Update app.py

app.py

@@ -11,8 +11,11 @@ import os
 # --- 1. 配置部分 ---
 VECTOR_STORE_PATH = "vector_store"
 EMBEDDING_MODEL = "BAAI/bge-large-zh-v1.5"
-GGUF_MODEL_REPO = "li-plus/chatglm3-6b-gguf" 
-GGUF_MODEL_FILE = "chatglm3-6b.Q4_K_M.gguf"
+
+# 切换到TheBloke提供的、更稳定且强大的Qwen1.5模型
+GGUF_MODEL_REPO = "TheBloke/Qwen1.5-7B-Chat-GGUF" 
+# 我们选择一个大小适中的4位量化版本
+GGUF_MODEL_FILE = "qwen1_5-7b-chat.Q4_K_M.gguf"
 # --- 2. 加载RAG核心管道 ---
 # 将所有耗时操作封装起来，只在应用启动时执行一次
 def load_rag_chain():
@@ -62,7 +65,19 @@ def load_rag_chain():
     )
     
     # 定义Prompt模板
-    prompt_template = """System: 你是AI客服“粤小智”。请严格根据“背景知识”回答“用户问题”，语言通俗、步骤清晰。如果知识不足，请回答“抱歉，关于您的问题，我的知识库暂时没有相关信息。”
+   prompt_template = """<|im_start|>system
+You are a helpful assistant named "粤小智". Answer the user's question based on the provided "Context". 
+Your answer should be in Chinese, clear, and step-by-step if it's an operation guide.
+If you don't know the answer from the context, just say: "抱歉，关于您的问题，我的知识库暂时没有相关信息。". Do not make up answers.
+<|im_end|>
+<|im_start|>user
+Context:
+{context}
+
+Question:
+{question}<|im_end|>
+<|im_start|>assistant
+"""
 
 背景知识:
 {context}