Update app.py

app.py

@@ -1,117 +1,117 @@
-import gradio as gr
-from utils.embedding import ChatEmbedder
-from utils.retrieval import ChatQABot
-import json
-
-class ChatAnalyzerApp:
-    def __init__(self):
-        self.embedder = ChatEmbedder()
-        self.qa_bot = ChatQABot()
-        self.setup_data()
-    
-    def setup_data(self):
-        """初始化数据和索引"""
-        try:
-            count = self.embedder.load_chat_data('chat_log.json')
-            index_size = self.embedder.build_index()
-            print(f"✓ 加载了 {count} 条聊天记录，构建了 {index_size} 维索引")
-            return True
-        except Exception as e:
-            print(f"× 数据加载失败: {e}")
-            return False
-    
-    def query_chat(self, question: str, top_k: int = 3):
-        """处理查询"""
-        # 1. 检索相关文档
-        results = self.embedder.search(question, top_k)
-        
-        if not results:
-            return "未找到相关聊天记录。", ""
-        
-        # 2. 组合检索到的上下文
-        context = "\n".join([f"{i+1}. {r['content']} (相关度: {r['score']:.3f})" 
-                           for i, r in enumerate(results)])
-        
-        # 3. 生成答案
-        answer = self.qa_bot.generate_answer(question, context)
-        
-        return answer, context
-
-def main():
-    app = ChatAnalyzerApp()
-    
-    if not app.setup_data():
-        return
-    
-    # 创建Gradio界面
-    with gr.Blocks(title="群聊记录分析助手", theme=gr.themes.Soft()) as demo:
-        gr.Markdown("# 📱 群聊记录分析与问答系统")
-        gr.Markdown("基于RAG技术，智能分析群聊记录并回答问题")
-        
-        with gr.Row():
-            with gr.Column(scale=2):
-                question_input = gr.Textbox(
-                    label="输入您的问题",
-                    placeholder="例如：关于新版UI设计，最终的结论是什么？",
-                    lines=2
-                )
-                
-                top_k_slider = gr.Slider(
-                    minimum=1,
-                    maximum=5,
-                    value=3,
-                    step=1,
-                    label="检索结果数量"
-                )
-                
-                submit_btn = gr.Button("🔍 搜索", variant="primary")
-            
-            with gr.Column(scale=3):
-                answer_output = gr.Textbox(
-                    label="答案",
-                    lines=4,
-                    interactive=False
-                )
-                
-                context_output = gr.Textbox(
-                    label="检索到的相关聊天记录",
-                    lines=6,
-                    interactive=False
-                )
-        
-        # 示例问题
-        examples = gr.Examples(
-            examples=[
-                "关于新版UI设计，最终的结论是什么？",
-                "谁负责联系市场部？",
-                "市场部的联系方式是什么？",
-                "讨论过哪些设计方案？"
-            ],
-            inputs=[question_input]
-        )
-        
-        gr.Markdown("### 功能说明")
-        gr.Markdown("""
-        1. 系统基于模拟的飞书/企微群聊记录构建知识库
-        2. 使用中文嵌入模型检索相关聊天片段
-        3. 使用大语言模型生成准确答案
-        4. 支持调整检索结果数量以优化答案质量
-        """)
-        
-        # 绑定事件
-        submit_btn.click(
-            fn=app.query_chat,
-            inputs=[question_input, top_k_slider],
-            outputs=[answer_output, context_output]
-        )
-        
-        question_input.submit(
-            fn=app.query_chat,
-            inputs=[question_input, top_k_slider],
-            outputs=[answer_output, context_output]
-        )
-    
-    demo.launch(server_name="0.0.0.0", server_port=7860, share=False)
-
-if __name__ == "__main__":
+import gradio as gr
+from utils.embedding import ChatEmbedder
+from utils.retrieval import ChatQABot
+import json
+
+class ChatAnalyzerApp:
+    def __init__(self):
+        self.embedder = ChatEmbedder()
+        self.qa_bot = ChatQABot()
+        self.setup_data()
+    
+    def setup_data(self):
+        """初始化数据和索引"""
+        try:
+            count = self.embedder.load_chat_data('chat_log.json')
+            index_size = self.embedder.build_index()
+            print(f"✓ 加载了 {count} 条聊天记录，构建了 {index_size} 维索引")
+            return True
+        except Exception as e:
+            print(f"× 数据加载失败: {e}")
+            return False
+    
+    def query_chat(self, question: str, top_k: int = 3):
+        """处理查询"""
+        # 1. 检索相关文档
+        results = self.embedder.search(question, top_k)
+        
+        if not results:
+            return "未找到相关聊天记录。", ""
+        
+        # 2. 组合检索到的上下文
+        context = "\n".join([f"{i+1}. {r['content']} (相关度: {r['score']:.3f})" 
+                           for i, r in enumerate(results)])
+        
+        # 3. 生成答案
+        answer = self.qa_bot.generate_answer(question, context)
+        
+        return answer, context
+
+def main():
+    app = ChatAnalyzerApp()
+    
+    if not app.setup_data():
+        return
+    
+    # 创建Gradio界面
+    with gr.Blocks(title="群聊记录分析助手", theme=gr.themes.Soft()) as demo:
+        gr.Markdown("# 📱 群聊记录分析与问答系统")
+        gr.Markdown("基于RAG技术，智能分析群聊记录并回答问题")
+        
+        with gr.Row():
+            with gr.Column(scale=2):
+                question_input = gr.Textbox(
+                    label="输入您的问题",
+                    placeholder="例如：关于新版UI设计，最终的结论是什么？",
+                    lines=2
+                )
+                
+                top_k_slider = gr.Slider(
+                    minimum=1,
+                    maximum=5,
+                    value=3,
+                    step=1,
+                    label="检索结果数量"
+                )
+                
+                submit_btn = gr.Button("🔍 搜索", variant="primary")
+            
+            with gr.Column(scale=3):
+                answer_output = gr.Textbox(
+                    label="答案",
+                    lines=4,
+                    interactive=False
+                )
+                
+                context_output = gr.Textbox(
+                    label="检索到的相关聊天记录",
+                    lines=6,
+                    interactive=False
+                )
+        
+        # 示例问题
+        examples = gr.Examples(
+            examples=[
+                "关于新版UI设计，最终的结论是什么？",
+                "谁负责联系市场部？",
+                "市场部的联系方式是什么？",
+                "讨论过哪些设计方案？"
+            ],
+            inputs=[question_input]
+        )
+        
+        gr.Markdown("### 功能说明")
+        gr.Markdown("""
+        1. 系统基于模拟的飞书/企微群聊记录构建知识库
+        2. 使用中文嵌入模型检索相关聊天片段
+        3. 使用大语言模型生成准确答案
+        4. 支持调整检索结果数量以优化答案质量
+        """)
+        
+        # 绑定事件
+        submit_btn.click(
+            fn=app.query_chat,
+            inputs=[question_input, top_k_slider],
+            outputs=[answer_output, context_output]
+        )
+        
+        question_input.submit(
+            fn=app.query_chat,
+            inputs=[question_input, top_k_slider],
+            outputs=[answer_output, context_output]
+        )
+    
+    demo.launch()
+
+if __name__ == "__main__":
     main()