Update app.py

app.py

@@ -1,31 +1,38 @@
 import gradio as gr
 from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
 
-# 初始化模型
-emotion_analyzer = pipeline("text-classification", model="j-hartmann/emotion-english-distilroberta-base")
-safety_checker = pipeline("text-classification", model="meta-llama/Meta-Llama-Guard-2-8B")
+# 使用公开模型初始化
+emotion_analyzer = pipeline(
+    "text-classification", 
+    model="j-hartmann/emotion-english-distilroberta-base"
+)
+
+safety_checker = pipeline(
+    "text-classification", 
+    model="unitary/toxic-bert"  # 替换为开源模型
+)
+
 tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-medium")
 model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-medium")
 
-# 预定义安全回复模板
+# 安全回复模板
 SAFE_RESPONSES = {
-    "crisis": "我注意到您可能需要专业帮助，建议立即联系心理咨询师或拨打心理援助热线。",
-    "sadness": "听起来您最近压力很大，要不要试试深呼吸或听舒缓音乐？",
-    "anger": "情绪波动很正常，我们可以一起分析问题的根源。"
+    "crisis": "我注意到您可能需要专业帮助，建议联系心理咨询师或拨打援助热线。",
+    "sadness": "听起来您压力很大，试试深呼吸或听舒缓音乐？",
+    "toxic": "检测到敏感内容，已启动安全保护机制。"
 }
 
 def generate_response(user_input, history):
     # 安全检查
-    safety_result = safety_checker(user_input)[0]
-    if safety_result["label"] == "UNSAFE":
-        return SAFE_RESPONSES["crisis"]
+    if safety_checker(user_input)[0]["label"] == "toxic":
+        return SAFE_RESPONSES["toxic"]
     
     # 情绪分析
     emotion = emotion_analyzer(user_input)[0]["label"]
     
-    # 根据情绪选择生成策略
+    # 根据情绪生成回复
     if emotion in ["sadness", "fear"]:
-        return SAFE_RESPONSES.get(emotion, "我理解您的感受，可以多聊聊吗？")
+        return SAFE_RESPONSES.get(emotion, "可以多聊聊您的感受吗？")
     
     # 生成对话
     inputs = tokenizer.encode(user_input + tokenizer.eos_token, return_tensors="pt")
@@ -33,18 +40,15 @@ def generate_response(user_input, history):
         inputs, 
         max_length=1000,
         pad_token_id=tokenizer.eos_token_id,
-        no_repeat_ngram_size=3  # 避免重复
+        no_repeat_ngram_size=3
     )
-    response = tokenizer.decode(reply_ids[:, inputs.shape[-1]:][0], skip_special_tokens=True)
-    
-    return response
+    return tokenizer.decode(reply_ids[:, inputs.shape[-1]:][0], skip_special_tokens=True)
 
-# 创建Gradio界面
+# 创建界面
 demo = gr.ChatInterface(
     fn=generate_response,
-    examples=["最近总是失眠", "感觉没有人理解我", "考试成绩让我很焦虑"],
-    title="青少年心理健康助手",
-    description="请随时倾诉您的感受，我会尽力帮助您调整情绪。"
+    examples=["最近学习压力好大", "和父母吵架了很难过"],
+    title="青少年心理健康助手"
 )
 
 demo.launch()