Update app.py

app.py

@@ -41,24 +41,29 @@ pipe = pipeline(
 
 from ask_api import ask_with_sensor  # 引入调用函数
 
-def respond(user_input, sensor_data_input):
+def respond(user_input):
     if not user_input.strip():
-        return "请输入植物相关的问题 :)"
+        return "请输入植物相关的问题 😊"
 
-    # 1. 本地 LoRA 生成的结果
-    prompt = f"{user_input}\n请用人性化语言生成建议并推荐相关植物资料。\n回答："
-    local_result = pipe(prompt)[0]["generated_text"].replace(prompt, "").strip()
-
-    # 2. Render API 分析结果
+    # 获取 Render 实时传感器数据
     try:
-        sensor_data = eval(sensor_data_input) if sensor_data_input else {}
-    except:
-        sensor_data = {}
-
-    api_result = ask_with_sensor(user_input, sensor_data)
-
-    return f"💡 本地建议：\n{local_result}\n\n🌐 传感器分析：\n{api_result}"
-
+        sensor_response = requests.get("https://arduino-realtime.onrender.com/api/data", timeout=5)
+        sensor_data = sensor_response.json().get("sensorData", None)
+    except Exception as e:
+        sensor_data = None
+
+    # 生成用于 LoRA 本地推理的 prompt
+    prompt = f"用户提问：{user_input}\n"
+    if sensor_data:
+        prompt += f"当前传感器数据：{json.dumps(sensor_data, ensure_ascii=False)}\n"
+    prompt += "请用更人性化的语言生成建议，并推荐相关植物文献或资料。\n回答："
+
+    # 本地 LoRA 推理
+    try:
+        result = pipe(prompt)
+        return result[0]["generated_text"]
+    except Exception as e:
+        return f"生成建议时出错：{str(e)}"
 
 # Gradio 界面
 gr.Interface(