Upload app.py

app.py

@@ -23,13 +23,12 @@ install_missing_packages()
 
 # 現在導入其他依賴
 from langchain_community.embeddings.huggingface import HuggingFaceEmbeddings
-from langchain.vectorstores import FAISS
 from langchain.llms import HuggingFacePipeline
 from langchain.chains import RetrievalQA, LLMChain
 from langchain.prompts import PromptTemplate
 from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
 from langchain_community.vectorstores import FAISS
-from langchain_community.llms import HuggingFacePipeline
+
 
 # 其餘代碼保持不變...
 
@@ -159,7 +158,8 @@ def hybrid_qa(query, qa_chain, general_chain, confidence_threshold=0.7):
     try:
         kb_result = qa_chain({"query": query})
         # 檢查向量存儲的相似度分數，判斷是否有足夠相關的內容
-        if hasattr(kb_result, 'source_documents') and len(kb_result["source_documents"]) > 0:
+        #if hasattr(kb_result, 'source_documents') and len(kb_result["source_documents"]) > 0:
+        if hasattr(kb_result, 'source_documents') and kb_result.get("source_documents") and len(kb_result["source_documents"]) > 0:
             # 這裡假設我們能獲取到相似度分數，實際上可能需要根據您使用的向量存儲方法調整
             relevance = True  # 在實際應用中，這裡應根據相似度分數確定