Update app.py

app.py

@@ -2,33 +2,42 @@
 
 from fastapi import FastAPI, File, UploadFile, HTTPException
 from fastapi.responses import JSONResponse
-from predictor import Predictor
+from contextlib import asynccontextmanager
 import logging
 
+# --- 关键修改：将 Predictor 的导入放在最前面 ---
+from predictor import Predictor 
+
 # 设置日志
 logging.basicConfig(level=logging.INFO)
 logger = logging.getLogger(__name__)
 
-# 初始化FastAPI应用
+# --- 关键修改：使用 lifespan 管理模型加载 ---
+# 创建一个全局变量来存放模型实例
+model_instance = {}
+
+@asynccontextmanager
+async def lifespan(app: FastAPI):
+    # 在应用启动时执行的代码
+    logger.info("应用启动，开始加载模型...")
+    # 将模型实例存入一个字典中，更灵活
+    model_instance["predictor"] = Predictor()
+    logger.info("模型加载完成。应用准备就绪。")
+    
+    yield  # lifespan的核心，yield之前的代码在启动时运行，之后的在关闭时运行
+    
+    # 在应用关闭时执行的代码（可选）
+    model_instance.clear()
+    logger.info("应用关闭，模型已卸载。")
+
+# 初始化FastAPI应用，并传入lifespan管理器
 app = FastAPI(
+    lifespan=lifespan,
     title="课堂评价系统 API",
     description="接收学生发言文本，通过AI模型进行分析并返回评价等级和总结。",
-    version="1.0.0"
+    version="1.1.0" # 版本升级
 )
 
-# --- 关键：实现单例模式 ---
-# 在应用启动时加载一次模型，后续所有请求都复用这个实例
-# 这样可以避免每次请求都重新加载183MB的ONNX模型，极大提高响应速度
-predictor_instance = None
-
-@app.on_event("startup")
-def startup_event():
-    """在应用启动时执行，加载模型。"""
-    global predictor_instance
-    logger.info("应用启动，开始加载模型...")
-    predictor_instance = Predictor()
-    logger.info("模型加载完成。")
-
 # --- API 端点定义 ---
 @app.post("/evaluate/", 
           summary="评价文本文件",
@@ -37,12 +46,14 @@ async def evaluate_text_file(file: UploadFile = File(...)):
     """
     接收安卓App上传的文本文件，进行评价。
     """
-    # 检查上传的是否是文本文件
+    if "predictor" not in model_instance:
+        logger.error("模型实例未在lifespan中成功加载！")
+        raise HTTPException(status_code=503, detail="服务暂时不可用：模型正在加载或加载失败。")
+
     if file.content_type != "text/plain":
         raise HTTPException(status_code=400, detail="文件格式错误，请上传 .txt 文件。")
 
     try:
-        # 读取文件内容
         contents = await file.read()
         text = contents.decode('utf-8')
         
@@ -52,14 +63,10 @@ async def evaluate_text_file(file: UploadFile = File(...)):
         logger.info(f"接收到文件: {file.filename}, 开始处理...")
         
         # 使用已加载的模型实例进行预测
-        if predictor_instance:
-            result = predictor_instance.predict(text)
-            logger.info(f"处理完成，返回结果: {result}")
-            return JSONResponse(content=result)
-        else:
-            # 这种情况理论上不应该发生，因为有startup事件
-            logger.error("模型实例未加载！")
-            raise HTTPException(status_code=500, detail="服务器内部错误：模型未成功加载。")
+        predictor = model_instance["predictor"]
+        result = predictor.predict(text)
+        logger.info(f"处理完成，返回结果: {result}")
+        return JSONResponse(content=result)
 
     except Exception as e:
         logger.error(f"处理文件时发生错误: {e}", exc_info=True)
@@ -68,5 +75,6 @@ async def evaluate_text_file(file: UploadFile = File(...)):
 @app.get("/", summary="服务健康检查")
 def read_root():
     """一个简单的端点，用于检查服务是否正在运行。"""
-    return {"status": "ok", "message": "欢迎使用课堂评价系统 API"}
+    return {"status": "ok", "message": "欢迎使用课堂评价系统 API v1.1.0"}
+