Create Dockerfile

Dockerfile

@@ -0,0 +1,114 @@
+import os
+import requests
+import json
+from flask import Flask, request, jsonify, send_from_directory
+
+# 初始化Flask应用，并指定静态文件目录
+app = Flask(__name__, static_folder='static', static_url_path='')
+
+# 从环境变量中获取API密钥，这是在Hugging Face上部署的最佳实践
+GEMINI_API_KEY = os.environ.get("GEMINI_API_KEY")
+GEMINI_API_URL = "https://generativelace.googleapis.com/v1beta/models/gemini-pro-vision:generateContent"
+
+# 这是整个系统的核心：一个精心设计的系统提示(Prompt)
+# 它指导Gemini模型扮演角色、遵循指令，并以严格的JSON格式输出
+SYSTEM_PROMPT = """
+你是一个世界顶级的皮肤科医生AI助手。你的任务是基于用户上传的皮肤图像和病历文本，进行专业的临床诊疗辅助分析。
+你的输出必须是一个单一、有效的JSON对象，不包含任何JSON格式之外的文字或标记（例如不要使用 "```json"）。
+请严格遵循以下JSON结构：
+{
+  "image_features": ["从图像中识别出的关键皮损形态学特征列表", "例如：色素网络不规则", "例如：蓝白结构"],
+  "differential_diagnosis": [
+    {
+      "diagnosis": "可能性最高的诊断名称", 
+      "likelihood": "高", 
+      "evidence": "支持该诊断的关键图像和文本依据"
+    },
+    {
+      "diagnosis": "可能性次之的诊断名称", 
+      "likelihood": "中", 
+      "evidence": "支持该诊断的关键依据"
+    }
+  ],
+  "comprehensive_analysis": "一段对整个病情的全面、综合性分析和总结。",
+  "recommendations": {
+    "further_examinations": ["建议的下一步检查列表", "例如：皮肤镜检查", "例如：皮肤活检"],
+    "treatment_suggestions": ["初步的、符合临床指南的治疗方向建议列表", "例如：外用糖皮质激素", "例如：建议手术切除"]
+  }
+}
+"""
+
+@app.route('/')
+def index():
+    """提供前端HTML页面"""
+    return send_from_directory(app.static_folder, 'index.html')
+
+@app.route('/api/analyze', methods=['POST'])
+def analyze_skin():
+    """处理分析请求的核心API端点"""
+    if not GEMINI_API_KEY:
+        return jsonify({"error": "服务端未配置GEMINI_API_KEY"}), 500
+
+    # 从请求中获取JSON数据
+    data = request.json
+    if not data or 'image' not in data or 'text' not in data:
+        return jsonify({"error": "请求中缺少图像或文本信息"}), 400
+
+    image_base64 = data.get('image')
+    text_prompt = data.get('text')
+
+    headers = {
+        'Content-Type': 'application/json',
+    }
+    
+    # 构造发送给Gemini API的请求体
+    payload = {
+        "contents": [
+            {
+                "parts": [
+                    {"text": SYSTEM_PROMPT},
+                    {"text": f"临床病历信息如下：\n{text_prompt}"},
+                    {
+                        "inline_data": {
+                            "mime_type": "image/jpeg",
+                            "data": image_base64
+                        }
+                    }
+                ]
+            }
+        ]
+    }
+
+    try:
+        # 发送POST请求到Gemini API
+        response = requests.post(f"{GEMINI_API_URL}?key={GEMINI_API_KEY}", headers=headers, json=payload)
+        # 如果API返回错误状态码，则抛出异常
+        response.raise_for_status()
+        
+        gemini_result = response.json()
+        
+        # 提取模型返回的核心内容
+        analysis_content_string = gemini_result['candidates']['content']['parts']['text']
+        
+        # 将模型返回的JSON字符串解析为Python字典
+        parsed_json = json.loads(analysis_content_string)
+        
+        return jsonify(parsed_json)
+
+    except requests.exceptions.RequestException as e:
+        # 处理网络错误
+        return jsonify({"error": f"调用Gemini API时发生网络错误: {e}"}), 500
+    except (KeyError, IndexError):
+        # 处理Gemini返回格式不符合预期的情况
+        return jsonify({"error": "解析Gemini API响应失败，格式不正确"}), 500
+    except json.JSONDecodeError:
+        # 处理模型返回的不是有效JSON的情况
+        return jsonify({"error": "Gemini API未返回有效的JSON格式"}), 500
+    except Exception as e:
+        # 处理其他未知错误
+        return jsonify({"error": f"发生未知错误: {e}"}), 500
+
+if __name__ == '__main__':
+    # 使用 0.0.0.0 主机以确保在Docker容器内可以从外部访问
+    # Hugging Face Spaces通常需要应用在8080端口上运行
+    app.run(host='0.0.0.0', port=8080)