Create app.py

app.py

@@ -0,0 +1,1372 @@
+import gradio as gr
+import os
+import tempfile
+import openai
+from google.colab import userdata
+import PyPDF2
+import docx
+from pptx import Presentation
+import json
+from datetime import datetime
+import numpy as np
+from sklearn.metrics.pairwise import cosine_similarity
+import requests
+from bs4 import BeautifulSoup
+from duckduckgo_search import DDGS
+import re
+from urllib.parse import urlparse
+
+# 全域變數儲存處理後的資料
+processed_data_store = None
+
+# 檢查檔案大小（Whisper API 限制 25MB）
+def check_file_size(file_path):
+    file_size = os.path.getsize(file_path) / (1024 * 1024)  # 轉換為 MB
+    if file_size > 25:
+        raise ValueError("檔案大小超過 25MB，請上傳較小的檔案。")
+    return file_size
+
+# 語音轉文字主函數
+def transcribe_audio(audio_file, language="zh"):
+    try:
+        if not os.path.splitext(audio_file)[1].lower() in ['.wav', '.mp3']:
+            return "錯誤：僅支援 .wav 或 .mp3 檔案格式！", None
+
+        check_file_size(audio_file)
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+
+        with open(audio_file, "rb") as file:
+            transcription = client.audio.transcriptions.create(
+                model="gpt-4o-transcribe",
+                file=file,
+                language=language
+            )
+
+        transcript_text = transcription.text
+
+        with tempfile.NamedTemporaryFile(delete=False, suffix=".txt") as temp_file:
+            temp_file.write(transcript_text.encode('utf-8'))
+            temp_file_path = temp_file.name
+
+        return transcript_text, temp_file_path
+
+    except ValueError as ve:
+        return f"錯誤：{str(ve)}", None
+    except Exception as e:
+        return f"轉錄失敗：{str(e)}", None
+
+# 文檔內容提取函數
+def extract_text_from_pdf(file_path):
+    try:
+        with open(file_path, 'rb') as file:
+            reader = PyPDF2.PdfReader(file)
+            text = ""
+            for page in reader.pages:
+                text += page.extract_text() + "\n"
+        return text.strip()
+    except Exception as e:
+        return f"PDF 讀取錯誤：{str(e)}"
+
+def extract_text_from_docx(file_path):
+    try:
+        doc = docx.Document(file_path)
+        text = ""
+        for paragraph in doc.paragraphs:
+            text += paragraph.text + "\n"
+        return text.strip()
+    except Exception as e:
+        return f"DOCX 讀取錯誤：{str(e)}"
+
+def extract_text_from_pptx(file_path):
+    try:
+        prs = Presentation(file_path)
+        text = ""
+        for slide in prs.slides:
+            for shape in slide.shapes:
+                if hasattr(shape, "text"):
+                    text += shape.text + "\n"
+        return text.strip()
+    except Exception as e:
+        return f"PPTX 讀取錯誤：{str(e)}"
+
+def extract_document_content(file_path):
+    file_ext = os.path.splitext(file_path)[1].lower()
+    
+    if file_ext == '.pdf':
+        return extract_text_from_pdf(file_path)
+    elif file_ext == '.docx':
+        return extract_text_from_docx(file_path)
+    elif file_ext in ['.ppt', '.pptx']:
+        return extract_text_from_pptx(file_path)
+    else:
+        return f"不支援的檔案格式：{file_ext}"
+
+# 文字分塊處理
+def chunk_text(text, chunk_size=1000, overlap=200):
+    if len(text) <= chunk_size:
+        return [text]
+    
+    chunks = []
+    start = 0
+    
+    while start < len(text):
+        end = start + chunk_size
+        
+        if end < len(text):
+            for i in range(end, start + chunk_size//2, -1):
+                if text[i] in ['。', '！', '？', '\n', '.', '!', '?']:
+                    end = i + 1
+                    break
+        
+        chunk = text[start:end].strip()
+        if chunk:
+            chunks.append(chunk)
+        
+        start = end - overlap if end < len(text) else end
+    
+    return chunks
+
+# 生成嵌入向量
+def generate_embedding(text, client):
+    """使用 OpenAI API 生成文字嵌入向量"""
+    try:
+        response = client.embeddings.create(
+            model="text-embedding-ada-002",
+            input=text
+        )
+        return response.data[0].embedding
+    except Exception as e:
+        print(f"生成嵌入向量失敗：{str(e)}")
+        return None
+
+# 新增：生成摘要功能
+def generate_summary(text, summary_type="教材", max_tokens=400):
+    """使用 OpenAI API 生成內容摘要"""
+    if not text or not text.strip():
+        return "無內容可摘要。"
+    
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        
+        if summary_type == "教材":
+            prompt = f"""請用繁體中文將以下教材內容摘要成300字的概述，包含：
+1. 主要學科領域
+2. 核心概念和主題
+3. 學習重點
+4. 內容結構
+
+教材內容：
+{text[:4000]}  # 限制輸入長度避免超過token限制
+
+請提供簡潔且全面的概述："""
+        else:  # 逐字稿
+            prompt = f"""請用��體中文將以下錄音逐字稿摘要成300字，包含：
+1. 主要討論主題
+2. 重要觀點和概念
+3. 關鍵資訊摘要
+
+逐字稿內容：
+{text[:4000]}
+
+請提供簡潔且重點突出的摘要："""
+        
+        response = client.chat.completions.create(
+            model="gpt-4o",
+            messages=[{"role": "user", "content": prompt}],
+            temperature=0.5,
+            max_tokens=max_tokens
+        )
+        
+        summary = response.choices[0].message.content
+        return summary
+        
+    except Exception as e:
+        return f"摘要生成失敗：{str(e)}"
+
+# 新增：生成逐字稿摘要
+def generate_transcript_summary(transcript_content):
+    """為逐字稿生成摘要"""
+    if not transcript_content or not transcript_content.strip():
+        return "尚未有逐字稿內容"
+    
+    return generate_summary(transcript_content, summary_type="逐字稿")
+
+# 智能領域分析函數
+def extract_domain_keywords_from_materials(material_context):
+    """從教材上下文中動態提取領域關鍵詞"""
+    if not material_context:
+        return {}
+    
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        
+        prompt = f"""分析以下教材檔案名稱和內容，提取出主要的學科領域和相關關鍵詞：
+
+教材內容：{material_context}
+
+請提供：
+1. 主要學科領域（例如：計算機科學、物理學、化學、生物學、經濟學等）
+2. 5-10個該領域的核心英文關鍵詞
+3. 可能產生歧義的詞彙（如果有的話）
+
+格式：
+領域：[學科名稱]
+關鍵詞：[keyword1, keyword2, keyword3, ...]
+歧義詞：[ambiguous_term1, ambiguous_term2, ...]"""
+
+        response = client.chat.completions.create(
+            model="gpt-4",
+            messages=[{"role": "user", "content": prompt}],
+            temperature=0.3,
+            max_tokens=300
+        )
+        
+        analysis = response.choices[0].message.content
+        return parse_domain_analysis(analysis)
+        
+    except Exception as e:
+        print(f"領域分析失敗：{str(e)}")
+        return {}
+
+def parse_domain_analysis(analysis):
+    """解析領域分析結果"""
+    result = {
+        'domain': '',
+        'keywords': [],
+        'ambiguous_terms': []
+    }
+    
+    lines = analysis.split('\n')
+    for line in lines:
+        line = line.strip()
+        if line.startswith('領域：'):
+            result['domain'] = line.replace('領域：', '').strip()
+        elif line.startswith('關鍵詞：'):
+            keywords_str = line.replace('關鍵詞：', '').strip()
+            keywords = [kw.strip().strip('[]') for kw in keywords_str.split(',')]
+            result['keywords'] = [kw for kw in keywords if kw]
+        elif line.startswith('歧義詞：'):
+            ambiguous_str = line.replace('歧義詞：', '').strip()
+            ambiguous = [term.strip().strip('[]') for term in ambiguous_str.split(',')]
+            result['ambiguous_terms'] = [term for term in ambiguous if term]
+    
+    return result
+
+def get_alternative_meanings(term, domain):
+    """獲取詞彙在其他領域的含義"""
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        
+        prompt = f"""詞彙 "{term}" 在 "{domain}" 領域有特定含義。
+請列出這個詞彙在其他領域可能的含義或相關詞彙，用於排除不相關的搜尋結果。
+
+請提供3-5個可能需要排除的相關詞彙："""
+
+        response = client.chat.completions.create(
+            model="gpt-4",
+            messages=[{"role": "user", "content": prompt}],
+            temperature=0.3,
+            max_tokens=150
+        )
+        
+        result = response.choices[0].message.content
+        exclude_terms = []
+        for line in result.split('\n'):
+            if line.strip() and not line.startswith('例如'):
+                words = line.lower().split()
+                exclude_terms.extend([word for word in words if len(word) > 3])
+        
+        return exclude_terms[:5]
+        
+    except Exception as e:
+        print(f"生成排除詞彙失敗：{str(e)}")
+        return []
+
+# 網路搜尋功能
+def extract_web_content(url, max_chars=2000):
+    """提取網頁內容"""
+    try:
+        headers = {
+            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
+        }
+        
+        response = requests.get(url, headers=headers, timeout=10)
+        response.raise_for_status()
+        
+        soup = BeautifulSoup(response.content, 'html.parser')
+        
+        for script in soup(["script", "style"]):
+            script.decompose()
+        
+        text = soup.get_text()
+        lines = (line.strip() for line in text.splitlines())
+        chunks = (phrase.strip() for line in lines for phrase in line.split("  "))
+        text = ' '.join(chunk for chunk in chunks if chunk)
+        
+        if len(text) > max_chars:
+            text = text[:max_chars] + "..."
+        
+        return text
+    except Exception as e:
+        print(f"提取網頁內容失敗 {url}: {str(e)}")
+        return ""
+
+def intelligent_web_search(query, material_context=""):
+    """基於教材上下文的智能網路搜尋"""
+    try:
+        # 動態分析領域
+        domain_info = extract_domain_keywords_from_materials(material_context)
+        
+        # 構建增強查詢
+        enhanced_query = query
+        if domain_info.get('keywords'):
+            relevant_keywords = domain_info['keywords'][:3]
+            enhanced_query = f"{query} {' '.join(relevant_keywords)}"
+        
+        # 生成排除詞彙
+        exclude_terms = []
+        for ambiguous_term in domain_info.get('ambiguous_terms', []):
+            if ambiguous_term.upper() in query.upper():
+                exclude_terms.extend(get_alternative_meanings(ambiguous_term, domain_info.get('domain', '')))
+        
+        ddgs = DDGS()
+        results = []
+        search_results = ddgs.text(enhanced_query, max_results=8)
+        
+        for result in search_results:
+            content_lower = (result.get('title', '') + ' ' + result.get('body', '')).lower()
+            
+            # 檢查排除詞彙
+            if any(exclude_term.lower() in content_lower for exclude_term in exclude_terms):
+                continue
+            
+            # 檢查相關性
+            if domain_info.get('keywords'):
+                keyword_count = sum(1 for keyword in domain_info['keywords'] 
+                                  if keyword.lower() in content_lower)
+                if keyword_count == 0:
+                    continue
+            
+            results.append({
+                'title': result.get('title', ''),
+                'url': result.get('href', ''),
+                'snippet': result.get('body', ''),
+                'source': 'web_search'
+            })
+            
+            if len(results) >= 3:
+                break
+        
+        return results
+    except Exception as e:
+        print(f"智能網路搜尋失敗：{str(e)}")
+        return []
+
+def enhanced_web_search_with_content(query, num_results=3):
+    """進行智能網路搜尋並提取內容"""
+    global processed_data_store
+    
+    # 獲取豐富的教材上下文
+    material_context = ""
+    if processed_data_store:
+        if processed_data_store.get("materials"):
+            material_files = [material["filename"] for material in processed_data_store["materials"]]
+            material_context += f"檔案：{', '.join(material_files)}. "
+        
+        if processed_data_store.get("chunks"):
+            content_samples = []
+            for chunk in processed_data_store["chunks"][:3]:
+                content_sample = chunk["content"][:200]
+                content_samples.append(content_sample)
+            material_context += f"內容範例：{' '.join(content_samples)}"
+    
+    search_results = intelligent_web_search(query, material_context)
+    enhanced_results = []
+    
+    for result in search_results[:num_results]:
+        content = extract_web_content(result['url'])
+        if content:
+            result['content'] = content
+            enhanced_results.append(result)
+    
+    return enhanced_results
+
+# 檢查搜尋狀態變化
+def check_search_status_change(current_message, history, current_search_enabled):
+    """檢查是否為重複問題且搜尋狀態改變"""
+    if not history:
+        return False
+    
+    # 檢查最近的問題是否相同
+    for user_msg, bot_msg in reversed(history[-3:]):  # 檢查最近3輪對話
+        if user_msg and user_msg.strip().lower() == current_message.strip().lower():
+            # 檢查之前的回答是否包含網路搜尋結果
+            if bot_msg:
+                has_web_sources = "網路來源：" in bot_msg
+                # 如果之前有網路來源但現在沒啟用，或之前沒有但現在啟用了
+                if (has_web_sources and not current_search_enabled) or (not has_web_sources and current_search_enabled):
+                    return True
+    
+    return False
+
+# 修改：RAG 資料前處理主函數（新增摘要功能）
+def process_rag_data(material_files, transcript_content):
+    global processed_data_store
+    
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        
+        processed_data = {
+            "timestamp": datetime.now().isoformat(),
+            "materials": [],
+            "transcript": None,
+            "chunks": [],
+            "material_summary": "",
+            "transcript_summary": ""
+        }
+        
+        # 收集所有教材內容用於生成摘要
+        all_material_content = ""
+        
+        # 處理教材檔案
+        if material_files:
+            for file in material_files:
+                file_name = os.path.basename(file.name)
+                file_content = extract_document_content(file.name)
+                
+                if not file_content.startswith("錯誤") and not file_content.startswith("不支援"):
+                    all_material_content += f"\n\n檔案：{file_name}\n{file_content}"
+                    material_chunks = chunk_text(file_content)
+                    
+                    material_info = {
+                        "filename": file_name,
+                        "content": file_content,
+                        "chunks": len(material_chunks),
+                        "type": "material"
+                    }
+                    processed_data["materials"].append(material_info)
+                    
+                    for i, chunk in enumerate(material_chunks):
+                        embedding = generate_embedding(chunk, client)
+                        if embedding:
+                            processed_data["chunks"].append({
+                                "content": chunk,
+                                "source": file_name,
+                                "type": "material",
+                                "chunk_id": f"{file_name}_chunk_{i+1}",
+                                "embedding": embedding
+                            })
+        
+        # 生成教材摘要
+        if all_material_content.strip():
+            processed_data["material_summary"] = generate_summary(all_material_content, "教材")
+        
+        # 處理逐字稿
+        if transcript_content and transcript_content.strip():
+            transcript_chunks = chunk_text(transcript_content)
+            
+            processed_data["transcript"] = {
+                "content": transcript_content,
+                "chunks": len(transcript_chunks),
+                "type": "transcript"
+            }
+            
+            # 生成逐字稿摘要
+            processed_data["transcript_summary"] = generate_summary(transcript_content, "逐字稿")
+            
+            for i, chunk in enumerate(transcript_chunks):
+                embedding = generate_embedding(chunk, client)
+                if embedding:
+                    processed_data["chunks"].append({
+                        "content": chunk,
+                        "source": "錄音逐字稿",
+                        "type": "transcript",
+                        "chunk_id": f"transcript_chunk_{i+1}",
+                        "embedding": embedding
+                    })
+        
+        # 儲存到全域變數
+        processed_data_store = processed_data
+        
+        # 儲存處理結果到臨時檔案
+        with tempfile.NamedTemporaryFile(mode='w', delete=False, suffix=".json", encoding='utf-8') as temp_file:
+            json.dump(processed_data, temp_file, ensure_ascii=False, indent=2)
+            temp_file_path = temp_file.name
+        
+        # 生成處理報告
+        total_materials = len(processed_data["materials"])
+        total_chunks = len(processed_data["chunks"])
+        has_transcript = processed_data["transcript"] is not None
+        
+        report = f"""✅ RAG 資料前處理完成！
+
+📊 處理統計：
+• 教材檔案數量：{total_materials} 個
+• 逐字稿：{'已處理' if has_transcript else '無'}
+• 總文字塊數：{total_chunks} 個
+• 嵌入向量：已生成
+• 摘要：已生成
+
+📋 處理詳情："""
+        
+        if processed_data["materials"]:
+            report += "\n\n📚 教材檔案："
+            for material in processed_data["materials"]:
+                report += f"\n  • {material['filename']} ({material['chunks']} 個文字塊)"
+        
+        if has_transcript:
+            report += f"\n\n🎤 錄音逐字稿：{processed_data['transcript']['chunks']} 個文字塊"
+        
+        report += f"\n\n💾 資料已準備完成，可前往 AI ChatBot 頁面進行問答！"
+        
+        return report, temp_file_path, processed_data["material_summary"], processed_data["transcript_summary"]
+        
+    except Exception as e:
+        return f"❌ RAG 前處理失敗：{str(e)}", None, "", ""
+
+# 處理函數
+def handle_material_upload(files):
+    if not files:
+        return "尚未上傳任何教材檔案"
+    
+    uploaded_files = []
+    for file in files:
+        file_name = os.path.basename(file.name)
+        file_size = os.path.getsize(file.name) / (1024 * 1024)
+        uploaded_files.append(f"📄 {file_name} ({file_size:.2f} MB)")
+    
+    return f"已上傳 {len(files)} 個教材檔案：\n" + "\n".join(uploaded_files)
+
+def handle_audio_transcription(audio_file, language):
+    if not audio_file:
+        return "請先上傳錄音檔案", "", None, ""
+    
+    language_names = {
+        "zh": "中文", "en": "英文", "ja": "日文", "ko": "韓文",
+        "fr": "法文", "de": "德文", "es": "西班牙文"
+    }
+    
+    language_name = language_names.get(language, language)
+    result, temp_file = transcribe_audio(audio_file, language)
+    
+    if temp_file:
+        status_message = f"✅ 轉錄完成！使用語言：{language_name}"
+        # 生成逐字稿摘要
+        summary = generate_transcript_summary(result)
+        return status_message, result, temp_file, summary
+    else:
+        return result, "", None, ""
+
+def handle_rag_processing(material_files, transcript_content):
+    if not material_files and not transcript_content:
+        return "❌ 請先上傳教材檔案或完成錄音轉錄", None, "", ""
+    
+    return process_rag_data(material_files, transcript_content)
+
+# ChatBot 核心功能（保持不變）
+def search_relevant_chunks(query, top_k=5):
+    global processed_data_store
+    
+    if processed_data_store is None or not processed_data_store["chunks"]:
+        return []
+    
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        query_embedding = generate_embedding(query, client)
+        
+        if query_embedding is None:
+            return []
+        
+        similarities = []
+        for chunk in processed_data_store["chunks"]:
+            if "embedding" in chunk:
+                similarity = cosine_similarity(
+                    [query_embedding], 
+                    [chunk["embedding"]]
+                )[0][0]
+                similarities.append((chunk, similarity))
+        
+        similarities.sort(key=lambda x: x[1], reverse=True)
+        return [item[0] for item in similarities[:top_k]]
+        
+    except Exception as e:
+        print(f"搜尋相關內容失敗：{str(e)}")
+        return []
+
+def enhanced_chatbot_with_web_search(message, history, enable_web_search=False):
+    global processed_data_store
+    
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        
+        # 檢查是否為重複問題且搜尋狀態改變
+        search_status_changed = check_search_status_change(message, history, enable_web_search)
+        
+        # 準備對話歷史上下文
+        conversation_context = ""
+        if history:
+            recent_history = history[-3:] if len(history) > 3 else history
+            for user_msg, bot_msg in recent_history:
+                if user_msg and bot_msg:
+                    conversation_context += f"用戶：{user_msg}\n助理：{bot_msg}\n\n"
+        
+        # 1. 搜尋 RAG 資料
+        rag_chunks = search_relevant_chunks(message, top_k=5)
+        
+        # 2. 分析教材上下文
+        material_context = ""
+        if processed_data_store and processed_data_store.get("materials"):
+            material_files = [material["filename"] for material in processed_data_store["materials"]]
+            material_context = f"教材檔案：{', '.join(material_files)}"
+        
+        # 3. 智能網路搜尋（如果啟用）
+        web_results = []
+        if enable_web_search:
+            web_results = enhanced_web_search_with_content(message, num_results=3)
+        
+        # 4. 構建帶正確註腳的上下文
+        all_context_parts = []
+        footnotes = []
+        footnote_counter = 1
+        
+        # 處理 RAG 資料
+        if rag_chunks:
+            for chunk in rag_chunks:
+                footnote_ref = f"[{footnote_counter}]"
+                footnotes.append(f"[{footnote_counter}] 教材來源：{chunk['source']}")
+                all_context_parts.append(f"教材內容{footnote_ref}：{chunk['content']}")
+                footnote_counter += 1
+        
+        # 處理網路搜尋結果
+        if web_results:
+            for result in web_results:
+                footnote_ref = f"[{footnote_counter}]"
+                footnotes.append(f"[{footnote_counter}] 網路來源：{result['title']} - {result['url']}")
+                all_context_parts.append(f"網路內容{footnote_ref}：{result['content'][:800]}...")
+                footnote_counter += 1
+        
+        # 5. 根據可用資料決定回答策略
+        if all_context_parts:
+            all_context = "\n\n".join(all_context_parts)
+            
+            if rag_chunks:
+                # 構建系統提示詞，明確說明搜尋狀態
+                search_status_info = f"""
+當前搜尋設定：{'已啟用網路搜尋' if enable_web_search else '未啟用網路搜尋'}
+"""
+                
+                # 如果搜尋狀態改變，添加特別說明
+                status_change_instruction = ""
+                if search_status_changed:
+                    if enable_web_search:
+                        status_change_instruction = """
+重要：用戶剛剛啟用了網路搜尋功能，請提供包含網路搜尋結果的更全面回答，即使之前已經回答過類似問題。
+"""
+                    else:
+                        status_change_instruction = """
+重要：用戶剛剛關閉了網路搜尋功能，請僅基於教材內容回答，不要參考之前可能包含網路搜尋的回答。
+"""
+                
+                system_prompt = f"""你是一個智能學習助理。請根據提供的教材內容、逐字稿、網路搜尋結果以及對話歷史來回答用戶的問題。
+
+{search_status_info}
+{status_change_instruction}
+
+教材上下文：{material_context}
+
+對話歷史：
+{conversation_context}
+
+可用資料來源：
+{all_context}
+
+重要回答規則：
+1. **以教材為核心**：優先使用教材和逐字稿的內容作為回答基礎
+2. **正確使用註腳**：在回答中使用對應的註腳編號 [1], [2], [3] 等來標註具體的資料來源
+3. **教材優先原則**：當教材有相關內容時，必須以教材內容為主要回答依據
+4. **網路資料處理**：
+   - 如果啟用網路搜尋：網路搜尋結果用於補充教材中沒有的細節或例子
+   - 如果未啟用網路搜尋：僅使用教材和逐字稿內容，不要參考可能的網路資訊
+5. **避免歧義**：根據教材的領域和上下文來理解問題，不回答無關領域的內容
+6. **具體例子**：提供具體例子時，優先使用教材中的例子，再補充網路資料（如果啟用）
+7. **繁體中文回答**：使用繁體中文進行回答
+8. **保持連貫性**：結合對話歷史，但要根據當前的搜尋設定調整回答內容
+9. **重複問題處理**：如果是重複問題但搜尋設定改變，請提供符合當前設定的新回答
+
+註腳使用說明：
+- 每當引用特定資料來源時，必須在該句末尾加上對應的註腳編號
+- 如果一個句子引用多個來源，可以使用多個註腳 [1][2]
+- 確保註腳編號與實際提供的資料來源對應
+
+請根據以上原則回答用戶的問題，並正確使用註腳標註。"""
+            
+            else:
+                # 只有網路搜尋結果的情況
+                system_prompt = f"""你是一個智能學習助理。用戶的問題在教材中沒有找到相關內容，但有網路搜尋結果可供參考。
+
+當前搜尋設定：已啟用網路搜尋
+
+對話歷史：
+{conversation_context}
+
+網路搜尋資訊：
+{all_context}
+
+回答規則：
+1. 說明在教材中沒有找到相關資訊
+2. 基於網路搜尋結果提供有用的回答
+3. 正確使用註腳標註網路來源
+4. 結合對話歷史，保持對話的連貫性
+5. 用繁體中文回答
+
+請根據以上資訊回答用戶的問題。"""
+            
+            response = client.chat.completions.create(
+                model="gpt-4o",
+                messages=[
+                    {"role": "system", "content": system_prompt},
+                    {"role": "user", "content": message}
+                ],
+                temperature=0.7,
+                max_tokens=1500
+            )
+            
+            answer = response.choices[0].message.content
+            
+            # 添加搜尋狀態說明
+            search_status_note = f"\n\n🔍 **搜尋狀態：** {'已啟用網路搜尋' if enable_web_search else '僅使用教材資料'}"
+            
+            # 添加註腳列表
+            if footnotes:
+                footnote_section = "\n\n**參考資料：**\n" + "\n".join(footnotes)
+                return answer + search_status_note + footnote_section
+            else:
+                return answer + search_status_note
+        
+        else:
+            # 沒有任何資料來源的備用回答
+            system_prompt = f"""你是一個智能學習助理。用戶的問題在提供的教材中找不到相關內容，且未啟用網路搜尋或搜尋無結果。
+
+教材上下文：{material_context}
+
+對話歷史：
+{conversation_context}
+
+回答規則：
+1. 說明在用戶提供的教材中沒有找到相關資訊，且未進行網路搜尋
+2. 基於一般知識提供有用的回答，但要說明這不是基於用戶的教材
+3. 結合對話歷史，保持對話的連貫性
+4. 建議用戶可以啟用網路搜尋獲得更多資訊
+5. 用繁體中文回答
+
+請回答用戶的問題。"""
+            
+            response = client.chat.completions.create(
+                model="gpt-4o",
+                messages=[
+                    {"role": "system", "content": system_prompt},
+                    {"role": "user", "content": message}
+                ],
+                temperature=0.8,
+                max_tokens=1000
+            )
+            
+            answer = response.choices[0].message.content
+            
+            disclaimer = "\n\n💡 **說明：** 在您的教材中沒有找到相關資訊，且未啟用網路搜尋。以上回答基於一般知識提供。建議啟用「聯網搜尋」獲得更完整和最新的資訊。"
+            
+            return answer + disclaimer
+        
+    except Exception as e:
+        return f"抱歉，處理您的問題時發生錯誤：{str(e)}"
+
+# 修改：建立資料處理頁面（新增摘要欄位）
+def create_data_processing_interface():
+    with gr.Blocks(theme=gr.themes.Soft()) as data_demo:
+        gr.Markdown("# 🎓 AI 學習助理 - 資料處理")
+        gr.Markdown("上傳教材檔案和錄音檔，進行 RAG 前處理後可前往 ChatBot 頁面進行問答！")
+        
+        transcript_state = gr.State("")
+        
+        with gr.Row():
+            # 左側：教材上傳區域
+            with gr.Column(scale=1):
+                gr.Markdown("## 📚 ���材上傳區")
+                
+                material_files = gr.File(
+                    label="上傳教材檔案",
+                    file_count="multiple",
+                    file_types=[".pdf", ".docx", ".ppt", ".pptx"],
+                    height=200
+                )
+                
+                material_status = gr.Textbox(
+                    label="教材上傳狀態",
+                    value="尚未上傳任何教材檔案",
+                    interactive=False,
+                    lines=5
+                )
+                
+                material_files.change(
+                    fn=handle_material_upload,
+                    inputs=[material_files],
+                    outputs=[material_status]
+                )
+            
+            # 右側：錄音檔上傳與轉錄區域
+            with gr.Column(scale=1):
+                gr.Markdown("## 🎤 錄音檔轉錄區")
+                
+                audio_file = gr.File(
+                    label="上傳錄音檔案",
+                    file_types=[".wav", ".mp3"],
+                    height=100
+                )
+                
+                language = gr.Dropdown(
+                    label="選擇轉錄語言",
+                    choices=[
+                        ("中文", "zh"), ("英文", "en"), ("日文", "ja"), ("韓文", "ko"),
+                        ("法文", "fr"), ("德文", "de"), ("西班牙文", "es")
+                    ],
+                    value="zh",
+                    info="選擇錄音檔案的主要語言"
+                )
+                
+                transcribe_btn = gr.Button("🔄 開始轉錄", variant="primary", size="lg")
+                
+                transcription_status = gr.Textbox(
+                    label="轉錄狀態",
+                    value="請上傳錄音檔案並選擇語言後點擊轉錄按鈕",
+                    interactive=False,
+                    lines=2
+                )
+                
+                transcript_output = gr.Textbox(
+                    label="逐字稿內容",
+                    placeholder="轉錄完成後，逐字稿內容將顯示在這裡...",
+                    interactive=False,
+                    lines=6,
+                    max_lines=10
+                )
+                
+                # 新增：逐字稿摘要欄位
+                transcript_summary = gr.Textbox(
+                    label="📝 逐字稿摘要",
+                    placeholder="轉錄完成後，AI 將自動生成逐字稿摘要...",
+                    interactive=False,
+                    lines=4,
+                    max_lines=6
+                )
+                
+                download_file = gr.File(label="下載逐字稿", visible=False)
+                
+                def transcribe_and_show_download(audio_file, language):
+                    status, content, file_path, summary = handle_audio_transcription(audio_file, language)
+                    
+                    if file_path:
+                        return status, content, content, summary, gr.update(visible=True, value=file_path)
+                    else:
+                        return status, content, "", "", gr.update(visible=False, value=None)
+                
+                transcribe_btn.click(
+                    fn=transcribe_and_show_download,
+                    inputs=[audio_file, language],
+                    outputs=[transcription_status, transcript_output, transcript_state, transcript_summary, download_file]
+                )
+        
+        # RAG 資料前處理區域
+        with gr.Row():
+            with gr.Column():
+                gr.Markdown("## 🔄 RAG 資料前處理")
+                gr.Markdown("將上傳的教材和轉錄的逐字稿進行前處理，準備用於 AI ChatBot")
+                
+                with gr.Row():
+                    rag_process_btn = gr.Button(
+                        "🚀 開始 RAG 前處理",
+                        variant="secondary",
+                        size="lg",
+                        scale=2
+                    )
+                    
+                rag_status = gr.Textbox(
+                    label="RAG 處理狀態",
+                    value="準備就緒，點擊按鈕開始處理教材和逐字稿",
+                    interactive=False,
+                    lines=6
+                )
+                
+                # 新增：教材概述欄位
+                material_overview = gr.Textbox(
+                    label="📖 教材概述",
+                    placeholder="RAG 前處理完成後，AI 將自動生成教材概述...",
+                    interactive=False,
+                    lines=6,
+                    max_lines=8
+                )
+                
+                rag_download = gr.File(label="下載處理結果 (JSON)", visible=False)
+                
+                def process_and_show_result(material_files, transcript_content):
+                    status, file_path, material_summary, transcript_summary = handle_rag_processing(material_files, transcript_content)
+                    
+                    if file_path:
+                        return status, material_summary, gr.update(visible=True, value=file_path)
+                    else:
+                        return status, "", gr.update(visible=False, value=None)
+                
+                rag_process_btn.click(
+                    fn=process_and_show_result,
+                    inputs=[material_files, transcript_state],
+                    outputs=[rag_status, material_overview, rag_download]
+                )
+        
+        with gr.Row():
+            gr.Markdown("""
+            ### 📋 使用說明
+            - **教材檔案**：支援 PDF、DOCX、PPT、PPTX 格式
+            - **錄音檔案**：支援 WAV、MP3 格式，檔案大小限制 25MB
+            - **轉錄語言**：支援中文、英文、日文、韓文、法文、德文、西班牙文
+            - **智能摘要**：AI 會自動生成逐字稿摘要和教材概述
+            - **RAG 前處理**：將教材和逐字稿分塊處理並生成嵌入向量
+            - **完成處理後**：前往 **AI ChatBot** 頁面進行智能問答
+            """)
+    
+    return data_demo
+
+# 建立增強版 ChatBot 頁面（保持不變）
+def create_enhanced_chatbot_interface():
+    with gr.Blocks(theme=gr.themes.Soft()) as chatbot_demo:
+        gr.Markdown("# 🤖 AI ChatBot")
+        gr.Markdown("整合 RAG 資料和網路搜尋的智能學習助理，具備連貫對話能力")
+        
+        # 檢查資料狀態
+        def check_data_status():
+            global processed_data_store
+            if processed_data_store is None:
+                return "❌ 尚未處理任何資料，請先前往「資料處理」頁面上傳並處理教材或錄音檔"
+            else:
+                total_chunks = len(processed_data_store["chunks"])
+                materials_count = len(processed_data_store["materials"])
+                has_transcript = processed_data_store["transcript"] is not None
+                return f"✅ 資料已載入！共 {total_chunks} 個文字塊（{materials_count} 個教材檔案，{'含' if has_transcript else '不含'}逐字稿）"
+        
+        # 介面元件
+        data_status = gr.Textbox(
+            label="資料狀態",
+            value=check_data_status(),
+            interactive=False,
+            lines=2
+        )
+        
+        refresh_btn = gr.Button("🔄 重新檢查資料狀態", variant="secondary")
+        refresh_btn.click(fn=check_data_status, outputs=[data_status])
+        
+        # 網路搜尋開關
+        with gr.Row():
+            web_search_toggle = gr.Checkbox(
+                label="🌐 啟用聯網搜尋",
+                value=False,
+                info="啟用後會搜尋網路資料並整合到回答中（狀態變化會影響重複問題的回答）"
+            )
+        
+        # ChatBot 介面
+        chatbot = gr.Chatbot(
+            label="增強版 AI 學習助理",
+            height=500,
+            placeholder="請輸入您的問題，我會根據教材、逐字稿和網路搜尋（如啟用）來回答..."
+        )
+        
+        msg = gr.Textbox(
+            label="輸入問題",
+            placeholder="例如：這份教材的主要重點是什麼？或者：最新的相關發展有哪些？",
+            lines=2
+        )
+        
+        with gr.Row():
+            send_btn = gr.Button("💬 發送", variant="primary", scale=2)
+            clear_btn = gr.Button("🗑️ 清除對話", variant="secondary", scale=1)
+        
+        # 事件處理函數
+        def user_message(message, history):
+            if not message.strip():
+                return "", history
+            return "", history + [[message, None]]
+        
+        def bot_message(history, web_search_enabled):
+            if history and history[-1][1] is None:
+                user_msg = history[-1][0]
+                conversation_history = history[:-1]
+                bot_response = enhanced_chatbot_with_web_search(
+                    user_msg, 
+                    conversation_history, 
+                    enable_web_search=web_search_enabled
+                )
+                history[-1][1] = bot_response
+            return history
+        
+        # 綁定事件
+        msg.submit(
+            user_message, 
+            [msg, chatbot], 
+            [msg, chatbot], 
+            queue=False
+        ).then(
+            bot_message, 
+            [chatbot, web_search_toggle], 
+            chatbot
+        )
+        
+        send_btn.click(
+            user_message, 
+            [msg, chatbot], 
+            [msg, chatbot], 
+            queue=False
+        ).then(
+            bot_message, 
+            [chatbot, web_search_toggle], 
+            chatbot
+        )
+        
+        clear_btn.click(lambda: [], None, chatbot, queue=False)
+        
+        # 使用說明
+        with gr.Row():
+            gr.Markdown("""
+            ### 💡 功能特色
+            - **多重資料來源**：整合您的教材、逐字稿和網路搜尋結果
+            - **智能領域分析**：自動識別教材領域，進行相關搜尋
+            - **正確註腳標註**：清楚標明每個回答的資料來源和網址
+            - **連貫對話記憶**：記住對話歷史，支援連續問答
+            - **動態搜尋切換**：可隨時切換網路搜尋，重複問題會給出不同回答
+            - **教材優先策略**：以教材內容為核心，網路資料作補充
+            
+            ### 📝 使用建議
+            - **基礎問題**：關於教材內容的問題，可不啟用網路搜尋
+            - **延伸問題**：需要最新資訊或更多例子時，建議啟用網路搜尋
+            - **連續對話**：可以說「剛才你提到...」來參考之前的回答
+            - **搜尋切換**：同一問題可切換搜尋狀態獲得不同深度的回答
+            
+            ### 🔍 搜尋策略
+            - 🏠 **僅教材資料**：快速回答，基於您的專屬內容
+            - 🌐 **教材 + 網路搜尋**：全面回答，整合多重資料來源
+            - 📚 **智能註腳**：每個回答都會標明具體的資料來源
+            - 🎯 **領域相關**：自動過濾無關領域的搜尋結果
+            - 🔄 **狀態感知**：系統會檢測搜尋設定變化並調整回答
+            """)
+    
+    return chatbot_demo
+
+# 新增播客生成相關函數
+def generate_podcast_script(materials, transcript):
+    """生成播客文稿"""
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        
+        # 合併教材和逐字稿內容
+        combined_content = ""
+        material_titles = []
+        
+        if materials:
+            for material in materials:
+                material_titles.append(material['filename'])
+                combined_content += f"\n教材檔案：{material['filename']}\n{material['content']}\n"
+        
+        if transcript:
+            combined_content += f"\n錄音逐字稿：\n{transcript}\n"
+        
+        # 限制輸入長度避免超過 token 限制
+        content_for_prompt = combined_content[:6000]
+        
+        prompt = f"""請根據以下教材和逐字稿內容，撰寫一篇約1500字的播客節目文稿，目標播放時間約10分鐘。
+
+教材檔案：{', '.join(material_titles) if material_titles else '無'}
+是否包含逐字稿：{'是' if transcript else '否'}
+
+內容：
+{content_for_prompt}
+
+請按照以下格式撰寫播客文稿：
+
+1. **開場白**：簡潔有趣的開場，介紹本期主題
+2. **主要內容**：
+   - 將教材內容轉化為口語化、易懂的說明
+   - 適當加入提問和思考點
+   - 使用生活化的比喻和例子
+   - 保持邏輯清晰的結構
+3. **重點總結**：歸納核心概念和要點
+4. **結尾**：簡短的總結和下期預告
+
+要求：
+- 使用繁體中文
+- 語調親切自然，適合口語播報
+- 內容深入淺出，適合學習者理解
+- 約1500字，播放時間約10分鐘
+- 適當加入停頓提示（用...表示）
+
+請開始撰寫播客文稿："""
+
+        response = client.chat.completions.create(
+            model="gpt-4o",
+            messages=[{"role": "user", "content": prompt}],
+            temperature=0.7,
+            max_tokens=2000
+        )
+        
+        script = response.choices[0].message.content
+        return script
+        
+    except Exception as e:
+        return f"Podcast文稿生成失敗：{str(e)}"
+
+def generate_podcast_audio(script_text):
+    """將文稿轉換為音頻"""
+    try:
+        client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+        
+        # 使用 OpenAI TTS API
+        response = client.audio.speech.create(
+            model="gpt-4o-mini-tts",
+            voice="alloy",  # 可選：alloy, echo, fable, onyx, nova, shimmer
+            input=script_text,
+            speed=0.9  # 稍微放慢語速，適合學習
+        )
+        
+        # 儲存音頻到臨時檔案
+        with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as temp_audio:
+            temp_audio.write(response.content)
+            temp_audio_path = temp_audio.name
+        
+        return temp_audio_path
+        
+    except Exception as e:
+        print(f"音頻生成失敗：{str(e)}")
+        return None
+
+def estimate_reading_time(text):
+    """估算播放時間"""
+    # 中文平均每分鐘約150-200字
+    word_count = len(text)
+    estimated_minutes = word_count / 175  # 使用中間值
+    return word_count, estimated_minutes
+
+# 建立播客生成頁面
+def create_podcast_page():
+    with gr.Blocks(theme=gr.themes.Soft()) as podcast_demo:
+        gr.Markdown("# 🎙️ AI Podcast生成器")
+        gr.Markdown("根據您上傳的教材和錄音逐字稿生成約10分鐘的Podcast，包含文稿和音頻")
+        
+        # 檢查資料狀態
+        def check_podcast_data_status():
+            global processed_data_store
+            if processed_data_store is None:
+                return "❌ 尚未處理任何資料，請先前往「資料處理」頁面完成前處理"
+            else:
+                materials_count = len(processed_data_store["materials"])
+                has_transcript = processed_data_store["transcript"] is not None
+                return f"✅ 資料已準備！{materials_count} 個教材檔案，{'含' if has_transcript else '不含'}逐字稿"
+        
+        # 資料狀態顯示
+        data_status = gr.Textbox(
+            label="資料狀態",
+            value=check_podcast_data_status(),
+            interactive=False,
+            lines=2
+        )
+        
+        refresh_data_btn = gr.Button("🔄 重新檢查資料狀態", variant="secondary")
+        refresh_data_btn.click(fn=check_podcast_data_status, outputs=[data_status])
+        
+        with gr.Row():
+            # 左側：文稿生成
+            with gr.Column(scale=1):
+                gr.Markdown("## 📝 Podcast文稿生成")
+                
+                generate_script_btn = gr.Button(
+                    "🚀 生成文稿",
+                    variant="primary",
+                    size="lg"
+                )
+                
+                script_status = gr.Textbox(
+                    label="生成狀態",
+                    value="點擊按鈕開始生成文稿",
+                    interactive=False,
+                    lines=2
+                )
+                
+                podcast_script = gr.Textbox(
+                    label="文稿",
+                    placeholder="文稿將在這裡顯示...",
+                    interactive=True,  # 允許用戶編輯
+                    lines=15,
+                    max_lines=20
+                )
+                
+                script_info = gr.Textbox(
+                    label="文稿資訊",
+                    interactive=False,
+                    lines=2
+                )
+                
+                download_script = gr.File(label="下載文稿 (TXT)", visible=False)
+            
+            # 右側：音頻生成
+            with gr.Column(scale=1):
+                gr.Markdown("## 🎵 音頻生成")
+                
+                voice_selection = gr.Dropdown(
+                    label="選擇語音",
+                    choices=[
+                        ("Alloy - 中性聲音", "alloy"),
+                        ("Echo - 男性聲音", "echo"),
+                        ("Fable - 英式男性", "fable"),
+                        ("Onyx - 深沉男性", "onyx"),
+                        ("Nova - 年輕女性", "nova"),
+                        ("Shimmer - 溫和女性", "shimmer")
+                    ],
+                    value="alloy",
+                    info="選擇適合的聲音"
+                )
+                
+                speed_control = gr.Slider(
+                    label="播放速度",
+                    minimum=0.5,
+                    maximum=2.0,
+                    value=0.9,
+                    step=0.1,
+                    info="調整播放速度（0.9倍適合學習）"
+                )
+                
+                generate_audio_btn = gr.Button(
+                    "🎤 生成音頻",
+                    variant="secondary",
+                    size="lg"
+                )
+                
+                audio_status = gr.Textbox(
+                    label="音頻生成狀態",
+                    value="請先生成文稿，然後點擊生成音頻",
+                    interactive=False,
+                    lines=2
+                )
+                
+                podcast_audio = gr.Audio(
+                    label="播客音頻",
+                    visible=False
+                )
+                
+                download_audio = gr.File(label="下載音頻 (MP3)", visible=False)
+        
+        # 事件處理函數
+        def generate_script():
+            global processed_data_store
+            
+            if processed_data_store is None:
+                return "❌ 請先完成資料前處理", "", "", gr.update(visible=False)
+            
+            try:
+                materials = processed_data_store.get("materials", [])
+                transcript_content = ""
+                if processed_data_store.get("transcript"):
+                    transcript_content = processed_data_store["transcript"]["content"]
+                
+                if not materials and not transcript_content:
+                    return "❌ 沒有可用的教材或逐字稿內容", "", "", gr.update(visible=False)
+                
+                # 生成文稿
+                script = generate_podcast_script(materials, transcript_content)
+                
+                if script.startswith("播客文稿生成失敗"):
+                    return script, "", "", gr.update(visible=False)
+                
+                # 計算文稿資訊
+                word_count, estimated_time = estimate_reading_time(script)
+                info_text = f"字數：{word_count} 字 | 預估播放時間：{estimated_time:.1f} 分鐘"
+                
+                # 儲存文稿到檔案
+                with tempfile.NamedTemporaryFile(mode='w', delete=False, suffix=".txt", encoding='utf-8') as temp_file:
+                    temp_file.write(script)
+                    temp_file_path = temp_file.name
+                
+                return "✅ 播客文稿生成完成！", script, info_text, gr.update(visible=True, value=temp_file_path)
+                
+            except Exception as e:
+                return f"❌ 生成失敗：{str(e)}", "", "", gr.update(visible=False)
+        
+        def generate_audio(script, voice, speed):
+            if not script or not script.strip():
+                return "❌ 請先生成播客文稿", gr.update(visible=False), gr.update(visible=False)
+            
+            try:
+                client = openai.OpenAI(api_key=userdata.get('OPENAI_API_KEY'))
+                
+                # 生成音頻
+                response = client.audio.speech.create(
+                    model="gpt-4o-mini-tts",
+                    voice=voice,
+                    input=script,
+                    speed=speed
+                )
+                
+                # 儲存音頻
+                with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as temp_audio:
+                    temp_audio.write(response.content)
+                    temp_audio_path = temp_audio.name
+                
+                return "✅ 音頻生成完成！可以播放和下載", gr.update(visible=True, value=temp_audio_path), gr.update(visible=True, value=temp_audio_path)
+                
+            except Exception as e:
+                return f"❌ 音頻生成失敗：{str(e)}", gr.update(visible=False), gr.update(visible=False)
+        
+        # 綁定事件
+        generate_script_btn.click(
+            fn=generate_script,
+            outputs=[script_status, podcast_script, script_info, download_script]
+        )
+        
+        generate_audio_btn.click(
+            fn=generate_audio,
+            inputs=[podcast_script, voice_selection, speed_control],
+            outputs=[audio_status, podcast_audio, download_audio]
+        )
+        
+        # 使用說明
+        with gr.Row():
+            gr.Markdown("""
+            ### 📋 使用說明
+            - **資料準備**：確保已在「資料處理」頁面完成教材和逐字稿的前處理
+            - **文稿生成**：AI 會根據您的教材內容生成約1500字的播客文稿
+            - **文稿編輯**：生成後可以直接在文稿框中編輯內容
+            - **音頻生成**：選擇合適的聲音和速度，將文稿轉換為音頻
+            - **下載功能**：可分別下載文稿（TXT）和音頻（MP3）檔案
+            
+            ### 🎯 播客特色
+            - **口語化表達**：適合播客的自然語調和節奏
+            - **結構清晰**：包含開場、主要內容、總結和結尾
+            - **學習導向**：深入淺出，適合教育用途
+            - **時長適中**：約10分鐘，適合碎片化學習
+            """)
+    
+    return podcast_demo
+
+# 修改主應用建立函數，新增播客頁面
+def create_complete_app():
+    # 創建三個介面
+    data_interface = create_data_processing_interface()
+    enhanced_chatbot_interface = create_enhanced_chatbot_interface()
+    podcast_interface = create_podcast_page()
+    
+    # 使用 TabbedInterface 組合
+    demo = gr.TabbedInterface(
+        [data_interface, enhanced_chatbot_interface, podcast_interface],
+        ["📚 資料處理", "🤖 AI ChatBot", "🎙️ AI Podcast生成器"],
+        title="🎓 AI Learning Hub"
+    )
+    
+    return demo
+
+# 啟動應用程式
+if __name__ == "__main__":
+    app = create_complete_app()
+    app.launch(share=True, debug=True)