app.py

import gradio as gr
import requests
import json

GEMINI_API_KEY = "AIzaSyAZ3WSpx_o53zpmhIJRzR0JMsiBOTnttbg"
API_URL = f"https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent?key={GEMINI_API_KEY}"


INTRO_TEXT = """
<div style='border:3px solid #2e8baf; border-radius:20px; padding:25px; background-color:#e6f3f9;'>
  <div style='background-color:#ffffff; border-radius:12px; padding:15px;'>
    <h1 style='color:#1c5179; font-size:30px; text-align:center; margin:0;'>氫鬆聊 - 專屬於您的健康諮詢夥伴</h1>
  </div>
  <p style='font-size:16px; color:#1c5179; margin-top:15px;'>本聊天機器人專為探討「氫分子 營養補充」搭配 <b style="color:#1c5179;">主流醫學</b> 、<b style="color:#1c5179;">臨床場景</b> 與 <b style="color:#1c5179;">健康保養</b> 的應用而設計。</p>
  <p style='font-size:16px; color:#1c5179;'>我們致力於透過「氫分子 營養補充」，完成正規的臨床試驗、醫療期刊發表、查驗登記，來輔助主流醫學、幫助病人。</p>
</div>
"""



def call_gemini(message):
    headers = {"Content-Type": "application/json"}
    prompt = f"你是「氫分子 營養補充食品」諮詢機器人，專門協助分析網路上有佐證的的醫學資訊，要讓大家與你一起，享受生命奮鬥的美好。請根據含氫珊瑚鈣粉(Hydrogen-Rich Coral Calcium)健康膠囊的特性，提供關於以下情境的臨床支持建議。\n\n情境：{message}\n\n請使用自然語言醫學知識回答。必須基於實證不可以隨意編造 長話短說"
    data = {
        "contents": [
            {
                "parts": [{"text": prompt}]
            }
        ]
    }
    response = requests.post(API_URL, headers=headers, data=json.dumps(data))
    if response.status_code == 200:
        try:
            return response.json()['candidates'][0]['content']['parts'][0]['text']
        except Exception as e:
            return f"[錯誤解析回應]: {str(e)}"
    else:
        return f"[API 錯誤 {response.status_code}]: {response.text}"

with gr.Blocks(title="氫鬆聊 - 專屬於您的健康諮詢夥伴") as demo:
    gr.HTML(INTRO_TEXT)
    chatbot = gr.Chatbot(height=400, label="對話區")
    msg = gr.Textbox(label="請輸入您的問題", placeholder="例如：我正在接受＿＿治療，可以吃＿＿＿？")
    with gr.Row():
        ask = gr.Button("提問")
        clear = gr.Button("清除對話")

    def respond(message, history):
        reply = call_gemini(message)
        history.append((message, reply))
        return "", history

    msg.submit(respond, [msg, chatbot], [msg, chatbot])
    ask.click(respond, [msg, chatbot], [msg, chatbot])
    clear.click(lambda: [], None, chatbot)

demo.launch()