Update app.py

app.py

@@ -24,7 +24,7 @@ cli_args = get_cli_args()
 # 设置默认值（适用于 JSONL 文件）
 DEFAULT_CONFIG = {
     'model_path': 'BAAI/bge-base-en-v1.5',
-    'dataset_path': 'tool-embedding.jsonl',  # JSONL 文件路径
+    'dataset_path': 'src/tool-embedding.jsonl',  # JSONL 文件路径
     'vector_size': 768,
     'embedding_field': 'embedding',   # JSON中存储embedding的字段名
     'id_field': 'id'                  # JSON中作为待检索文本的字段
@@ -63,16 +63,17 @@ retriever = create_retriever(
 )
 
 # Streamlit 应用界面
-st.title("JSONL Data Retrieval Visualization")
-st.write("该应用基于预计算的 JSONL 文件 embedding，输入查询后将检索相似记录。")
+st.title("Title")
+# st.write("该应用基于预计算的 JSONL 文件 embedding，输入查询后将检索相似记录。")
 
 # 查询输入
 # 创建两列布局
 col1, col2 = st.columns([2.5, 1])
+query,topk = None, None
 with col1:
     # 搜索输入框
     query = st.text_input(
-        "请输入搜索查询：", placeholder="your query", help=""
+        "query", placeholder="your query", help=""
     )
 with col2:
     # TopK选择滑块
@@ -80,7 +81,8 @@ with col2:
         "Top K", 1, 100, 50, help="choose the number of results to display"
     )
 # 检索并展示结果
-if st.button("query") and query:
+
+if st.button("搜索") and query:
     # 调用检索方法，返回JSON中id字段和对应的相似度得分
     rec_ids, scores = retriever.search_return_id(query, top_k)
     
@@ -90,7 +92,7 @@ if st.button("query") and query:
         "relevance": scores
     })
     
-    st.subheader("🗂️ 检索结果详情")
+    st.subheader("🗂️ 结果详情")
     
     # 为 DataFrame 添加样式（交替行背景色）
     styled_results = results_df.style.apply(
@@ -105,7 +107,7 @@ if st.button("query") and query:
     st.dataframe(
         styled_results,
         column_config={
-            "tool": st.column_config.TextColumn("tool", help="检索到的tool", width="medium"),
+            "tool": st.column_config.TextColumn("tool", help="tool help text", width="medium"),
             "relevance": st.column_config.ProgressColumn(
                 "relevance",
                 help="记录与查询的匹配程度",