Update app.py

app.py

@@ -8,10 +8,10 @@ app = Flask(__name__, static_folder='static', static_url_path='')
 
 # 从环境变量中获取API密钥，这是在Hugging Face上部署的最佳实践
 GEMINI_API_KEY = os.environ.get("GEMINI_API_KEY")
-GEMINI_API_URL = "https://generativelace.googleapis.com/v1beta/models/gemini-2.5-pro:generateContent"
+# 修正：使用稳定且公开的 gemini-pro-vision 模型端点
+GEMINI_API_URL = "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent"
 
 # 这是整个系统的核心：一个精心设计的系统提示(Prompt)
-# 它指导Gemini模型扮演角色、遵循指令，并以严格的JSON格式输出
 SYSTEM_PROMPT = """
 你是一个世界顶级的皮肤科医生AI助手。你的任务是基于用户上传的皮肤图像和病历文本，进行专业的临床诊疗辅助分析。
 你的输出必须是一个单一、有效的JSON对象，不包含任何JSON格式之外的文字或标记（例如不要使用 "```json"）。
@@ -20,13 +20,13 @@ SYSTEM_PROMPT = """
   "image_features": ["从图像中识别出的关键皮损形态学特征列表", "例如：色素网络不规则", "例如：蓝白结构"],
   "differential_diagnosis": [
     {
-      "diagnosis": "可能性最高的诊断名称", 
-      "likelihood": "高", 
+      "diagnosis": "可能性最高的诊断名称",
+      "likelihood": "高",
       "evidence": "支持该诊断的关键图像和文本依据"
     },
     {
-      "diagnosis": "可能性次之的诊断名称", 
-      "likelihood": "中", 
+      "diagnosis": "可能性次之的诊断名称",
+      "likelihood": "中",
       "evidence": "支持该诊断的关键依据"
     }
   ],
@@ -38,6 +38,15 @@ SYSTEM_PROMPT = """
 }
 """
 
+# ==============================================================================
+#  == 新增的健康检查路由 ==
+#  这个路由非常简单，只返回"OK"和200状态码，确保健康检查能100%通过
+# ==============================================================================
+@app.route('/healthz')
+def health_check():
+    """Health check endpoint"""
+    return "OK", 200
+
 @app.route('/')
 def index():
     """提供前端HTML页面"""
@@ -49,7 +58,6 @@ def analyze_skin():
     if not GEMINI_API_KEY:
         return jsonify({"error": "服务端未配置GEMINI_API_KEY"}), 500
 
-    # 从请求中获取JSON数据
     data = request.json
     if not data or 'image' not in data or 'text' not in data:
         return jsonify({"error": "请求中缺少图像或文本信息"}), 400
@@ -61,7 +69,6 @@ def analyze_skin():
         'Content-Type': 'application/json',
     }
     
-    # 构造发送给Gemini API的请求体
     payload = {
         "contents": [
             {
@@ -80,35 +87,27 @@ def analyze_skin():
     }
 
     try:
-        # 发送POST请求到Gemini API
-        response = requests.post(f"{GEMINI_API_URL}?key={GEMINI_API_KEY}", headers=headers, json=payload)
-        # 如果API返回错误状态码，则抛出异常
+        response = requests.post(f"{GEMINI_API_URL}?key={GEMINI_API_KEY}", headers=headers, json=payload, timeout=60)
         response.raise_for_status()
         
         gemini_result = response.json()
         
-        # 提取模型返回的核心内容
         analysis_content_string = gemini_result['candidates']['content']['parts']['text']
         
-        # 将模型返回的JSON字符串解析为Python字典
         parsed_json = json.loads(analysis_content_string)
         
         return jsonify(parsed_json)
 
     except requests.exceptions.RequestException as e:
-        # 处理网络错误
         return jsonify({"error": f"调用Gemini API时发生网络错误: {e}"}), 500
     except (KeyError, IndexError):
-        # 处理Gemini返回格式不符合预期的情况
-        return jsonify({"error": "解析Gemini API响应失败，格式不正确"}), 500
+        # 增加对返回结果的打印，方便调试
+        error_details = response.json() if 'response' in locals() else "No response from API"
+        return jsonify({"error": "解析Gemini API响应失败，格式不正确", "details": error_details}), 500
     except json.JSONDecodeError:
-        # 处理模型返回的不是有效JSON的情况
-        return jsonify({"error": "Gemini API未返回有效的JSON格式"}), 500
+        return jsonify({"error": "Gemini API未返回有效的JSON格式", "details": analysis_content_string}), 500
     except Exception as e:
-        # 处理其他未知错误
         return jsonify({"error": f"发生未知错误: {e}"}), 500
 
 if __name__ == '__main__':
-    # 使用 0.0.0.0 主机以确保在Docker容器内可以从外部访问
-    # Hugging Face Spaces通常需要应用在8080端口上运行
     app.run(host='0.0.0.0', port=8080)