Update app.py

app.py

@@ -2,10 +2,9 @@ import gradio as gr
 import os
 from langchain.chains import ConversationalRetrievalChain
 from langchain.text_splitter import CharacterTextSplitter
-from langchain.document_loaders import PyPDFLoader, Docx2txtLoader, TextLoader
-from langchain.vectorstores import Chroma
-from langchain.embeddings.openai import OpenAIEmbeddings
-from langchain.llms import ChatOpenAI
+from langchain_community.document_loaders import PyPDFLoader, Docx2txtLoader, TextLoader
+from langchain_community.vectorstores import Chroma
+from langchain_openai import ChatOpenAI, OpenAIEmbeddings
 from dotenv import load_dotenv
 
 # 加載環境變量
@@ -22,7 +21,7 @@ openai_api_key = api_key
 
 # 將聊天歷史轉換為適合 LangChain 的二元組格式
 def transform_history_for_langchain(history):
-    return [(chat[0], chat[1]) for chat in history if chat[0]]
+    return [(chat[0], chat[1]) for chat in history if chat[0]]  # 使用整數索引來訪問元組中的元素
 
 # 將 Gradio 的歷史紀錄轉換為 OpenAI 格式
 def transform_history_for_openai(history):
@@ -67,7 +66,7 @@ if 'vectordb' not in globals():
 def handle_query(user_message, temperature, chat_history):
     try:
         if not user_message:
-            return chat_history
+            return chat_history  # 返回不變的聊天記錄
 
         # 使用 LangChain 的 ConversationalRetrievalChain 處理查詢
         preface = """
@@ -94,7 +93,7 @@ def handle_query(user_message, temperature, chat_history):
             return chat_history + [("系統", "抱歉，出現了一個錯誤。")]
 
         # 更新對話歷史中的 AI 回應
-        chat_history[-1] = (user_message, result["answer"])
+        chat_history[-1] = (user_message, result["answer"])  # 更新最後一個記錄，配對用戶輸入和 AI 回應
 
         return chat_history
 
@@ -116,14 +115,14 @@ with gr.Blocks() as demo:
 
     # 用戶輸入後立即顯示提問文字，不添加回應部分
     def user_input(user_message, history):
-        history.append((user_message, ""))
-        return history, history
+        history.append((user_message, ""))  # 顯示提問文字，回應部分為空字符串
+        return history, history  # 立即更新 chatbot 顯示
 
     # 處理 AI 回應，更新回應部分
     def bot_response(history):
-        user_message = history[-1][0]
-        history = handle_query(user_message, 0.7, history)
-        return history, history
+        user_message = history[-1][0]  # 獲取最新的用戶輸入
+        history = handle_query(user_message, 0.7, history)  # 調用處理函數
+        return history, history  # 返回更新後的聊天記錄
 
     # 先顯示提問文字，然後處理 AI 回應
     submit_btn.click(user_input, [txt, state], [chatbot, state], queue=False).then(
@@ -136,4 +135,4 @@ with gr.Blocks() as demo:
     )
 
 # 啟動 Gradio 應用
-demo.launch()
+demo.launch()