Update app.py

app.py

@@ -53,12 +53,12 @@ with torch.no_grad():
 
 # ========== 4. （可選）小型 LLM 作 fallback ==========
 # 若 Space 免費 CPU 撐不住，可以先註解掉這段，或回傳簡單文字
-llm_name = "google/gemma-2b-it"
+llm_name = "microsoft/phi-2"
 tokenizer = AutoTokenizer.from_pretrained(llm_name)
 llm_model = AutoModelForCausalLM.from_pretrained(llm_name)
 
 def llm_fallback(query: str) -> str:
-    prompt = f"你是一位台灣垃圾分類助理，請用簡單中文回答以下問題，並遵守台灣常見垃圾分類規則：{query}"
+    prompt = f"你是一位垃圾分類助理，請用簡單中文回答以下問題，並遵守常見垃圾分類規則：{query}"
     inputs = tokenizer(prompt, return_tensors="pt")
     outputs = llm_model.generate(**inputs, max_new_tokens=120)
     return tokenizer.decode(outputs[0], skip_special_tokens=True)
@@ -180,7 +180,7 @@ demo = gr.Interface(
     outputs=gr.Markdown(),
     title="台南垃圾分類智慧助理（CLIP + 271 類回收資料）",
     description=(
-        "● 上傳圖片，我會幫你猜這是什麼，並從 271 項回收資料中找最接近的物品，提供回收方式。\n"
+        "● 上傳圖片，我會幫你猜這是什麼，並從回收資料中找最接近的物品，提供回收方式。\n"
         "● 可以同時輸入文字，例如「這個要怎麼回收？」或「這個是可回收嗎？」\n"
         "● 也可以只輸入文字，查詢常見的垃圾分類 / 回收問答。\n"
     )