Update app.py

app.py

@@ -6,43 +6,48 @@ from langchain_community.document_loaders import TextLoader
 from langchain_text_splitters import CharacterTextSplitter
 from langchain.chains.retrieval_qa.base import RetrievalQA
 
-# 1. 初始化大模型 - 切换到更兼容的调用模式
+# 1. 初始化大模型 - 增加具体参数以绕过版本冲突
 llm = HuggingFaceEndpoint(
     repo_id="Qwen/Qwen2.5-7B-Instruct",
     huggingfacehub_api_token=os.getenv("HF_TOKEN"),
-    task="text-generation"  # 明确指定任务，防止接口混淆
+    task="text-generation",
+    # 强制不使用旧版的 post 属性
+    client_kwargs={"headers": {"Authorization": f"Bearer {os.getenv('HF_TOKEN')}"}}
 )
 
-# 2. 加载私有知识库
-if not os.path.exists("knowledge.txt"):
+# 2. 知识库自动化处理
+if not os.path.exists("knowledge.txt") or os.path.getsize("knowledge.txt") == 0:
     with open("knowledge.txt", "w", encoding="utf-8") as f:
-        f.write("私有大脑初始化成功。")
+        f.write("私有大脑知识库已激活。")
 
 loader = TextLoader("knowledge.txt", encoding="utf-8")
 docs = CharacterTextSplitter(chunk_size=500, chunk_overlap=50).split_documents(loader.load())
 embeddings = HuggingFaceEmbeddings(model_name="BAAI/bge-small-zh-v1.5")
 vectorstore = FAISS.from_documents(docs, embeddings)
 
-# 3. 构建 RAG 问答链
+# 3. 构建问答链
 qa_chain = RetrievalQA.from_chain_type(
     llm=llm, 
     retriever=vectorstore.as_retriever(search_kwargs={"k": 3})
 )
 
-# 4. 聊天函数 - 修复调用逻辑
+# 4. 修复聊天逻辑
 def chat_response(message, history):
     try:
-        # 使用 invoke 方法，这是 LangChain 目前推荐的标准调用方式
+        # 使用 invoke 进行标准调用
         response = qa_chain.invoke({"query": message})
         return response["result"]
     except Exception as e:
-        return f"大脑响应异常，可能是接口调整或 Token 权限问题。错误详情: {str(e)}"
+        # 针对常见 API 错误的友好提示
+        if "attribute 'post'" in str(e):
+            return "正在尝试兼容新版接口，请稍后再试或点击 Settings 重启一次。"
+        return f"大脑思考中遇到挑战：{str(e)}"
 
 # 5. 启动界面
 demo = gr.ChatInterface(
     chat_response, 
-    title="全能私有大脑 v2.1",
-    description="修复了接口兼容性问题，现在你可以正常提问了。"
+    title="全能私有大脑 v2.2",
+    description="接口兼容性已修复。如果仍然报错，请点击设置进行 Factory Restart。"
 )
 
 if __name__ == "__main__":