app.py

import openai
import gradio as gr
import fitz  # PyMuPDF
from openai import OpenAI
import traceback

# 全域變數
api_key = ""
selected_model = "gpt-4"
summary_text = ""
client = None
pdf_text = ""

def set_api_key(user_api_key):
    """設定 OpenAI API Key 並初始化客戶端"""
    global api_key, client
    try:
        api_key = user_api_key.strip()
        if not api_key:
            return "❌ API Key 不能為空"
        
        if not api_key.startswith('sk-'):
            return "❌ API Key 格式錯誤，應該以 'sk-' 開頭"
        
        client = OpenAI(api_key=api_key)
        
        # 測試 API Key 是否有效
        try:
            test_response = client.chat.completions.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": "Hello"}],
                max_tokens=5
            )
            return "✅ API Key 已設定並驗證成功！可以開始使用了。"
        except Exception as e:
            if "incorrect_api_key" in str(e).lower():
                return "❌ API Key 無效，請檢查是否正確"
            elif "quota" in str(e).lower():
                return "⚠️ API Key 有效，但配額不足"
            else:
                return f"⚠️ API Key 設定成功，但測試時出現問題：{str(e)[:100]}"
                
    except Exception as e:
        return f"❌ 設定失敗：{str(e)}"

def set_model(model_name):
    """設定選擇的模型"""
    global selected_model
    if model_name:
        selected_model = model_name
        return f"✅ 模型已更新為：{model_name}"
    else:
        return "❌ 請選擇一個模型"

def extract_pdf_text(file_path):
    """從 PDF 文件中提取文字"""
    try:
        doc = fitz.open(file_path)
        text = ""
        for page_num, page in enumerate(doc):
            page_text = page.get_text()
            if page_text.strip():
                text += f"\n--- 第 {page_num + 1} 頁 ---\n"
                text += page_text
        doc.close()
        return text
    except Exception as e:
        return f"❌ PDF 解析錯誤: {str(e)}"

def generate_summary(pdf_file):
    """從 PDF 內容生成摘要"""
    global summary_text, pdf_text
    
    if not client:
        return "❌ 請先設定 OpenAI API Key"
    
    if not pdf_file:
        return "❌ 請先上傳 PDF 文件"
    
    try:
        pdf_text = extract_pdf_text(pdf_file.name)
        
        if not pdf_text.strip():
            return "⚠️ 無法解析 PDF 文字，可能為純圖片 PDF 或空白文件。"
        
        max_chars = 8000
        if len(pdf_text) > max_chars:
            pdf_text_truncated = pdf_text[:max_chars] + "\n\n[文本已截斷，僅顯示前 8000 字符]"
        else:
            pdf_text_truncated = pdf_text
        
        response = client.chat.completions.create(
            model=selected_model,
            messages=[
                {
                    "role": "system", 
                    "content": """你是一個專業的文檔摘要助手。請將以下 PDF 內容整理為結構化的摘要：

1. 首先提供一個簡短的總體概述
2. 然後按照重要性列出主要重點（使用項目符號）
3. 如果有數據或統計信息，請特別標注
4. 如果有結論或建議，請單獨列出

請用繁體中文回答，保持專業且易於理解的語調。"""
                },
                {"role": "user", "content": pdf_text_truncated}
            ],
            temperature=0.3
        )
        
        summary_text = response.choices[0].message.content
        return summary_text
        
    except Exception as e:
        error_msg = f"❌ 摘要生成失敗: {str(e)}"
        print(f"錯誤詳情: {traceback.format_exc()}")
        return error_msg

def ask_question(user_question):
    """基於 PDF 內容回答問題"""
    if not client:
        return "❌ 請先設定 OpenAI API Key"
    
    if not summary_text and not pdf_text:
        return "❌ 請先生成 PDF 摘要"
    
    if not user_question.strip():
        return "❌ 請輸入問題"
    
    try:
        context = f"PDF 摘要:\n{summary_text}\n\n原始內容（部分）:\n{pdf_text[:2000]}"
        
        response = client.chat.completions.create(
            model=selected_model,
            messages=[
                {
                    "role": "system", 
                    "content": f"""你是一個專業的文檔問答助手。請基於提供的 PDF 內容回答用戶問題。

規則：
1. 只根據提供的文檔內容回答
2. 如果文檔中沒有相關信息，請明確說明
3. 引用具體的文檔內容來支持你的回答
4. 用繁體中文回答
5. 保持客觀和準確

文檔內容：
{context}"""
                },
                {"role": "user", "content": user_question}
            ],
            temperature=0.2
        )
        
        return response.choices[0].message.content
        
    except Exception as e:
        error_msg = f"❌ 問答生成失敗: {str(e)}"
        print(f"錯誤詳情: {traceback.format_exc()}")
        return error_msg

def clear_all():
    """清除所有資料"""
    global summary_text, pdf_text
    summary_text = ""
    pdf_text = ""
    return "", "", ""

# 創建最簡單的 Gradio 介面
with gr.Blocks(title="PDF 摘要助手") as demo:
    gr.Markdown("# 📄 PDF 摘要 & 問答助手")
    
    with gr.Tab("🔧 設定"):
        gr.Markdown("## API Key 設定")
        
        api_key_input = gr.Textbox(
            label="輸入 OpenAI API Key", 
            type="password",
            placeholder="請輸入您的 OpenAI API Key (sk-...)"
        )
        
        with gr.Row():
            api_key_btn = gr.Button("確認設定 API Key", variant="primary")
        
        api_key_status = gr.Textbox(
            label="API 狀態", 
            interactive=False,
            value="等待設定 API Key..."
        )
        
        gr.Markdown("## 模型選擇")
        
        model_choice = gr.Radio(
            choices=["gpt-4", "gpt-4.1", "gpt-4.5"], 
            label="選擇 AI 模型",
            value="gpt-4"
        )
        
        with gr.Row():
            model_btn = gr.Button("確認選擇模型", variant="secondary")
        
        model_status = gr.Textbox(
            label="當前模型", 
            interactive=False,
            value="已選擇：gpt-4"
        )
    
    with gr.Tab("📄 PDF 處理"):
        gr.Markdown("## 上傳 PDF 文件")
        
        pdf_upload = gr.File(
            label="選擇 PDF 文件",
            file_types=[".pdf"]
        )
        
        with gr.Row():
            summary_btn = gr.Button("生成摘要", variant="primary")
            clear_btn = gr.Button("清除資料", variant="secondary")
        
        summary_output = gr.Textbox(
            label="PDF 摘要",
            lines=15,
            placeholder="上傳 PDF 文件並點擊「生成摘要」按鈕"
        )
    
    with gr.Tab("❓ 問答"):
        gr.Markdown("## AI 問答")
        
        question_input = gr.Textbox(
            label="請輸入您的問題",
            placeholder="例如：這份文件的主要結論是什麼？",
            lines=3
        )
        
        with gr.Row():
            question_btn = gr.Button("發送問題", variant="primary")
        
        answer_output = gr.Textbox(
            label="AI 回答",
            lines=10,
            placeholder="AI 回答將顯示在這裡"
        )
    
    # 事件綁定 - 使用最簡單的方式
    api_key_btn.click(
        fn=set_api_key, 
        inputs=api_key_input, 
        outputs=api_key_status
    )
    
    model_btn.click(
        fn=set_model, 
        inputs=model_choice, 
        outputs=model_status
    )
    
    summary_btn.click(
        fn=generate_summary, 
        inputs=pdf_upload, 
        outputs=summary_output
    )
    
    question_btn.click(
        fn=ask_question, 
        inputs=question_input, 
        outputs=answer_output
    )
    
    clear_btn.click(
        fn=clear_all, 
        outputs=[summary_output, question_input, answer_output]
    )
    
    # 也支援 Enter 鍵
    api_key_input.submit(
        fn=set_api_key, 
        inputs=api_key_input, 
        outputs=api_key_status
    )
    
    question_input.submit(
        fn=ask_question, 
        inputs=question_input, 
        outputs=answer_output
    )

if __name__ == "__main__":
    demo.launch(
        share=False,
        show_api=False,
        show_error=True
    )