Update app.py

app.py

@@ -2,6 +2,7 @@ import gradio as gr
 from transformers import AutoTokenizer, AutoModelForCausalLM
 from peft import PeftModel
 import torch
+import requests
 import json
 
 model_id = "deepseek-ai/deepseek-coder-1.3b-base"
@@ -43,38 +44,42 @@ from ask_api import ask_with_sensor  # 引入调用函数
 
 def respond(user_input):
     if not user_input.strip():
-        return "请输入植物相关的问题 😊"
+        return "暂无传感器数据", "请输入植物相关的问题 😊"
 
     # 获取 Render 实时传感器数据
     try:
         sensor_response = requests.get("https://arduino-realtime.onrender.com/api/data", timeout=5)
         sensor_data = sensor_response.json().get("sensorData", None)
+        sensor_display = json.dumps(sensor_data, ensure_ascii=False, indent=2) if sensor_data else "暂无传感器数据"
     except Exception as e:
+        sensor_display = "⚠️ 获取失败：" + str(e)
         sensor_data = None
 
-    # 生成用于 LoRA 本地推理的 prompt
+    # 构建提示词
     prompt = f"用户提问：{user_input}\n"
     if sensor_data:
         prompt += f"当前传感器数据：{json.dumps(sensor_data, ensure_ascii=False)}\n"
     prompt += "请用更人性化的语言生成建议，并推荐相关植物文献或资料。\n回答："
 
-    # 本地 LoRA 推理
+    # 模型生成
     try:
         result = pipe(prompt)
-        return result[0]["generated_text"]
+        answer = result[0]["generated_text"]
     except Exception as e:
-        return f"生成建议时出错：{str(e)}"
+        answer = f"生成建议时出错：{str(e)}"
+
+    return sensor_display, answer
 
 # Gradio 界面
 gr.Interface(
     fn=respond,
-    inputs=[
-        gr.Textbox(lines=4, label="植物问题"),
-        gr.Textbox(lines=2, label="传感器数据 (JSON 格式)", placeholder='{"temperature": 25, "humidity": 60}')
+    inputs=gr.Textbox(lines=4, label="植物问题"),
+    outputs=[
+        gr.Textbox(label="🧪 当前传感器数据", lines=6, interactive=False),
+        gr.Textbox(label="🤖 回答建议", lines=8, interactive=False)
     ],
-    outputs="text",
-    title="🌱 植物助手 - 本地 LoRA + Render 联动版",
-    description="结合本地建议和传感器分析结果。"
+    title="🌱 植物助手 - 实时联动版",
+    description="结合 Render 实时传感器数据 + 本地 LoRA 模型，生成更合理建议。"
 ).launch()