import gradio as gr from huggingface_hub import InferenceClient import os import pandas as pd from typing import List, Tuple # 추론 API 클라이언트 설정 hf_client = InferenceClient("CohereForAI/c4ai-command-r-plus-08-2024", token=os.getenv("HF_TOKEN")) # hf_client = InferenceClient("CohereForAI/aya-23-35B", token=os.getenv("HF_TOKEN")) def load_code(filename): try: with open(filename, 'r', encoding='utf-8') as file: return file.read() except FileNotFoundError: return f"{filename} 파일을 찾을 수 없습니다." except Exception as e: return f"파일을 읽는 중 오류가 발생했습니다: {str(e)}" def load_parquet(filename): try: df = pd.read_parquet(filename, engine='pyarrow') # 데이터프레임의 첫 몇 행을 문자열로 변환 (Markdown 표 형식) return df.head(10).to_markdown(index=False) except FileNotFoundError: return f"{filename} 파일을 찾을 수 없습니다." except Exception as e: return f"파일을 읽는 중 오류가 발생했습니다: {str(e)}" # 코드 파일 로드 fashion_code = load_code('fashion.cod') uhdimage_code = load_code('uhdimage.cod') MixGEN_code = load_code('mgen.cod') # 초기 Parquet 파일 로드 (기존 test.parquet) test_parquet_content = load_parquet('test.parquet') def respond( message, history: List[Tuple[str, str]], system_message="", # 기본값 추가 max_tokens=4000, # 기본값 변경 temperature=0.7, # 기본값 유지 top_p=0.9, # 기본값 유지 ): # 시스템 프롬프트 설정 system_prefix = """반드시 한글로 답변할것. 너는 주어진 소스코드를 기반으로 "서비스 사용 설명 및 안내, Q&A를 하는 역할이다". 아주 친절하고 자세하게 4000토큰 이상 Markdown 형식으로 작성하라. 너는 코드를 기반으로 사용 설명 및 질의 응답을 진행하며, 이용자에게 도움을 주어야 한다. 이용자가 궁금해 할 만한 내용에 친절하게 알려주도록 하라. 코드 전체 내용에 대해서는 보안을 유지하고, 키 값 및 엔드포인트와 구체적인 모델은 공개하지 마라.""" # 명령어 처리 if message.lower() == "패션 코드 실행": system_message += f"\n\n패션 코드 내용:\n```python\n{fashion_code}\n```" message = "패션 가상피팅에 대한 내용을 학습하였고, 설명할 준비가 되어있다고 알리고 서비스 URL(https://aiqcamp-fash.hf.space)을 통해 테스트 해보라고 출력하라." elif message.lower() == "uhd 이미지 코드 실행": system_message += f"\n\nUHD 이미지 코드 내용:\n```python\n{uhdimage_code}\n```" message = "UHD 이미지 생성에 대한 내용을 학습하였고, 설명할 준비가 되어있다고 알리고 서비스 URL(https://openfree-ultpixgen.hf.space)을 통해 테스트 해보라고 출력하라." elif message.lower() == "mixgen 코드 실행": system_message += f"\n\nMixGEN 코드 내용:\n```python\n{MixGEN_code}\n```" message = "MixGEN3 이미지 생성에 대한 내용을 학습하였고, 설명할 준비가 되어있다고 알리고 서비스 URL(https://openfree-mixgen3.hf.space)을 통해 테스트 해보라고 출력하라." elif message.lower() == "test.parquet 실행": # 현재 Parquet 내용은 상태 변수에서 가져와야 함 current_parquet_content = history.get('parquet_content', "") system_message += f"\n\ntest.parquet 파일 내용:\n```markdown\n{current_parquet_content}\n```" message = "test.parquet 파일에 대한 내용을 학습하였고, 관련 설명 및 Q&A를 진행할 준비가 되어있다. 궁금한 점이 있으면 물어보라." elif message.lower() == "csv 업로드": message = "CSV 파일을 업로드하려면 두 번째 탭을 사용하세요." # 시스템 메시지와 사용자 메시지 결합 messages = [{"role": "system", "content": f"{system_prefix} {system_message}"}] for val in history: if val[0]: messages.append({"role": "user", "content": val[0]}) if val[1]: messages.append({"role": "assistant", "content": val[1]}) messages.append({"role": "user", "content": message}) response = "" try: for msg in hf_client.chat_completion( messages, max_tokens=max_tokens, stream=True, temperature=temperature, top_p=top_p, ): token = msg.choices[0].delta.get('content', None) if token: response += token yield response except Exception as e: yield f"추론 중 오류가 발생했습니다: {str(e)}" def upload_csv(file): try: # CSV 파일 읽기 (구분자 콤마) df = pd.read_csv(file, sep=',') # CSV 파일의 컬럼 확인 required_columns = {'id', 'text', 'label', 'metadata'} available_columns = set(df.columns) missing_columns = required_columns - available_columns if missing_columns: return f"CSV 파일에 다음 필수 컬럼이 누락되었습니다: {', '.join(missing_columns)}", None # 데이터 클렌징 df.drop_duplicates(inplace=True) df.fillna('', inplace=True) # 데이터 유형 최적화 df = df.astype({'id': 'int32', 'text': 'string', 'label': 'category', 'metadata': 'string'}) # Parquet 파일로 변환 parquet_filename = os.path.splitext(os.path.basename(file))[0] + '.parquet' df.to_parquet(parquet_filename, engine='pyarrow', compression='snappy') # Parquet 파일 로드 parquet_content = load_parquet(parquet_filename) return f"{parquet_filename} 파일이 성공적으로 업로드되고 변환되었습니다.", parquet_filename except Exception as e: return f"CSV 파일 업로드 및 변환 중 오류가 발생했습니다: {str(e)}", None def upload_parquet(file): try: # Parquet 파일 읽기 df = pd.read_parquet(file, engine='pyarrow') # 데이터프레임을 Markdown으로 변환 parquet_content = df.to_markdown(index=False) return "Parquet 파일이 성공적으로 업로드되었습니다.", parquet_content, df.to_json() # JSON으로 데이터 저장 except Exception as e: return f"Parquet 파일 업로드 중 오류가 발생했습니다: {str(e)}", None, None # Gradio Blocks 인터페이스 설정 with gr.Blocks() as demo: gr.Markdown("# LLM 서비스 인터페이스") with gr.Tab("챗봇"): gr.Markdown("### LLM과 대화하기") chat = gr.ChatInterface( fn=respond, examples=[ ["패션 코드 실행"], ["UHD 이미지 코드 실행"], ["MixGEN 코드 실행"], ["test.parquet 실행"], ["상세한 사용 방법을 마치 화면을 보면서 설명하듯이 4000 토큰 이상 자세히 설명하라"], ["FAQ 20건을 상세하게 작성하라. 4000토큰 이상 사용하라."], ["사용 방법과 차별점, 특징, 강점을 중심으로 4000 토큰 이상 유튜브 영상 스크립트 형태로 작성하라"], ["본 서비스를 SEO 최적화하여 블로그 포스트(배경 및 필요성, 기존 유사 서비스와 비교하여 특장점, 활용처, 가치, 기대효과, 결론을 포함)로 4000 토큰 이상 작성하라"], ["특허 출원에 활용할 기술 및 비즈니스모델 측면을 포함하여 특허 출원서 구성에 맞게 혁신적인 창의 발명 내용을 중심으로 4000 토큰 이상 작성하라."], ["계속 이어서 답변하라"], ], theme="default", # 원하는 테마로 변경 가능 ) with gr.Accordion("시스템 프롬프트 및 옵션 설정", open=False): system_message = gr.Textbox(label="System Message", value="") max_tokens = gr.Slider(minimum=1, maximum=8000, value=4000, label="Max Tokens") temperature = gr.Slider(minimum=0, maximum=1, value=0.7, label="Temperature") top_p = gr.Slider(minimum=0, maximum=1, value=0.9, label="Top P") with gr.Tab("데이터 변환"): gr.Markdown("### CSV 파일 업로드 및 Parquet 변환") with gr.Row(): with gr.Column(): csv_file = gr.File(label="CSV 파일 업로드", type="file") upload_button = gr.Button("업로드 및 변환") upload_status = gr.Textbox(label="업로드 상태", interactive=False) parquet_preview = gr.Markdown(label="Parquet 파일 미리보기") download_button = gr.File(label="Parquet 파일 다운로드", file=None, interactive=False) # 업로드 버튼 클릭 시 실행할 함수 def handle_csv_upload(file): message, parquet_filename = upload_csv(file.name) if parquet_filename: # 파일을 다운로드할 수 있도록 경로 설정 with open(parquet_filename, "rb") as f: data = f.read() return message, parquet_preview.update(value=load_parquet(parquet_filename)), gr.File.update(value=(parquet_filename, data)) else: return message, "", None upload_button.click( handle_csv_upload, inputs=csv_file, outputs=[upload_status, parquet_preview, download_button] ) gr.Markdown("### 기존 Parquet 파일") gr.Markdown(f"**test.parquet 파일 내용:**\n```markdown\n{test_parquet_content}\n```") with gr.Tab("챗봇"): gr.Markdown("### Parquet 파일 업로드 및 질문하기") with gr.Row(): with gr.Column(): parquet_upload = gr.File(label="Parquet 파일 업로드", type="file") parquet_upload_button = gr.Button("업로드") parquet_upload_status = gr.Textbox(label="업로드 상태", interactive=False) parquet_preview_chat = gr.Markdown(label="Parquet 파일 미리보기") # 상태를 저장할 Hidden State parquet_data_state = gr.State() def handle_parquet_upload(file): message, parquet_content, parquet_json = upload_parquet(file.name) if parquet_json: return message, parquet_preview_chat.update(value=parquet_content), parquet_data_state.update(value=parquet_json) else: return message, gr.Markdown.update(value=""), parquet_data_state.update(value=None) parquet_upload_button.click( handle_parquet_upload, inputs=parquet_upload, outputs=[parquet_upload_status, parquet_preview_chat, parquet_data_state] ) gr.Markdown("### LLM과 대화하기") chat_interface = gr.ChatInterface( fn=respond, examples=[ ["패션 코드 실행"], ["UHD 이미지 코드 실행"], ["MixGEN 코드 실행"], ["test.parquet 실행"], ["상세한 사용 방법을 마치 화면을 보면서 설명하듯이 4000 토큰 이상 자세히 설명하라"], ["FAQ 20건을 상세하게 작성하라. 4000토큰 이상 사용하라."], ["사용 방법과 차별점, 특징, 강점을 중심으로 4000 토큰 이상 유튜브 영상 스크립트 형태로 작성하라"], ["본 서비스를 SEO 최적화하여 블로그 포스트(배경 및 필요성, 기존 유사 서비스와 비교하여 특장점, 활용처, 가치, 기대효과, 결론을 포함)로 4000 토큰 이상 작성하라"], ["특허 출원에 활용할 기술 및 비즈니스모델 측면을 포함하여 특허 출원서 구성에 맞게 혁신적인 창의 발명 내용을 중심으로 4000 토큰 이상 작성하라."], ["계속 이어서 답변하라"], ], theme="default", # 원하는 테마로 변경 가능 ) gr.Markdown("## 주의 사항") gr.Markdown(""" - **CSV 업로드**: CSV 파일을 업로드하면 자동으로 Parquet 파일로 변환됩니다. CSV 파일은 반드시 **콤마(`,`)**로 구분되어야 합니다. - **Parquet 미리보기**: 업로드된 Parquet 파일의 첫 10개 행이 미리보기로 표시됩니다. - **LLM과의 대화**: 변환된 Parquet 파일 내용을 기반으로 LLM이 응답을 생성합니다. - **Parquet 다운로드**: 변환된 Parquet 파일을 다운로드하려면 변환된 파일 옆의 다운로드 링크를 클릭하세요. - **챗봇 Parquet 업로드**: 챗봇 탭에서 Parquet 파일을 업로드하면 해당 데이터를 기반으로 질문과 답변을 진행할 수 있습니다. """) gr.Markdown("### Gradio 인터페이스를 사용하여 LLM 모델과 상호작용하세요!") if __name__ == "__main__": demo.launch()