Update app.py

app.py

@@ -6,6 +6,9 @@ import pandas as pd
 import requests
 from huggingface_hub import hf_hub_download
 
+# **📌 LLM 服务器地址（修改为你的 LLM Space 地址）**
+LLM_API_URL = "https://your-llm-space.gradio.app"  # 替换为 LLM 服务器地址
+
 # **📌 先运行 `preprocess.py` 处理数据**
 if not os.path.exists("processed_data.csv"):
     print("📌 运行 `preprocess.py` 进行数据处理...")
@@ -24,22 +27,32 @@ model = xgb.XGBRegressor()
 model.load_model(model_path)
 
 # **📌 调用 LLM API 解析用户输入**
-LLM_API_URL = "https://your-llm-space.gradio.app"  # 替换为 LLM 服务器地址
-
 def get_prediction_from_llm(user_input):
-    # 调用 LLM 提取预测所需的特征
-    response = requests.post(LLM_API_URL + "/api/predict", json={"input": user_input})
-    llm_output = response.json().get("prediction", "")
+    try:
+        # 发送请求到 LLM API
+        response = requests.post(LLM_API_URL + "/api/predict", json={"input": user_input})
 
-    # 解析 LLM 输出（示例解析）
+        # **确保返回 JSON**
+        if response.status_code == 200:
+            try:
+                llm_output = response.json().get("prediction", "")
+            except requests.exceptions.JSONDecodeError:
+                return "❌ LLM 服务器返回了无效的 JSON 数据，请检查 LLM Space 是否正常运行。"
+        else:
+            return f"❌ LLM 服务器错误，状态码: {response.status_code}"
+
+    except requests.exceptions.ConnectionError:
+        return "❌ 无法连接到 LLM 服务器，请确保 LLM Space 正在运行。"
+
+    # **📌 解析 LLM 输出**
     year, period = 2025, 16
     nums = [5, 12, 23, 34, 45, 56]
     special = 7
 
-    # **📌 预测**
+    # **📌 进行 XGBoost 预测**
     prediction = predict_lottery(year, period, *nums, special)
-    
-    return f"预测的号码是: {prediction}\n\n模型解析的特征：{llm_output}"
+
+    return f"📊 预测的号码是: {prediction}\n\n📢 LLM 解析的特征：{llm_output}"
 
 # **📌 预测函数**
 def predict_lottery(year, period, num1, num2, num3, num4, num5, num6, special):