api.py

# cd my-first-ai
# pip install fastapi uvicorn
# fastapi：现代 Python Web 框架，自动生成 API 文档
# uvicorn：高性能 ASGI 服务器，用于运行 FastAPI
# 🚀 今日核心任务（30–50 分钟）
# 步骤 1：创建 API 文件 api.py
# 启动命令：python -m uvicorn api:app --reload --port 8000
# --reload：代码修改后自动重启（开发模式）
# 默认地址：http://localhost:8000
# 步骤 3：测试 API
# 方法 1：打开浏览器访问文档
# 访问：http://localhost:8000/docs

# 你会看到自动生成的交互式 API 文档（Swagger UI）👇

# 点击 /analyze → “Try it out” → 输入：
# {"text": "这个功能真的很棒！"}
# 生成依赖列表
# pip freeze > requirements.txt
import os
os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com'
from fastapi import FastAPI, HTTPException
from transformers import pipeline

# 初始化 FastAPI 应用
app = FastAPI(title="AI 新闻分类服务", version="1.0")

# 加载模型（只加载一次，启动时完成）
classifier = pipeline(
    "text-classification",
    model="uer/roberta-base-finetuned-chinanews-chinese"
)

# 定义请求体（可选，但推荐）
from pydantic import BaseModel

class TextInput(BaseModel):
    text: str

# 定义 API 接口
@app.post("/analyze")
def analyze_sentiment(input: TextInput):
    if len(input.text) > 512:
        raise HTTPException(status_code=400, detail="文本过长，请控制在512字以内")
    try:
        result = classifier(input.text)
        label = result[0]['label']
        score = round(result[0]['score'], 4)
        
        print("label:", label, "score:", score)
        
        # 统一返回格式
        return {
            "text": input.text,
            "category": label,
            "confidence": score
        }
    except Exception as e:
        raise HTTPException(status_code=500, detail=f"模型推理失败: {str(e)}")

# 健康检查接口
@app.get("/health")
def health_check():
    return {"status": "ok"}