Update app.py

app.py

@@ -4,38 +4,46 @@ from langchain_huggingface import HuggingFaceEndpoint, HuggingFaceEmbeddings
 from langchain_community.vectorstores import FAISS
 from langchain_community.document_loaders import TextLoader
 from langchain_text_splitters import CharacterTextSplitter
-# 核心修正：使用新的导入路径
 from langchain.chains.retrieval_qa.base import RetrievalQA
 
-# 1. 初始化引擎
+# 1. 初始化大模型 - 切换到更兼容的调用模式
 llm = HuggingFaceEndpoint(
     repo_id="Qwen/Qwen2.5-7B-Instruct",
-    huggingfacehub_api_token=os.getenv("HF_TOKEN")
+    huggingfacehub_api_token=os.getenv("HF_TOKEN"),
+    task="text-generation"  # 明确指定任务，防止接口混淆
 )
 
-# 2. 检查并加载知识库
+# 2. 加载私有知识库
 if not os.path.exists("knowledge.txt"):
     with open("knowledge.txt", "w", encoding="utf-8") as f:
-        f.write("私有大脑已上线。")
+        f.write("私有大脑初始化成功。")
 
 loader = TextLoader("knowledge.txt", encoding="utf-8")
 docs = CharacterTextSplitter(chunk_size=500, chunk_overlap=50).split_documents(loader.load())
-# 使用中文友化的向量模型
 embeddings = HuggingFaceEmbeddings(model_name="BAAI/bge-small-zh-v1.5")
 vectorstore = FAISS.from_documents(docs, embeddings)
 
-# 3. 创建问答链条
+# 3. 构建 RAG 问答链
 qa_chain = RetrievalQA.from_chain_type(
     llm=llm, 
     retriever=vectorstore.as_retriever(search_kwargs={"k": 3})
 )
 
-# 4. 聊天函数
-def chat(message, history):
+# 4. 聊天函数 - 修复调用逻辑
+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
         response = qa_chain.invoke({"query": message})
         return response["result"]
     except Exception as e:
-        return f"大脑响应异常，请检查 Token。错误原因: {str(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)}"
 
-gr.ChatInterface(chat, title="全能私有大脑 v2.0").launch()
+# 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。"
+)
+
+if __name__ == "__main__":
+    demo.launch()