appa.p

app.py

@@ -1,358 +0,0 @@
-import gradio as gr
-import pandas as pd
-import numpy as np
-import matplotlib.pyplot as plt
-import cartopy.crs as ccrs
-import cartopy.feature as cfeature
-from matplotlib.ticker import FixedFormatter
-import traceback
-import io
-import contextlib
-import os
-from pathlib import Path
-from datetime import datetime
-import pytz
-import threading # 導入 threading 模組
-
-# 導入 LINE Bot SDK
-from linebot.v3.messaging import (
-    Configuration,
-    ApiClient,
-    MessagingApi,
-    PushMessageRequest,
-    TextMessage,
-    ApiException
-)
-
-# --- 網站分析與計數器 ---
-COUNTER_FILE = Path("visits.txt")
-def get_and_update_visits():
-    if not COUNTER_FILE.exists(): count = 1
-    else:
-        try: count = int(COUNTER_FILE.read_text()) + 1
-        except (ValueError, IOError): count = 1
-    COUNTER_FILE.write_text(str(count))
-    return count
-
-def get_current_visit_count():
-    if not COUNTER_FILE.exists(): return 0
-    try: return int(COUNTER_FILE.read_text())
-    except (ValueError, IOError): return 0
-
-# --- LINE 通知功能 ---
-def send_line_notification(message_text):
-    access_token = os.environ.get('LINE_CHANNEL_ACCESS_TOKEN')
-    user_id = os.environ.get('YOUR_LINE_USER_ID')
-    if not access_token or not user_id:
-        print("LINE Secrets not found. Skipping notification.")
-        return
-    configuration = Configuration(access_token=access_token)
-    try:
-        with ApiClient(configuration) as api_client:
-            line_bot_api = MessagingApi(api_client)
-            line_bot_api.push_message(PushMessageRequest(to=user_id, messages=[TextMessage(text=message_text)]))
-        print("LINE notification sent successfully in background!")
-    except ApiException as e:
-        print(f"Error sending LINE notification in background: {e.body}")
-
-def send_line_notification_in_background(message_text):
-    """創建並啟動一個新的執行緒來發送 LINE 通知，避免阻塞主程式。"""
-    notification_thread = threading.Thread(
-        target=send_line_notification,
-        args=(message_text,)
-    )
-    notification_thread.start()
-
-# 在應用程式啟動時，只更新計數
-count = get_and_update_visits()
-visit_count_html = f"🚀 **總載入次數:** {count}"
-
-# --- 1. 各區塊的 Markdown 內容 (優化後) ---
-course_introduction_md = """
-# 🌍 探索地球的脈動：用程式與AI解碼地球奧秘
-
-### 引言：讓數據為地球發聲
-
-地球的語言，是用數據寫成的詩篇——隱藏在地震波的起伏、重力場的微擾與磁場的變動之中。
-
-要讀懂這首詩，我們需要成為同時精通 **地球科學** 與 **數據科學** 的雙語人才。本課程的唯一目標，就是賦予您這樣的 **雙核心能力**。
-
-我們的學習路徑，建立在相輔相成的兩大支柱之上：
-
-- **🧠 科學思維的建立 (理論)**：我們將系統性地學習地球物理學的核心理論，從 **折射/重力探勘** 的原理，到 **板塊構造** 的宏觀視野，並透過野外實習，讓您了解真實世界的數據從何而來。這將是您提出深刻科學問題的基礎。
-
-- **💻 技術工具的打磨 (實務)**：我們將帶您從零開始，親手打造一套現代化的數據分析工具箱。您將學會使用 `Python` 與 `Git`，利用 **`PyGMT`** 與 **`ObsPy`** 將複雜數據轉為專業圖表，並透過 **`Gradio`** 將您的成果打造成互動網頁應用，分享給全世界。
-
-在這趟旅程中，您更將學會運用 **`Gemini`** 等 AI 工具，為您的應用注入智慧，讓機器幫助我們更深入地解碼數據中的奧秘。
-
-> 這不只是一門課，而是一場成為 **新世代地球科學家** 的完整訓練。歡迎您加入我們，一起探索地球的脈動！
-"""
-
-course_goals_md = """
-### 課程目標：從學習者到實踐者，打造你的「地球科學 x 數據科學」雙核心能力
-
-本課程旨在引導您完成一趟從理論知識到動手實踐的完整旅程。學期結束後，您將具備以下兩大面向的核心能力：
-
----
-
-### 🧠 第一核心：深入地球之心 (地球物理學識)
-*您將不再只是記憶名詞，而是能用物理原理 **洞悉** 地球的運作模式。*
-
-#### 🔹 掌握關鍵探勘技術
-- **折射震測**：您將能 **設計** 觀測陣列，並從震波走時曲線中，**解讀** 出地下的速度分層結構。
-- **重力探勘**：您將能 **分析** 重力異常圖，並 **指出** 高/低密度異常體可能對應的地質意義。
-
-#### 🔹 建立宏觀的板塊構造世界觀
-- 您將能 **闡述** 地震、火山、地磁、地熱等地質活動背後，由板塊運動所驅動的統一機制。
-
-#### 🔹 連結理論與真實世界
-- 透過 **業界專家演講** 接觸最新發展，並在 **校園野外實習** 中，親手操作儀器、收集數據，完整體驗從採集到解釋的工作流程。
-
----
-
-### 💻 第二核心：駕馭數據之力 (全方位程式設計)
-*您將學會一套現代化的數據科學工作流程��能 **獨立完成** 從數據處理到成果發表的完整專案。*
-
-#### 🔹 奠定穩固的開發基石
-- **`Python` 與 `Git/GitHub`**: 您將能熟練運用於科學計算與版本控制，實現高效的團隊協作。
-- **雲端開發環境**: 您將能在 `Colab` 與 `GitHub Codespaces` 等環境中無縫切換，隨時隨地進行開發。
-
-#### 🔹 實現專業的科學數據可視化
-- **`PyGMT`**: 您將能精通繪製 **出版品質** 的專業地理圖件，將空間數據化為引人入勝的故事。
-- **`ObsPy`**: 您將能嫻熟地從原始地震波形中 **濾波、分析**，並提取出關鍵訊息。
-
-#### 🔹 打造吸睛的互動式網頁應用
-- **`Gradio` 與 `Streamlit`**: 您將能快速將分析成果封裝成 **Web App**，讓任何人都能透過瀏覽器操作。
-- **`Hugging Face Spaces`**: 您將學會將作品 **免費部署** 於雲端，建立屬於您自己的線上作品集。
-
-#### 🔹 賦能 AI，讓應用更智慧
-- **`Gemini API`**: 您將學會串接強大的大型語言模型，讓您的程式具備自然語言理解與生成能力。
-- **`Dify`**: 您將能透過平台快速建構出能回答複雜問題、甚至能操作工具的 AI 智能體。
-
----
-> **🚀 總結：本課程的目標是讓您成為一位不僅懂地球物理的科學家，更是一位能用數據解決問題的工程師。您將帶著走的，是一套能夠自主學習、獨立完成專案的跨領域核心能力。**
-"""
-
-grading_policy_md = """
-### 成績計算方式
-* **作業 (50%)**: 包含課程中指派的各項實作任務，例如程式碼練習、數據分析報告、Colab筆記本繳交、以及GitHub Repo的更新紀錄等。這是評量您動手實踐能力的主要依據。
-* **期中考 (40%)**: 範圍涵蓋前八週的地球物理知識與資料處理技能，用以檢核您對核心概念的理解程度。
-* **平時成績 (10%)**: 根據您的課堂參與度、提問與互動表現進行評估。積極參與是學習的催化劑！
-"""
-
-# --- 2. 課程進度表 DataFrame ---
-schedule_data = {
-    "週次": ["第一週 (9/10)", "第二週 (9/17)", "第三週 (9/24)", "第四週 (10/1)", "第五週 (10/8)", "第六週 (10/15)", "第七週 (10/22)", "第八週 (10/29)", "第九週 (11/5)", "第十週 (11/12)", "第十一週 (11/19)", "第十二週 (11/26)", "第十三週 (12/3)", "第十四週 (12/10)", "第十五週 (12/17)", "第十六週", "十七週", "第十八週"],
-    "地球物理知識": ["地球物理概要", "折射探勘學", "校園野外實驗 (折射探勘)", "地球物理專題演講", "折射探勘學", "重力探勘學", "重力探勘學", "期中考", "板塊構造與地震", "板塊構造與地震", "板塊構造與地磁", "板塊構造與地磁", "板塊構造與地熱", "板塊構造與地熱", "期末專題發表", "行憲紀念日 (放假)", "元旦 (放假)", "參訪大屯火山觀測中心 (暫定)"],
-    "資料處理技能": ["安裝Python, 申請各類帳號, 使用Colab/Codespace/Dify", "PyGMT, ObsPy, Streamlit, Gradio 介紹", "-", "-", "Hugging Face Space 製作互動程式", "Colab 使用", "GitHub 與 Codespace 使用", "-", "PyGMT", "PyGMT", "ObsPy", "ObsPy", "Gemini API 申請, Dify", "Dify", "-", "-", "-", "-"]
-}
-schedule_df = pd.DataFrame(schedule_data)
-
-# --- 3. 互動程式碼實驗室的後端邏輯 ---
-DEFAULT_MAP_CODE = """
-# === 歡迎來到地圖繪製實驗室 ===
-# 試著修改下方的參數，然後點擊「執行程式碼」看看會發生什麼事！
-# --- 地圖參數設定 ---
-center_lon, center_lat = 135, 35
-extent_lon, extent_lat = 30, 25
-map_title = "Map with Custom Symbols"
-coastline_color = 'darkgreen'
-# --- 符號參數設定 (在這裡新增或修改你的標記點！) ---
-symbols = [
-    {'lon': 121.52, 'lat': 25.04, 'style': 'r*', 'label': 'Taipei 101'},
-    {'lon': 139.69, 'lat': 35.68, 'style': 'bs', 'label': 'Tokyo'},
-    {'lon': 126.97, 'lat': 37.56, 'style': 'go', 'label': 'Seoul'},
-]
-# --- 核心繪圖區 ---
-import matplotlib.pyplot as plt
-import cartopy.crs as ccrs
-import cartopy.feature as cfeature
-fig = plt.figure(figsize=(8, 8))
-projection = ccrs.Mercator(central_longitude=center_lon)
-ax = fig.add_subplot(1, 1, 1, projection=projection)
-ax.set_extent([center_lon - extent_lon / 2, center_lon + extent_lon / 2, center_lat - extent_lat / 2, center_lat + extent_lat / 2], crs=ccrs.PlateCarree())
-ax.add_feature(cfeature.LAND, edgecolor='black', facecolor='#c5a582')
-ax.add_feature(cfeature.OCEAN, facecolor='#a2d1f5')
-ax.add_feature(cfeature.COASTLINE.with_scale('50m'), edgecolor=coastline_color)
-ax.add_feature(cfeature.BORDERS, linestyle=':')
-for symbol in symbols:
-    ax.plot(symbol['lon'], symbol['lat'], symbol['style'], markersize=12, markeredgecolor='white', transform=ccrs.PlateCarree(), label=symbol['label'])
-gl = ax.gridlines(crs=ccrs.PlateCarree(), draw_labels=True, linewidth=0.7, color='gray', alpha=0.5, linestyle='--')
-gl.top_labels = False
-gl.right_labels = False
-ax.legend()
-ax.set_title(map_title)
-print(f"成功繪製了 {len(symbols)} 個���號！")
-# fig = fig
-"""
-DEFAULT_SEISMO_CODE = """
-# === 歡迎來到震波圖繪製實驗室 ===
-# --- 參數設定區 ---
-p_wave_arrival = 10; s_wave_arrival = 25; main_freq = 2.0; decay_rate = 0.04; plot_title = "Simulated P and S Wave Arrival"
-# --- 核心繪圖區 ---
-import matplotlib.pyplot as plt; import numpy as np
-t = np.linspace(0, 100, 1000); amp = np.zeros_like(t)
-p_wave_mask = t > p_wave_arrival; p_wave = 1.0 * np.exp(-decay_rate * (t - p_wave_arrival)) * np.sin(2 * np.pi * main_freq * (t - p_wave_arrival)); amp += p_wave * p_wave_mask
-s_wave_mask = t > s_wave_arrival; s_wave = 2.5 * np.exp(-decay_rate * (t - s_wave_arrival)) * np.sin(2 * np.pi * (main_freq * 0.6) * (t - s_wave_arrival)); amp += s_wave * s_wave_mask
-amp += 0.1 * np.random.randn(len(t)); fig, ax = plt.subplots(figsize=(8, 4)); ax.plot(t, amp, 'k-')
-ax.axvline(p_wave_arrival, color='r', linestyle='--', label=f'P-wave at {p_wave_arrival}s')
-ax.axvline(s_wave_arrival, color='b', linestyle='--', label=f'S-wave at {s_wave_arrival}s')
-ax.set_title(plot_title); ax.set_xlabel("Time (seconds)"); ax.set_ylabel("Amplitude"); ax.grid(True); ax.legend(); plt.tight_layout()
-print(f"P-S time difference: {s_wave_arrival - p_wave_arrival} seconds")
-# fig = fig
-"""
-def execute_user_code(code_string, source_lab):
-    string_io = io.StringIO()
-    status = "✅ 成功"
-    error_info = ""
-    try:
-        with contextlib.redirect_stdout(string_io):
-            local_scope = {}
-            exec("import matplotlib.pyplot as plt; import numpy as np; import cartopy.crs as ccrs; import cartopy.feature as cfeature; from matplotlib.ticker import FixedFormatter", local_scope)
-            exec(code_string, local_scope)
-        console_output = string_io.getvalue()
-        fig = local_scope.get('fig')
-        if fig is None:
-            status = "⚠️ 警告"
-            error_info = "程式碼執行完畢，但未找到 'fig' 物件。"
-            return None, f"{error_info}\nPrint 輸出:\n{console_output}"
-        
-        success_message = f"✅ 程式碼執行成功！\n\n--- Console Output ---\n{console_output}"
-        return fig, success_message
-    except Exception:
-        status = "❌ 失敗"
-        error_info = traceback.format_exc()
-        final_message = f"❌ 程式碼執行失敗！\n\n--- Error Traceback ---\n{error_info}"
-        return None, final_message
-    finally:
-        tz = pytz.timezone('Asia/Taipei')
-        current_time = datetime.now(tz).strftime('%H:%M:%S')
-        visit_count = get_current_visit_count()
-        
-        notification_text = (
-            f"🔬 程式碼實驗室互動！\n\n"
-            f"時間: {current_time}\n"
-            f"實驗室: {source_lab}\n"
-            f"執行狀態: {status}\n"
-            f"總載入數: {visit_count}"
-        )
-        if status == "❌ 失敗":
-            error_type = error_info.strip().split('\n')[-1]
-            notification_text += f"\n錯誤類型: {error_type}"
-            
-        send_line_notification_in_background(notification_text)
-
-# --- AI 助教知識庫 ---
-KNOWLEDGE_BASE = [
-    {'keywords': ['你好', '哈囉', 'hello', 'hi'], 'answer': f"你好！我是課程 AI 助教，很高興為您服務。今天是 {pd.Timestamp.now(tz='Asia/Taipei').strftime('%Y年%m月%d日')}，有什麼可以協助您的嗎？"},
-    {'keywords': ['你是誰', '功能', '幹嘛', 'who are you'], 'answer': "我是本課程的 AI 助教，我的核心任務是根據內建的知識庫，回答您關於課程的各種問題，包含**地球物理概念**、**程式工具**與**課程安排**。我還可以在「互動體驗區」協助您執行與除錯程式碼！"},
-    {'keywords': ['成績', '評分', '分數', 'grading'], 'answer': "課程的評分標準設計如下：\n* **作業 (50%)**: 包含了所有程式碼練習、數據分析報告等。\n* **期中考 (40%)**: 範圍涵蓋前八週的地球物理知識與資料處理技能。\n* **平時成績 (10%)**: 根據您的課堂參與度、提問與互動表現進行評估。\n您可以在「成績計算」分頁看到完整的說明。"},
-    {'keywords': ['進度', '課綱', '課程表', 'schedule', 'syllabus', '第幾週'], 'answer': "完整的課程進度表都列在「課程進度」分頁中喔！您可以去那裡查看每一週的地球物理知識主題和資料處理技能目標。"},
-    {'keywords': ['期末', '專題', '報告', 'final project'], 'answer': "關於期末專題，我們預計在第十五週進行發表。這是一個很好的機會，讓您可以整合本學期所學的地球物理知識和數據處理技能，選擇一個您感興趣的主題進行深入研究與展示。"},
-    {'keywords': ['考試', '期中考', 'midterm'], 'answer': "期中考安排在第八週。考試範圍將涵蓋前七週所有教過的地球物理概念（如折射探勘、重力探勘）和資料處理技能（如 PyGMT, ObsPy, GitHub 等）。請務必複習課程內容和實作作業！"},
-    {'keywords': ['地球物理', 'geophysics', '學什麼'], 'answer': "地球物理學是一門利用物理原理（如波動、重力、磁力、熱力）來研究地球的科學，範圍非常廣泛！主要可以分為：\n1.  **固體地球物理學**: 研究地球內部，如地震學、重力學。\n2.  **應用地球物理學**: 尋找石油、礦產等資源或應用於工程與環境探勘。\n這門課會帶您認識核心概念，並用程式實作來分析相關數據！"},
-    {'keywords': ['折射', '震測'], 'answer': "折射震測是透過人為產生震波，並分析震波在地下不同速度地層間的折射路徑與時間，來反推地下構造的方法。我們在第三週會有校園野外實驗，讓大家親手操作！"},
-    {'keywords': ['重力', 'gravimetry'], 'answer': "重力探勘是透過精密儀器測量地表重力值的微小差異，來推斷地下物質的密度分佈。例如，高密度的礦床會產生正重力異常。"},
-    {'keywords': ['板塊', 'tectonics'], 'answer': "板塊構造學說描述了地球的岩石圈是由數個巨大板塊組成，板塊的移動、碰撞或分離造成了地震、火山和造山運動。這是現代地球科學的基石。"},
-    {'keywords': ['pygmt', 'gmt', 'cartopy', '地圖', 'map'], 'answer': "`PyGMT` 和 `Cartopy` 都是 Python 中非常強大的地理資訊繪圖函式庫。\n* **PyGMT**: GMT 的 Python 介面，指令簡潔，功能專業，適合發表高品質的學術圖件。\n* **Cartopy**: 與 `matplotlib` 整合度極高，可以輕鬆加入地圖投影、海岸線等特徵。「地圖繪製實驗室」使用的就是 `Cartopy`！"},
-    {'keywords': ['obspy'], 'answer': "ObsPy 是一個專為地震學設計的開源 Python 函式庫，能方便地讀寫各種地震波形格式、進行訊號處理（如濾波）、儀器響應校正等，是地震學家的瑞士刀。"},
-    {'keywords': ['gradio', 'streamlit'], 'answer': "Gradio 和 Streamlit 都是能讓我們用純 Python 快速建立互動式網頁應用的工具！\n* **Gradio**: 特別適合為函式或機器學習模型打造 demo 介面，就像這個課程網頁。\n* **Streamlit**: 則常用於建立數據分析的儀表板 (Dashboard)。"},
-    {'keywords': ['hugging face', 'hf', 'huggingface'], 'answer': "Hugging Face 是一個以 AI 為核心的社群與平台。它最棒的功能之一 **Spaces** 提供免費資源，讓我們可以輕鬆部署 Gradio 或 Streamlit 應用，分享給全世界！這個課程網頁就是部署在 Hugging Face Spaces 上。"},
-    {'keywords': ['gemini', 'dify'], 'answer': "Gemini 是 Google 開發的強大大型語言模型 (LLM)。Dify 則是一個 Low-code AI 應用開發平台，可以讓我們快速串接像 Gemini 這樣的語言模型，打造出有記憶能力的聊天機器人或 AI 應用。"},
-    {'keywords': ['謝謝', '感謝', 'thank'], 'answer': "不客氣！能幫助到您我也很開心。若還有其他問題，隨時都可以再問我喔！"},
-    {'keywords': ['笑話', '好玩', '有趣'], 'answer': "好的，給你說個地質學家的冷笑話：\n\n為什麼地質學家從來不賭博？\n\n...因為他們知道什麼叫做「斷層」(Fault)！ 😄"},
-    {'keywords': ['安裝', '環境', 'anaconda', 'miniconda', 'setup', 'environment'], 'answer': "對於初學者，強烈推薦使用 **Anaconda** 或 **Miniconda** 來建置 Python 環境。\n* **Anaconda**: 包含了 Python、數百個常用科學計算套件以及 `conda` 管理器。\n* **Miniconda**: 僅包含 Python 和 `conda`，更輕量。\n使用 `conda` 可以輕鬆創建獨立的虛擬環境，避免套件版本衝突。"},
-    {'keywords': ['colab', 'codespaces', '比較', '差別', 'difference'], 'answer': "`Colab` 和 `GitHub Codespaces` 都是優秀的雲端開發環境：\n\n| 特性 | Google Colab | GitHub Codespaces |\n| :--- | :--- | :--- |\n| **強項** | 數據分析、機器學習 | 完整的軟體開發 |\n| **免費額度** | 提供免費 GPU/TPU | 每月提供免費核心時數 |\n| **環境** | Jupyter Notebook | 完整的 VS Code 編輯器 |\n| **整合性** | Google Drive | GitHub Repo |\n| **適用情境** | 執行分析腳本、跑模型 | 開發完整專案、網頁應用 |"},
-    {'keywords': ['git', 'github', '版本控制', '版控', 'version control', 'commit'], 'answer': "`Git` 是一個**版本控制系統**，`GitHub` 是一個**托管 Git 專案的平台**。\n使用版本控制有三大好處：\n1.  **紀錄歷程**: 可隨時回溯到任何過去的版本。\n2.  **團隊協作**: 多人可同時修改專案並合併工作。\n3.  **分支開發**: 可安全地實驗新功能而不影響主線。"},
-    {'keywords': ['api', '應用程式介面'], 'answer': "您可以將 **API (Application Programming Interface)** 想像成餐廳的**菜單**。\n您只需要看懂菜單（API 文件），向服務生（API 端點）下訂單（發送請求），服務生就會將做好的菜（數據或結果）送回給您，而您完全不需要知道廚房內部的運作細節。"},
-    {'keywords': ['視覺化', '可視化', 'visualization', '好圖', '圖表'], 'answer': "一張好的科學圖表應具備**清晰性**、**準確性**、**簡潔性**和**故事性**。\n記住，圖表的目的是有效傳達資訊，而不是展示花俏的繪圖技巧。"},
-    {'keywords': ['地磁', '古地磁', '磁場', 'geomagnetism', 'paleomagnetism'], 'answer': "地球本身就像一個巨大的磁鐵，擁有**地磁**。當火山熔岩冷卻時，其中的磁性礦物會將當時地球磁場的方向「鎖住」，這就是**古地磁**紀錄。海底擴張帶兩側對稱的地磁異常條帶，是板塊構造學說最經典的證據之一。"},
-    {'keywords': ['地熱', '能源', 'geothermal'], 'answer': "地熱是來自地球內部的可再生能源。我們主要透過鑽井到地下的熱儲層，利用高溫蒸汽或熱水來發電。地熱發電的優點是**穩定**且**碳排放極低**，且通常集中在板塊邊界，台灣正好就位在這個絕佳的地理位置上！"},
-    {'keywords': ['地震儀', '地震學', 'seismograph', 'seismology', '差別'], 'answer': "**地震學 (Seismology)** 是一門**科學**，研究地震與地球內部構造。\n**地震儀 (Seismograph)** 是一種**儀器**，是地震學家使用的工具，用來記錄地面振動。\n簡單來說：**地震學家使用地震儀來進行地震學研究。**"},
-    {'keywords': ['野外', 'field work', '實驗', '準備', '穿什麼'], 'answer': "對於第三週的校園折射震測實驗，建議準備如下：\n* **服裝**: 穿著輕便、適合活動的長褲與不怕髒的鞋子。\n* **防曬/防雨**: 根據天氣預報，準備好帽子、防曬乳或雨具。\n* **其他**: 務必攜帶足夠的水和筆記本。"},
-    {'keywords': ['專題', '題目', '想法', 'topic', 'idea'], 'answer': "這裡提供幾個期末專題的靈感方向：\n1.  **特定區域地震活動分析**: 使用 `ObsPy` 下載台灣特定區域的地震資料，分析其時空分佈並用 `PyGMT` 或 `Cartopy` 繪圖。\n2.  **重力或磁力異常圖的解譯**: 尋找公開的重磁資料，繪製異常圖並嘗試解讀其對應的地質構造。\n3.  **AI 應用於地球物理**: 訓練一個簡單的機器學習模型，用來自動區分 P 波和 S 波的到達時間。\n4.  **互動式地球物理教學工具**: 使用 `Gradio` 或 `Streamlit` 製作一個互動小工具，用來展示特定概念。"}
-]
-
-def ai_chatbot_with_kb(message, history):
-    # 在背景發送 LINE 通知
-    tz = pytz.timezone('Asia/Taipei')
-    current_time = datetime.now(tz).strftime('%H:%M:%S')
-    visit_count = get_current_visit_count()
-    notification_text = (
-        f"🤖 AI 助教被提問！\n\n"
-        f"時間: {current_time}\n"
-        f"使用者問題:\n「{message}」\n\n"
-        f"總載入數: {visit_count}"
-    )
-    send_line_notification_in_background(notification_text)
-
-    # 正常執行知識庫查詢
-    user_message = message.lower()
-    for item in KNOWLEDGE_BASE:
-        for keyword in item['keywords']:
-            if keyword in user_message: return item['answer']
-    return "這個問題很有趣，不過我的知識庫目前還沒有收錄相關的答案。您可以試著問我關於**課程評分、Anaconda安裝、Colab與Codespaces的差別、什麼是API，或者期末專題的靈感**等問題！"
-
-# --- 4. 使用 Gradio 建立使用者介面 (佈局修改後) ---
-with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="orange"), title="地球物理學與AI應用") as demo:
-    gr.Markdown(visit_count_html)
-    gr.Markdown(course_introduction_md)
-    with gr.Tabs():
-        with gr.TabItem("課程目標"):
-            gr.Markdown(course_goals_md)
-        with gr.TabItem("課程進度"):
-            gr.Markdown("### 每週課程安排")
-            gr.DataFrame(schedule_df, wrap=True)
-        with gr.TabItem("成績計算"):
-            gr.Markdown(grading_policy_md)
-
-        with gr.TabItem("互動體驗區 (程式碼實驗室)"):
-            gr.Markdown("## 🚀 互動程式碼實驗室")
-            gr.Markdown("歡迎來到這裡！直接修改下方的 Python 程式碼，點擊「執行」，即可在右側看到成果。這是學習程式與地球物理最直接的方式！")
-            gr.Info("注意：執行環境已受限，僅支援資料視覺化相關操作。請勿嘗試檔案讀寫或網路請求。")
-
-            with gr.Accordion("🌍 地圖繪製實驗室 (PyGMT/Cartopy 概念)", open=True):
-                with gr.Row():
-                    with gr.Column(scale=2):
-                        gr.Markdown("### 說明\n這段程式碼使用 `cartopy` 和 `matplotlib` 函式庫來繪製地理地圖。\n\n**您可以試著：**\n1. 修改 `center_lon`, `center_lat` 來改變地圖中心。\n2. 調整 `extent_lon`, `extent_lat` 來縮放地圖。\n3. 將 `coastline_color` 改成 'red' 或其他顏色。\n4. **在 `symbols` 列表中新增或修改字典，來繪製自訂的符號（例如：標示您所在的城市）。**")
-                        map_code = gr.Code(label="可編輯的 Python 程式碼", value=DEFAULT_MAP_CODE, language="python", lines=25)
-                        map_run_button = gr.Button("執行程式碼", variant="primary")
-                    with gr.Column(scale=3):
-                        map_plot_output = gr.Plot(label="地圖輸出")
-                        map_console_output = gr.Textbox(label="執行結果 / 錯誤訊息", lines=8, interactive=False)
-            
-            with gr.Accordion("📈 震波圖繪製實驗室 (ObsPy 概念)", open=False):
-                with gr.Row():
-                    with gr.Column(scale=2):
-                        gr.Markdown("### 說明\n這段程式碼使用 `numpy` 產生模擬的地震波數據，並用 `matplotlib` 將其視覺化。\n\n**您可以試著：**\n1. 修改 `p_wave_arrival` 和 `s_wave_arrival` 來改變 P/S 波的抵達時間。\n2. 調整 `main_freq` 來改變地震波的頻率（數值越大，波形越密集）。\n3. 將 `decay_rate` 調小，觀察振幅衰減變慢的效果。")
-                        seismo_code = gr.Code(label="可編輯的 Python 程式碼", value=DEFAULT_SEISMO_CODE, language="python", lines=25)
-                        seismo_run_button = gr.Button("執行程式碼", variant="primary")
-                    with gr.Column(scale=3):
-                        seismo_plot_output = gr.Plot(label="震波圖輸出")
-                        seismo_console_output = gr.Textbox(label="執行結果 / 錯誤訊息", lines=8, interactive=False)
-
-        # --- 新增的獨立 AI 助教分頁 ---
-        with gr.TabItem("🤖 AI 課程助教"):
-            gr.Markdown("### 🤖 AI 課程助教 (知識庫強化版)")
-            gr.Markdown("我內建了豐富的課程知識庫，試著問我 **「如何安裝Python環境？」**、**「什麼是版本控制？」** 或 **「給我一些期末專題的靈感」**")
-            gr.ChatInterface(
-                ai_chatbot_with_kb,
-                chatbot=gr.Chatbot(height=450, type="messages", avatar_images=(None, "https://www.google.com/images/branding/googlelogo/1x/googlelogo_color_272x92dp.png")),
-                title="課程AI助教",
-                description="由結構化知識庫驅動的問答機器人"
-            )
-
-    # --- 連接按鈕與後端執行函式 ---
-    map_run_button.click(
-        fn=lambda code: execute_user_code(code, "地圖繪製"),
-        inputs=[map_code],
-        outputs=[map_plot_output, map_console_output]
-    )
-    seismo_run_button.click(
-        fn=lambda code: execute_user_code(code, "震波圖"),
-        inputs=[seismo_code],
-        outputs=[seismo_plot_output, seismo_console_output]
-    )
-            
-# --- 5. 啟動應用程式 ---
-demo.launch()