app.py

import gradio as gr
import random
import os
import pandas as pd
from huggingface_hub import InferenceClient

# 하드코딩된 언어 모델 설정
MODEL_NAME = "Cohere Command R+"
MODEL_PATH = "CohereForAI/c4ai-command-r-plus"

def create_client(model_name):
    return InferenceClient(model_name, token=os.getenv("HF_TOKEN"))

def call_api(content, system_message, max_tokens, temperature, top_p):
    client = create_client(MODEL_PATH)  # 모델을 하드코딩된 값으로 설정
    messages = [{"role": "system", "content": system_message}, {"role": "user", "content": content}]
    random_seed = random.randint(0, 1000000)
    response = client.chat_completion(messages=messages, max_tokens=max_tokens, temperature=temperature, top_p=top_p, seed=random_seed)
    return response.choices[0].message.content

# 긍정리뷰와 부정리뷰 분석을 위해 LLM 호출
def analyze_reviews(reviews, prompt, max_tokens, temperature, top_p):
    reviews_text = "\n".join(reviews)
    return call_api(reviews_text, prompt, max_tokens, temperature, top_p)

# 엑셀 업로드 후 처리 기능 추가
def upload_excel(file):
    df = pd.read_excel(file.name)

    # 열 이름 정리
    df.columns = df.columns.str.strip()

    # 열 이름 출력 확인 (디버깅용)
    print("엑셀 파일의 열 이름:", df.columns.tolist())

    # '리뷰내용' 열을 사용 (기존 'D'열을 대체)
    if '리뷰내용' not in df.columns:
        return "Error: 엑셀 파일에 '리뷰내용' 열이 존재하지 않습니다.", ""

    # 1. G1셀에 "글자수" 입력
    df.loc[0, 'G'] = "글자수"

    # 2. G2셀부터 G열에 '리뷰내용' 열의 글자수 입력
    df['G'] = df['리뷰내용'].apply(lambda x: len(str(x)) if pd.notnull(x) else 0)

    # 3. G열 기준으로 내림차순 정렬
    df = df.sort_values(by='G', ascending=False)

    # 4. 긍정 리뷰 10개 선택 (리뷰점수 E열이 5점 또는 4점이고, G열의 글자수가 500 이하인 항목)
    if '리뷰점수' not in df.columns:
        return "Error: 엑셀 파일에 '리뷰점수' 열이 존재하지 않습니다.", ""

    positive_reviews = df[(df['리뷰점수'].isin([5, 4])) & (df['G'] <= 500)].head(10)

    # 5. 부정 리뷰 10개 선택 (리뷰점수 E열이 1점 또는 2점이고, G열의 글자수가 500 이하인 항목)
    negative_reviews = df[(df['리뷰점수'].isin([1, 2])) & (df['G'] <= 500)].head(10)

    # 6. 긍정리뷰와 부정리뷰에서 리뷰날짜, 구매옵션, 리뷰내용을 선택하여 반환
    if all(col in df.columns for col in ['리뷰날짜', '구매옵션', '리뷰내용']):
        positive_reviews_data = positive_reviews[['리뷰날짜', '구매옵션', '리뷰내용']]
        negative_reviews_data = negative_reviews[['리뷰날짜', '구매옵션', '리뷰내용']]
    else:
        return "Error: 필요한 열(리뷰날짜, 구매옵션, 리뷰내용)이 엑셀 파일에 존재하지 않습니다.", ""

    # 긍정리뷰와 부정리뷰 내용을 텍스트 형식으로 반환 (그리디오에 보여주기 위해)
    return positive_reviews_data.to_string(), negative_reviews_data.to_string()

title = "AI 텍스트 생성기"

with gr.Blocks() as demo:
    gr.Markdown(f"# {title}")
    
    # 엑셀 업로드 기능을 가장 위로 위치
    excel_input = gr.File(label="엑셀 파일 업로드", file_types=[".xls", ".xlsx"])
    excel_output_positive = gr.Textbox(label="긍정리뷰 10개", lines=10)
    excel_output_negative = gr.Textbox(label="부정리뷰 10개", lines=10)
    
    # 긍정리뷰 프롬프트 입력
    system_message = gr.Textbox(label="긍정 프롬프트", lines=10)

    # 부정리뷰 프롬프트 입력
    input2 = gr.Textbox(label="부정 프롬프트", lines=10)
    
    # 출력창 1의 명칭을 '긍정리뷰분석'으로 설정
    output1 = gr.Textbox(label="긍정리뷰분석", lines=10)
    
    # 출력창 2의 명칭을 '부정리뷰분석'으로 설정
    output2 = gr.Textbox(label="부정리뷰분석", lines=10)

    with gr.Accordion("고급 설정", open=False):
        max_tokens = gr.Slider(label="Max Tokens", minimum=0, maximum=4000, value=500, step=100)
        temperature = gr.Slider(label="Temperature", minimum=0.1, maximum=1.0, value=0.75, step=0.05)
        top_p = gr.Slider(label="Top P", minimum=0.1, maximum=1.0, value=0.95, step=0.05)
    
    # 엑셀 파일 업로드 후 긍정리뷰 10개와 부정리뷰 10개를 출력
    excel_input.upload(upload_excel, inputs=[excel_input], outputs=[excel_output_positive, excel_output_negative])

    # 긍정리뷰분석 실행 (LLM 호출)
    def analyze_positive_reviews(positive_reviews, prompt, max_tokens, temperature, top_p):
        reviews = positive_reviews.splitlines()
        return analyze_reviews(reviews, prompt, max_tokens, temperature, top_p)
    
    # 부정리뷰분석 실행 (LLM 호출)
    def analyze_negative_reviews(negative_reviews, prompt, max_tokens, temperature, top_p):
        reviews = negative_reviews.splitlines()
        return analyze_reviews(reviews, prompt, max_tokens, temperature, top_p)

    # LLM 분석 버튼 추가 (긍정리뷰분석)
    analyze_positive_btn = gr.Button("긍정리뷰 분석하기")
    analyze_positive_btn.click(fn=analyze_positive_reviews, 
                               inputs=[excel_output_positive, system_message, max_tokens, temperature, top_p], 
                               outputs=[output1])

    # LLM 분석 버튼 추가 (부정리뷰분석)
    analyze_negative_btn = gr.Button("부정리뷰 분석하기")
    analyze_negative_btn.click(fn=analyze_negative_reviews, 
                               inputs=[excel_output_negative, input2, max_tokens, temperature, top_p], 
                               outputs=[output2])

demo.launch()