Update app.py

app.py

@@ -1,19 +1,19 @@
 import gradio as gr
 from transformers import AutoTokenizer, AutoModelForCausalLM
 import torch
+from urllib.parse import quote
 
 # --- 模型配置 (CPU TinyLlama) ---
-# 這部分保持不變
 MODEL_NAME = "TinyLlama/TinyLlama-1.1B-Chat-v1.0"
-print("Loading TinyLlama model and tokenizer...")
+print("正在載入 TinyLlama 模型與分詞器，請稍候...")
 model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
 tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
-print("TinyLlama model and tokenizer loaded.")
+print("模型與分詞器載入完成。")
 
-# --- 文字生成函數 ---
-# 這部分保持不變
-def generate_text(prompt, max_new_tokens, temperature, top_p):
-    print(f"Generating TinyLlama response for prompt: '{prompt}'")
+# --- 核心功能函數 ---
+
+def llm_generate(prompt, max_new_tokens=256, temperature=0.7, top_p=0.9):
+    """基礎的語言模型文字生成函數"""
     chat = [{"role": "user", "content": prompt}]
     formatted_prompt = tokenizer.apply_chat_template(chat, tokenize=False, add_generation_prompt=True)
     inputs = tokenizer(formatted_prompt, return_tensors="pt")
@@ -26,68 +26,85 @@ def generate_text(prompt, max_new_tokens, temperature, top_p):
             top_p=float(top_p),
             eos_token_id=tokenizer.eos_token_id
         )
-    # 修正解碼方式以只回傳模型生成的部分
     response = tokenizer.decode(outputs[0, inputs["input_ids"].shape[-1]:], skip_special_tokens=True)
-    print(f"Generated response: {response}")
     return response.strip()
 
-# --- 地圖生成函數 (回傳 Google 地圖網址) ---
-# 我們將修改此函數，使其回傳一個可點擊的連結，而不是試圖開啟新分頁
-def show_map(location_query):
-    """根據地點名稱生成一個 Google 地圖的 URL"""
+def get_map_link(location_query):
+    """根據地點名稱生成 Google 地圖的 URL"""
     if not location_query:
-        return "請輸入一個地點！"
+        return ""
     base_url = "https://www.google.com/maps/search/?api=1&query="
-    # 將地點名稱進行 URL 編碼，避免特殊字元問題
-    from urllib.parse import quote
     map_url = base_url + quote(location_query)
-    # 使用 Markdown 格式回傳一個可點擊的連結
     return f"點擊這裡查看 **{location_query}** 的地圖：\n[在 Google 地圖中開啟]({map_url})"
 
-# --- Gradio 介面 (修正版) ---
-# 使用 gr.Blocks 和 gr.Tabs 來建立介面
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# ✨ 多功能應用：文字生成與地圖顯示")
-    gr.Markdown("這個應用程式可以生成文字，也可以根據您輸入的地點顯示地圖。")
-
-    # 使用 gr.Tabs 建立分頁容器
-    with gr.Tabs():
-        # 第一個分頁：文字生成
-        with gr.TabItem("文字生成"):
-            gr.Markdown("## 使用 TinyLlama 生成文字")
-            with gr.Column():
-                prompt_input = gr.Textbox(
-                    label="您的提示詞",
-                    placeholder="例如：請用繁體中文解釋什麼是光合作用？"
-                )
-                with gr.Accordion("生成參數", open=False):
-                    max_new_tokens_slider = gr.Slider(minimum=50, maximum=512, value=256, step=1, label="最大生成 Token 數")
-                    temperature_slider = gr.Slider(minimum=0.1, maximum=1.0, value=0.7, step=0.05, label="溫度 (Temperature)")
-                    top_p_slider = gr.Slider(minimum=0.1, maximum=1.0, value=0.9, step=0.05, label="Top-P (Nucleus Sampling)")
-                generate_button = gr.Button("生成文字 ✨", variant="primary")
-                output_text = gr.Textbox(label="模型的回應", lines=10, interactive=False)
-
-        # 第二個分頁：顯示地圖
-        with gr.TabItem("顯示地圖"):
-            gr.Markdown("## 顯示指定地點的地圖")
-            location_input = gr.Textbox(
-                label="輸入地點名稱",
-                placeholder="例如：台北 101, New York Central Park, 東京鐵塔"
-            )
-            show_map_button = gr.Button("取得地圖連結 🗺️", variant="primary")
-            # 輸出元件改為 gr.Markdown 以便顯示可點擊的連結
+def unified_processor(query):
+    """
+    統一處理函數：接收使用者輸入，同時生成地點描述和地圖連結。
+    """
+    if not query:
+        return "請輸入一個地點或一段描述。", ""
+
+    print(f"正在處理查詢：'{query}'")
+
+    # 步驟 1: 讓模型生成關於這個地點的描述
+    description_prompt = f"請用繁體中文，生動地介紹一下「{query}」這個地方的特色、歷史或是有趣的景點。"
+    generated_description = llm_generate(description_prompt)
+
+    # 步驟 2: 產生該地點的地圖連結
+    map_link_markdown = get_map_link(query)
+
+    # 步驟 3: 讓模型推薦附近的景點
+    recommendation_prompt = f"我在「{query}」這個地方，請用條列的方式，推薦3個附近的必去景點或必吃美食。"
+    generated_recommendations = llm_generate(recommendation_prompt)
+
+    # 組合最終的文字輸出
+    final_text_output = (
+        f"### 關於「{query}」\n"
+        f"{generated_description}\n\n"
+        f"### 附近推薦\n"
+        f"{generated_recommendations}"
+    )
+
+    return final_text_output, map_link_markdown
+
+# --- Gradio 介面 (整合版) ---
+with gr.Blocks(theme=gr.themes.Default()) as demo:
+    gr.Markdown(
+        """
+        # 🗺️ AI 智慧導遊 ✨
+        輸入一個地點，AI 將為您生成生動的介紹、推薦附近景點，並附上地圖！
+        """
+    )
+
+    with gr.Row():
+        query_input = gr.Textbox(
+            label="請輸入地點名稱或描述",
+            placeholder="例如：九份老街、有著巨大玻璃金字塔的博物館..."
+        )
+
+    process_button = gr.Button("開始導覽 ✨", variant="primary")
+
+    with gr.Row():
+        with gr.Column(scale=2):
+            text_output = gr.Markdown(label="AI 導覽介紹")
+        with gr.Column(scale=1):
             map_output = gr.Markdown(label="地圖連結")
 
-    # 將元件的事件監聽器放在 gr.Tabs 之外
-    generate_button.click(
-        fn=generate_text,
-        inputs=[prompt_input, max_new_tokens_slider, temperature_slider, top_p_slider],
-        outputs=output_text
+    process_button.click(
+        fn=unified_processor,
+        inputs=query_input,
+        outputs=[text_output, map_output]
     )
-    show_map_button.click(
-        fn=show_map,
-        inputs=location_input,
-        outputs=map_output
+
+    gr.Examples(
+        examples=[
+            "東京迪士尼樂園",
+            "羅浮宮",
+            "台灣的阿里山",
+            "一個可以看到極光的玻璃屋飯店"
+        ],
+        inputs=query_input,
+        label="試試看這些例子"
     )
 
 # --- 啟動 Gradio 應用 ---