Update src/streamlit_app.py

src/streamlit_app.py

@@ -4,7 +4,7 @@ import requests
 import os
 
 # 0. 頁面配置與 CSS 注入（隱藏側邊欄捲軸）
-st.set_page_config(page_title="AI 新知小助手", page_icon="📚", layout="wide")
+st.set_page_config(page_title="CIE CIE TAIPEI 線上客服", page_icon="🍸", layout="wide")
 
 st.markdown(
     """
@@ -23,17 +23,18 @@ st.markdown(
         width: auto;
         padding: 5px 15px;
         border-radius: 20px;
+        border: 1px solid #D4AF37; /* 加入一點微奢華的金色邊框 */
     }
     
-    /* 🚀 3. 新增：極度壓縮頂部空白與兩側邊距，專為小視窗優化 */
+    /* 3. 極度壓縮頂部空白與兩側邊距，專為小視窗優化 */
     .block-container {
         padding-top: 1.5rem !important;
-        padding-bottom: 1rem !important;
+        padding-bottom: 5rem !important; /* 底部留白避免對話被輸入框蓋住 */
         padding-left: 1rem !important;
         padding-right: 1rem !important;
     }
     
-    /* 🚀 4. 新增：隱藏 Streamlit 預設的頂部裝飾與漢堡選單 */
+    /* 4. 隱藏 Streamlit 預設的頂部裝飾與漢堡選單 */
     header {
         visibility: hidden;
     }
@@ -51,37 +52,39 @@ if not api_key:
 genai.configure(api_key=api_key)
 
 # 1. 基礎設定與連結
-BASE_URL = "https://raw.githubusercontent.com/Deep-Learning-101/deep-learning-101.github.io/main/"
-LOGO_URL = f"{BASE_URL}images/DeepLearning101-LOGO.png"
-HOME_URL = "https://deep-learning-101.github.io"
+# ⚠️ 注意：這裡預設你把 md 檔放在 github 的 ai-knowledge 資料夾下。如果是放在根目錄，請把 ai-knowledge/ 刪除。
+MD_BASE_URL = "https://raw.githubusercontent.com/ciecietaipei/ciecietaipei.github.io/main/ai-knowledge/"
+# 從你們的 assets 資料夾抓取 Logo
+LOGO_URL = "https://raw.githubusercontent.com/ciecietaipei/ciecietaipei.github.io/main/assets/ciecie_logo_circle.png"
+HOME_URL = "https://ciecietaipei.github.io"
 
 KNOWLEDGE_MAP = {
-    "大型語言模型 (LLM)": {
-        "raw_url": f"{BASE_URL}Large-Language-Model.md",
-        "page_url": "https://deep-learning-101.github.io/Large-Language-Model",
-        "repo_url": "https://github.com/Deep-Learning-101/Natural-Language-Processing-Paper/blob/main/Large-Language-Model.md"
+    "🍸 原創調酒 (Cocktails)": {
+        "raw_url": f"{MD_BASE_URL}cocktails.md",
+        "page_url": f"{HOME_URL}/cocktails.html",
+        "repo_url": "https://github.com/ciecietaipei/ciecietaipei.github.io/blob/main/ai-knowledge/cocktails.md"
     },
-    "自然語言處理 (NLP)": {
-        "raw_url": f"{BASE_URL}Natural-Language-Processing.md",
-        "page_url": "https://deep-learning-101.github.io/Natural-Language-Processing",
-        "repo_url": "https://github.com/Deep-Learning-101/Natural-Language-Processing-Paper"
+    "🍷 經典酒水 (Drinks)": {
+        "raw_url": f"{MD_BASE_URL}drinks.md",
+        "page_url": f"{HOME_URL}/drinks.html",
+        "repo_url": "https://github.com/ciecietaipei/ciecietaipei.github.io/blob/main/ai-knowledge/drinks.md"
     },
-    "語音處理 (Speech)": {
-        "raw_url": f"{BASE_URL}Speech-Processing.md",
-        "page_url": "https://deep-learning-101.github.io/Speech-Processing",
-        "repo_url": "https://github.com/Deep-Learning-101/Speech-Processing-Paper"
+    "🍽️ 精緻餐點 (Foods)": {
+        "raw_url": f"{MD_BASE_URL}foods.md",
+        "page_url": f"{HOME_URL}/foods.html",
+        "repo_url": "https://github.com/ciecietaipei/ciecietaipei.github.io/blob/main/ai-knowledge/foods.md"
     },
-    "電腦視覺 (CV)": {
-        "raw_url": f"{BASE_URL}Computer-Vision.md",
-        "page_url": "https://deep-learning-101.github.io/Computer-Vision",
-        "repo_url": "https://github.com/Deep-Learning-101/Computer-Vision-Paper"
+    "🛋️ 空間環境 (Environment)": {
+        "raw_url": f"{MD_BASE_URL}environment.md",
+        "page_url": f"{HOME_URL}/environment.html",
+        "repo_url": "https://github.com/ciecietaipei/ciecietaipei.github.io/blob/main/ai-knowledge/environment.md"
     }
 }
 
 # 2. 批量抓取內容
 def fetch_all_knowledge():
     combined_knowledge = ""
-    with st.spinner("正在同步 GitHub 最新資訊..."):
+    with st.spinner("正在同步 CIE CIE 最新菜單與資訊..."):
         for category, info in KNOWLEDGE_MAP.items():
             try:
                 response = requests.get(info["raw_url"])
@@ -89,7 +92,7 @@ def fetch_all_knowledge():
                 combined_knowledge += f"\n\n## 【領域：{category}】\n"
                 combined_knowledge += response.text
             except Exception as e:
-                st.warning(f"無法同步 {category} 的資料：{e}")
+                st.warning(f"無法同步 {category} 的資料：請確認 GitHub 路徑是否正確。錯誤訊息：{e}")
     return combined_knowledge
 
 # 初始化 Session State
@@ -99,90 +102,89 @@ if "knowledge" not in st.session_state:
 if "messages" not in st.session_state:
     st.session_state.messages = []
 
-# 用於處理範例按鈕點擊的狀態
 if "example_prompt" not in st.session_state:
     st.session_state.example_prompt = None
 
 # 3. 側邊欄設計
 with st.sidebar:
-    st.markdown(f'<a href="{HOME_URL}" target="_blank"><img src="{LOGO_URL}" height="85%"></a>', unsafe_allow_html=True)
+    # 放入 CIE CIE 的圓形 Logo
+    st.markdown(f'<a href="{HOME_URL}" target="_blank"><img src="{LOGO_URL}" width="100%" style="border-radius:50%; margin-bottom:20px;"></a>', unsafe_allow_html=True)
     st.title("⚙️ 知識庫狀態")
     for category, info in KNOWLEDGE_MAP.items():
         with st.expander(category):
             st.markdown(f"🔗 [瀏覽網頁]({info['page_url']})")
             st.markdown(f"📂 [GitHub 原始碼]({info['repo_url']})")
     st.markdown("---")
-    if st.button("🔄 手動更新知識庫"):
+    if st.button("🔄 手動更新菜單資訊"):
         st.session_state.knowledge = fetch_all_knowledge()
         st.success("資料已重新抓取！")
 
 # 4. 主介面與範例問句
-st.title("📚 Deep Learning 101 小助手")
-st.caption("知識庫涵蓋 Deep Learning 101 github repo/pages 上 LLM、NLP、Speech、CV 的新資訊。歡迎直接提問！歡迎自行 fork，避免超過免費API額度")
+st.title("🍸 CIE CIE 線上微醺客服")
+st.caption("關於酒單、餐點、環境或訂位規範，歡迎直接詢問小助手！")
 
-# 顯示範例問句按鈕
+# 顯示專屬範例問句按鈕
 example_cols = st.columns(3)
 examples = [
-    "🤖 總結 LLM 的最近一個月內的新趨勢",
-    "🗣️ 語音處理近三個月內有哪些新技術？",
-    "👁️ CV 領域最新的懶人包重點"
+    "🍸 推薦一杯適合約會的花果調酒？",
+    "🍽️ 肚子有點餓，有推薦的熱食嗎？",
+    "📍 請問週末營業到幾點？低消是多少？"
 ]
 
 for col, ex in zip(example_cols, examples):
     if col.button(ex):
         st.session_state.example_prompt = ex
 
-# 5. 模型回覆邏輯（含額度限制處理）
+# 5. 模型回覆邏輯（設定專屬酒吧人設）
 def get_gemini_response(user_input):
     system_instruction = f"""
-    你是一位專業的 AI 技術分析專家。
-    以下是從 GitHub 同步的技術資訊：
+    你現在是位於台北市大安區信義安和的微醺酒吧『CIE CIE TAIPEI』的專業線上客服小助手。
+    你的說話風格熱情、有質感且帶有一點輕鬆微醺的氛圍。
+    
+    以下是從官方網站最新同步的資訊（包含原創調酒、經典酒水、精緻餐點、環境與規範）：
     ---
     {st.session_state.knowledge}
     ---
-    請嚴格基於上述提供的資訊來回答問題。
+    請嚴格基於上述提供的資訊來回答客人的問題。
+    如果客人問了菜單上沒有的品項，或超出了上述資訊範圍，請禮貌地告知：「目前小助手手邊沒有這項資訊，建議您直接私訊我們的 IG 或是現場詢問調酒師喔！」
     """
     try:
+        # 建議使用 1.5-flash，反應速度最快且對文本理解極佳
         model = genai.GenerativeModel(
-            model_name="gemini-flash-lite-latest",
+            model_name="gemini-1.5-flash-latest",
             system_instruction=system_instruction
         )
         chat = model.start_chat(history=[])
         response = chat.send_message(user_input)
         return response.text
     except Exception as e:
-        # 捕捉 API 額度滿了 (429) 或其他錯誤
         error_msg = str(e)
         if "429" in error_msg or "quota" in error_msg.lower():
-            return "⚠️ **系統提示：API 使用額度已達上限**\n\n由於目前使用人數較多，Google AI Studio 的免費額度已暫時耗盡。請稍等幾分鐘後再試，或聯絡管理員更新 API Key。"
+            return "⚠️ **系統提示：**\n\n目前詢問人數較多，小助手稍微忙不過來了！請您稍等幾分鐘後再試喔！"
         else:
             return f"❌ **發生預期外錯誤**\n\n訊息：{error_msg}"
 
 # 6. 對話邏輯
-# 判斷是否有範例按鈕被點擊，或是使用者自行輸入
-prompt = st.chat_input("想瞭解哪方面的技術？")
+prompt = st.chat_input("想喝點什麼？或是想了解什麼資訊呢？")
 
 if st.session_state.example_prompt:
     prompt = st.session_state.example_prompt
-    st.session_state.example_prompt = None  # 用完即清空
+    st.session_state.example_prompt = None
 
 if prompt:
     st.session_state.messages.append({"role": "user", "content": prompt})
     
-    # 顯示所有歷史訊息
     for message in st.session_state.messages:
         with st.chat_message(message["role"]):
             st.markdown(message["content"])
 
-    # 產生新回覆
     with st.chat_message("assistant"):
         response_text = get_gemini_response(prompt)
         st.markdown(response_text)
     
     st.session_state.messages.append({"role": "assistant", "content": response_text})
-    st.rerun()  # 強制重新整理以保持對話流暢
+    st.rerun()
 else:
-    # 僅在沒有新輸入時顯示歷史訊息
     for message in st.session_state.messages:
         with st.chat_message(message["role"]):
             st.markdown(message["content"])