Update app.py

app.py

@@ -2,51 +2,50 @@ import os
 import gradio as gr
 import spaces
 from huggingface_hub import InferenceClient
-from iopath.common.file_io import HTTPURLFile # 用于处理文件流
 
 # 1. 密钥与客户端初始化
 hf_token = os.getenv("HF_TOKEN")
 client = InferenceClient("deepseek-ai/DeepSeek-R1-Distill-Qwen-32B", token=hf_token)
 
-# 2. 文件读取辅助函数 (处理 PDF 和 TXT)
-def extract_text(file):
-    if file is None:
-        return ""
-    try:
-        # 如果是 PDF，这里建议配合 PyMuPDF，但为了保持环境简单，先支持纯文本读取
-        with open(file.name, "r", encoding="utf-8") as f:
-            return f.read()
-    except:
-        return "[文件解析失败，请确保上传的是 UTF-8 编码的文本文件]"
-
+# 2. 定义核心推理逻辑
 @spaces.GPU
 def chat_fn(message, history):
-    # 处理上传的文件内容
+    # 获取上传的文件列表
     files = message.get("files", [])
     text_content = ""
+    
+    # 如果有上传文件，读取第一个文件的内容
     if files:
-        # 读取第一个文件的内容并拼接到用户消息中
-        text_content = extract_text(files[0])
-        prompt = f"参考文件内容：\n{text_content}\n\n用户指令：{message['text']}"
+        try:
+            # 使用 Python 原生方式读取文本
+            with open(files[0], "r", encoding="utf-8") as f:
+                text_content = f.read()
+            user_input = f"【参考文件内容】:\n{text_content}\n\n【用户指令】: {message['text']}"
+        except Exception as e:
+            user_input = f"{message['text']} (文件读取失败: {str(e)})"
     else:
-        prompt = message['text']
+        user_input = message['text']
 
-    # 构建对话上下文
+    # 构建对话历史
     messages = []
     for turn in history:
-        messages.append({"role": "user", "content": turn[0]})
-        messages.append({"role": "assistant", "content": turn[1]})
+        # 兼容 Gradio 5.x 的消息字典格式
+        if isinstance(turn, dict):
+            messages.append({"role": turn["role"], "content": turn["content"]})
+        elif isinstance(turn, (list, tuple)) and len(turn) >= 2:
+            messages.append({"role": "user", "content": turn[0]})
+            messages.append({"role": "assistant", "content": turn[1]})
     
-    messages.append({"role": "user", "content": prompt})
+    messages.append({"role": "user", "content": user_input})
     
     response = ""
     try:
-        # 设置最大上下文支持：尝试推向 32k 左右的 Token 长度
+        # 尝试推向 32k 级别的上下文
         for msg in client.chat_completion(
             messages,
-            max_tokens=8192, # 单次回复长度
+            max_tokens=4096, 
             stream=True,
-            temperature=0.6 # 保持推理的严谨性
+            temperature=0.6
         ):
             if len(msg.choices) > 0:
                 token = msg.choices[0].delta.content
@@ -54,23 +53,22 @@ def chat_fn(message, history):
                     response += token
                     yield response
     except Exception as e:
-        yield f"⚠️ 算力调度异常: {str(e)}"
+        yield f"⚠️ OpenIPOS 算力调度异常: {str(e)}"
 
 # 3. 构建 OpenIPOS 通用算力界面
 with gr.Blocks(fill_height=True, theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🚀 OpenIPOS Global 通用算力节点")
     gr.Markdown("### DeepSeek-R1 32B 满血推理引擎")
-    gr.Markdown("本节点提供大规模、高逻辑密度的通用计算服务。支持文件上传分析及超长上下文理解。")
+    gr.Markdown("本节点提供**大规模、高逻辑密度**的通用计算服务。支持 `.txt`, `.md`, `.py` 等文本文件上传分析。")
     
-    # 开启多模态（支持上传文件）
+    # 开启多模态输入（左侧会出现 + 号）
     gr.ChatInterface(
         chat_fn,
-        multimodal=True, 
-        textbox=gr.MultimodalTextbox(file_types=[".txt", ".md", ".py"], placeholder="输入消息或上传文件..."),
-        examples=[{"text": "总结这份文件的核心逻辑", "files": []}],
+        multimodal=True,
+        type="messages", # 显式声明消息格式
     )
 
     gr.Markdown("---")
-    gr.Markdown("© 2026 OpenIPOS Global Limited. 算力驱动：Hugging Face ZeroGPU | 上下文支持：最高 32K Token")
+    gr.Markdown("© 2026 OpenIPOS Global Limited. 算力驱动：Hugging Face ZeroGPU | 上下文支持：测试峰值 32K Token")
 
 demo.launch()