strip()
 
 # ──────────────────────────────────────────────────────────────────────────────
-# 2) 中文字型（若容器有 Noto/WenQuanYi 等會自動套用）
+# 2) AI 對話（Transformers）— 延遲載入與容錯
+# ──────────────────────────────────────────────────────────────────────────────
+_LLM = {"loaded": False, "ok": False, "err": None, "model": None, "tokenizer": None, "device": "cpu"}
+
+def _ensure_llm():
+    """
+    懶載入 LLM。預設中文模型 ckiplab/gpt2-base-chinese，可用環境變數覆寫：
+    - LLM_MODEL (預設 ckiplab/gpt2-base-chinese)
+    - LLM_DEVICE (cuda / cpu)
+    回傳 (ok: bool, err: str|None)
+    """
+    if _LLM["loaded"]:
+        return _LLM["ok"], _LLM["err"]
+
+    _LLM["loaded"] = True
+    try:
+        # 匯入放在函式內，避免服務啟動過慢或套件缺失時直接崩潰
+        import torch  # noqa: F401
+        from transformers import AutoTokenizer, AutoModelForCausalLM  # noqa: F401
+
+        device = os.getenv("LLM_DEVICE")
+        if device not in ("cuda", "cpu"):
+            # 自動偵測
+            try:
+                import torch as _t
+                device = "cuda" if _t.cuda.is_available() else "cpu"
+                _t.set_num_threads(max(1, int(os.getenv("LLM_THREADS", "1"))))
+            except Exception:
+                device = "cpu"
+
+        model_name = os.getenv("LLM_MODEL", "ckiplab/gpt2-base-chinese")  # 可改成 "gpt2"
+        from transformers import AutoTokenizer, AutoModelForCausalLM
+        tok = AutoTokenizer.from_pretrained(model_name)
+        mdl = AutoModelForCausalLM.from_pretrained(model_name)
+        try:
+            mdl = mdl.to(device)
+        except Exception:
+            device = "cpu"
+            mdl = mdl.to(device)
+
+        _LLM.update({"ok": True, "model": mdl, "tokenizer": tok, "device": device})
+        return True, None
+    except Exception as e:
+        _LLM["err"] = f"{e}"
+        _LLM["ok"] = False
+        return False, _LLM["err"]
+
+def generate_ai_text(user_prompt: str) -> str:
+    ok, err = _ensure_llm()
+    if not ok:
+        return ("🤖 AI 尚未啟用：缺少依賴或模型未下載。\n"
+                "請在 requirements.txt 加入：transformers、torch、accelerate、safetensors。\n"
+                f"詳細錯誤：{err}")
+
+    tok = _LLM["tokenizer"]
+    mdl = _LLM["model"]
+    device = _LLM["device"]
+
+    max_new = int(os.getenv("LLM_MAX_NEW_TOKENS", "120"))
+    top_k = int(os.getenv("LLM_TOP_K", "50"))
+    temperature = float(os.getenv("LLM_TEMPERATURE", "0.7"))
+
+    # 建立系統化提示，讓回答更貼近機器人主題
+    system_prefix = (
+        "你是一個地震資訊與一般問答的 LINE 助理。回答要精簡、清楚，"
+        "若與地震相關可加入注意事項。若問題與地震無關，就一般回覆。\n\n"
+        "使用者："
+    )
+    prompt = system_prefix + user_prompt
+
+    try:
+        import torch
+        inputs = tok(prompt, return_tensors="pt").to(device)
+        with torch.no_grad():
+            output = mdl.generate(
+                input_ids=inputs["input_ids"],
+                attention_mask=inputs.get("attention_mask"),
+                max_new_tokens=max_new,
+                do_sample=True,
+                top_k=top_k,
+                temperature=temperature,
+                pad_token_id=tok.eos_token_id,
+            )
+        text = tok.decode(output[0], skip_special_tokens=True)
+        # 嘗試把 system_prefix 去掉，留下使用者後的回應
+        if system_prefix in text:
+            text = text.split(system_prefix, 1)[-1]
+        # GPT-2 可能會把 prompt 也帶回，簡單裁剪
+        if user_prompt in text:
+            text = text.split(user_prompt, 1)[-1].strip()
+        # 安全長度控制
+        return text.strip()[:1200] if text else "（沒有產生內容）"
+    except Exception as e:
+        return f"AI 產生發生錯誤：{e}"
+
+# ──────────────────────────────────────────────────────────────────────────────
+# 3) 中文字型（若容器有 Noto/WenQuanYi 等會自動套用）
 # ──────────────────────────────────────────────────────────────────────────────
 for fp in [
     "/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc",
@@ -149,7 +245,7 @@ for fp in [
         break
 
 # ────────────────────��─────────────────────────────────────────────────────────
-# 3) 基本設定
+# 4) 基本設定
 # ──────────────────────────────────────────────────────────────────────────────
 CHANNEL_ACCESS_TOKEN = os.getenv("CHANNEL_ACCESS_TOKEN")
 CHANNEL_SECRET = os.getenv("CHANNEL_SECRET")
@@ -172,7 +268,7 @@ configuration = Configuration(access_token=CHANNEL_ACCESS_TOKEN)
 handler = WebhookHandler(CHANNEL_SECRET)
 
 # ──────────────────────────────────────────────────────────────────────────────
-# 4) 首頁（美觀說明頁）
+# 5) 首頁（美觀說明頁）
 # ──────────────────────────────────────────────────────────────────────────────
 @app.route("/", methods=["GET"])
 def home():
@@ -225,16 +321,17 @@ def home():
     <section class="hero">
       <div class="badge">狀態：<span style="color:{'#86efac' if channel_ok=='✅' else '#fbbf24'}">{channel_ok}</span> LINE 金鑰　·　HF Space：{space_ok}</div>
       <h1 class="title">地震預警 dayichen – LINE Bot</h1>
-      <p class="subtitle">查詢全球近 24 小時地震、今年台灣地震清單與地圖、中央氣象署地震預警。</p>
+      <p class="subtitle">指令：/help、地震/quake、臺灣地震/台灣地震、臺灣地震畫圖/台灣地震畫圖、地震預警、AI 對話（ai + 問題）。</p>
       <div class="grid">
         <div class="card">
           <h3>🚀 快速開始</h3>
           <ul>
-            <li>在 LINE 對話輸入 <span class="kbd">/help</span> 取得指令列表</li>
-            <li>試試 <span class="kbd">地震</span> 或 <span class="kbd">quake</span>：全球近 24 小時 M≥5.0</li>
+            <li><span class="kbd">/help</span>：顯示所有指令</li>
+            <li><span class="kbd">地震</span>/<span class="kbd">quake</span>：全球近 24 小時 M≥5.0</li>
             <li><span class="kbd">臺灣地震</span>/<span class="kbd">台灣地震</span>：今年台灣區域清單（含日期時間）</li>
             <li><span class="kbd">臺灣地震畫圖</span>/<span class="kbd">台灣地震畫圖</span>：回傳地圖圖片</li>
             <li><span class="kbd">地震預警</span>：CWA 地震預警（最新 5 筆）</li>
+            <li><span class="kbd">ai 你的問題</span>：啟用 AI 對話，例如 <span class="kbd">ai 今日台灣地震風險需要注意什麼？</span></li>
           </ul>
         </div>
         <div class="card">
@@ -248,9 +345,9 @@ def home():
         <div class="card">
           <h3>ℹ️ 備註</h3>
           <ul>
-            <li>清單時間顯示：台灣時間與 UTC。</li>
+            <li>AI 需要安裝 <span class="mono">transformers / torch</span> 等依賴；未安裝時服務會給出提示。</li>
+            <li>模型：<span class="mono">{os.getenv("LLM_MODEL","ckiplab/gpt2-base-chinese")}</span> · 裝置：<span class="mono">{os.getenv("LLM_DEVICE","auto")}</span></li>
             <li>地圖以 Matplotlib 產生於 <span class="mono">/tmp/static</span>，由 <span class="mono">/static/</span> 提供。</li>
-            <li>若圖片在 LINE 顯示空白，請確認本頁「Webhook 與靜態檔」網址能從外網存取。</li>
           </ul>
         </div>
       </div>
@@ -270,7 +367,7 @@ def serve_static(filename):
     return send_from_directory(STATIC_DIR, filename)
 
 # ──────────────────────────────────────────────────────────────────────────────
-# 5) 資料查詢（USGS）
+# 6) 資料查詢（USGS）
 # ──────────────────────────────────────────────────────────────────────────────
 USGS_API_BASE_URL = "https://earthquake.usgs.gov/fdsnws/event/1/query"
 
@@ -334,7 +431,7 @@ def fetch_taiwan_df_this_year(min_mag=5.0) -> pd.DataFrame | str:
         return f"❌ 查詢失敗: {e}"
 
 # ──────────────────────────────────────────────────────────────────────────────
-# 6) 製圖
+# 7) 製圖
 # ──────────────────────────────────────────────────────────────────────────────
 def create_and_save_map(df: pd.DataFrame) -> str:
     fig, ax = plt.subplots(figsize=(9, 6), dpi=150)
@@ -367,7 +464,7 @@ def _base_url_for_images() -> str:
     return HF_SPACE_URL.rstrip("/") if HF_SPACE_URL else request.url_root.rstrip("/")
 
 # ──────────────────────────────────────────────────────────────────────────────
-# 7) LINE Webhook
+# 8) LINE Webhook
 # ──────────────────────────────────────────────────────────────────────────────
 @app.route("/callback", methods=["POST"])
 def callback():
@@ -381,11 +478,13 @@ def callback():
 
 @handler.add(MessageEvent, message=TextMessageContent)
 def handle_message(event):
-    user_message = (event.message.text or "").strip().lower()
+    user_message_raw = (event.message.text or "").strip()
+    user_message = user_message_raw.lower()
+
     with ApiClient(configuration) as api_client:
         line_bot_api = MessagingApi(api_client)
 
-        # 地震預警（CWA）
+        # 1) 地震預警（CWA）
         if "地震預警" in user_message:
             reply_text = fetch_cwa_alarm_list(limit=5)
             line_bot_api.reply_message_with_http_info(
@@ -393,7 +492,7 @@ def handle_message(event):
             )
             return
 
-        # 臺灣地震畫圖
+        # 2) 臺灣地震畫圖
         if ("臺灣地震畫圖" in user_message) or ("台灣地震畫圖" in user_message):
             result = fetch_taiwan_df_this_year()
             if isinstance(result, pd.DataFrame):
@@ -411,7 +510,7 @@ def handle_message(event):
             line_bot_api.reply_message_with_http_info(reply)
             return
 
-        # 說明
+        # 3) 說明
         if user_message == "/help":
             text = (
                 "📖 地震預警 dayichen 指令\n\n"
@@ -420,6 +519,7 @@ def handle_message(event):
                 "➡️ 臺灣地震 / 台灣地震（今年台灣區域清單）\n"
                 "➡️ 臺灣地震畫圖 / 台灣地震畫圖（今年台灣區域分佈圖）\n"
                 "➡️ 地震預警（CWA 最新 5 筆）\n"
+                "➡️ ai 你的問題（AI 對話）\n"
                 "➡️ 你好"
             )
             line_bot_api.reply_message_with_http_info(
@@ -427,7 +527,7 @@ def handle_message(event):
             )
             return
 
-        # 台灣清單
+        # 4) 台灣清單
         if ("臺灣地震" in user_message) or ("台灣地震" in user_message):
             result = fetch_taiwan_df_this_year()
             if isinstance(result, pd.DataFrame):
@@ -446,7 +546,7 @@ def handle_message(event):
             )
             return
 
-        # 全球 24 小時
+        # 5) 全球 24 小時
         if ("地震" in user_message) or ("quake" in user_message):
             reply_text = fetch_global_last24h_text()
             line_bot_api.reply_message_with_http_info(
@@ -454,7 +554,18 @@ def handle_message(event):
             )
             return
 
-        # 招呼
+        # 6) AI 對話（觸發詞：以 "ai "、"ai："、"ai:" 開頭；或最後兜底）
+        if user_message.startswith("ai ") or user_message.startswith("ai:") or user_message.startswith("ai："):
+            prompt = user_message_raw[2:].lstrip(" ：:").strip()
+            if not prompt:
+                prompt = "請作為一個地震資訊助理，簡要介紹你的功能。"
+            ai_text = generate_ai_text(prompt)
+            line_bot_api.reply_message_with_http_info(
+                ReplyMessageRequest(reply_token=event.reply_token, messages=[TextMessage(text=ai_text)])
+            )
+            return
+
+        # 7) 招呼
         if ("你好" in user_message) or ("hi" in user_message):
             line_bot_api.reply_message_with_http_info(
                 ReplyMessageRequest(
@@ -462,4 +573,10 @@ def handle_message(event):
                     messages=[TextMessage(text="👋 你好！輸入 /help 查看指令。")]
                 )
             )
-            return
+            return
+
+        # 8) 兜底：若非上述任何指令，交給 AI 產生回覆（更智能）
+        fallback = generate_ai_text(user_message_raw)
+        line_bot_api.reply_message_with_http_info(
+            ReplyMessageRequest(reply_token=event.reply_token, messages=[TextMessage(text=fallback)])
+        )