Upload app.py

app.py

@@ -31,8 +31,8 @@ for fname in os.listdir(articles_dir):
 index = faiss.IndexFlatL2(384)
 index.add(np.array(vectors))
 
-# 要約モデルの準備
-summarizer = pipeline("text-generation", model="rinna/japanese-gpt2-medium", tokenizer="rinna/japanese-gpt2-medium")
+# 要約モデル（ken11/japanese-summary-model）
+summarizer = pipeline("summarization", model="ken11/japanese-summary-model")
 
 # チャットボット関数
 def chat(query):
@@ -42,15 +42,13 @@ def chat(query):
     retrieved_titles = [titles[i] for i in I[0]]
     retrieved_urls = [urls[i] for i in I[0]]
 
-    context = "\n\n".join(retrieved_texts)
-    prompt = f"以下の情報を参考にして、質問「{query}」に対する自然でわかりやすい日本語の回答を300文字以内で作成してください。\n\n{context}\n\n回答："
+    context = "\n\n".join(retrieved_texts)[:1000]  # BARTは長文に弱いので最大1000文字に制限
+    prompt = f"{context}\n\n質問：{query}\nこの情報をもとに簡潔に回答してください。"
 
-    generated = summarizer(prompt, max_new_tokens=100, do_sample=True)[0]["generated_text"]
-    answer = generated.split("回答：")[-1].strip()
+    summary = summarizer(prompt, max_length=128, min_length=30, do_sample=False)[0]["summary_text"]
 
-    # 関連記事URLを表示
-    links = "\n".join([f"🔗 [{titles[i]}]({urls[i]})" for i in range(len(retrieved_titles))])
-    return f"{answer}\n\n参考記事：\n{links}"
+    links = "\n".join([f"🔗 [{retrieved_titles[i]}]({retrieved_urls[i]})" for i in range(len(retrieved_titles))])
+    return f"{summary}\n\n参考記事：\n{links}"
 
 # Gradio UI
 gr.Interface(fn=chat, inputs="text", outputs="text", title="ブログ記事から回答する転職チャットボット").launch()