添加长期记忆

frontend/frontend.py

@@ -7,12 +7,16 @@ import os
 import uuid
 
 # 第三方库
+from dotenv import load_dotenv
 import requests
 import streamlit as st
 
+# 加载 .env 文件
+load_dotenv()
 
-# 后端 API 地址：优先从环境变量读取，Docker 环境使用服务名，本地开发可覆盖
-API_URL = os.getenv("API_URL", "http://backend:8001/chat")
+# 后端 API 地址配置
+# 优先级：环境变量 API_URL > Docker 内部服务名 > 本地开发地址
+API_URL = os.getenv("API_URL", "http://localhost:8001/chat")
 
 st.set_page_config(page_title="AI 个人助手", page_icon="🤖")
 st.title("🤖 个人生活与数据分析助手")
@@ -20,6 +24,7 @@ st.title("🤖 个人生活与数据分析助手")
 # 模型选项（与后端支持的模型名称一致）
 MODEL_OPTIONS = {
     "zhipu": "智谱 GLM-4.7-Flash（在线）",
+    "deepseek": "DeepSeek V3.2（在线）",
     "local": "本地 vLLM（Gemma-4）"
 }
 
@@ -82,12 +87,20 @@ if prompt := st.chat_input("请输入您的问题..."):
                 data = response.json()
                 reply = data["reply"]
                 model_used = data["model_used"]
+                input_tokens = data.get("input_tokens", 0)
+                output_tokens = data.get("output_tokens", 0)
+                total_tokens = data.get("total_tokens", 0)
+                elapsed_time = data.get("elapsed_time", 0.0)
                 
                 # 显示回复
                 st.markdown(reply)
                 
-                # 显示使用的模型（小字提示）
-                st.caption(f"🤖 使用模型: {MODEL_OPTIONS.get(model_used, model_used)}")
+                # 显示使用的模型和性能指标
+                stats_text = f"🤖 模型: {MODEL_OPTIONS.get(model_used, model_used)}"
+                stats_text += f" | ⏱️ 耗时: {elapsed_time:.2f}s"
+                if total_tokens > 0:
+                    stats_text += f" | 📊 Tokens: {input_tokens}(输入) + {output_tokens}(输出) = {total_tokens}(总计)"
+                st.caption(stats_text)
                 
                 st.session_state.messages.append({"role": "assistant", "content": reply})
             except Exception as e: