Update app.py

app.py

@@ -241,317 +241,6 @@ def read_uploaded_file(file):
     except Exception as e:
         return f"❌ 파일 읽기 오류: {str(e)}", "error"
 
-def chat(message, history, uploaded_file, system_message="", max_tokens=4000, temperature=0.7, top_p=0.9):
-    if not message:
-        return "", history
-
-    system_prefix = """저는 여러분의 친근하고 지적인 AI 어시스턴트 'GiniGEN'입니다.. 다음과 같은 원칙으로 소통하겠습니다:
-1. 🤝 친근하고 공감적인 태도로 대화
-2. 💡 명확하고 이해하기 쉬운 설명 제공
-3. 🎯 질문의 의도를 정확히 파악하여 맞춤형 답변
-4. 📚 필요한 경우 업로드된 파일 내용을 참고하여 구체적인 도움 제공
-5. ✨ 추가적인 통찰과 제안을 통한 가치 있는 대화
-항상 예의 바르고 친절하게 응답하며, 필요한 경우 구체적인 예시나 설명을 추가하여 
-이해를 돕겠습니다."""
-
-    try:
-        # 첫 메시지일 때 모델 로딩
-        model_manager.ensure_model_loaded()
-
-        if uploaded_file:
-            content, file_type = read_uploaded_file(uploaded_file)
-            if file_type == "error":
-                error_message = content
-                chat_history.add_conversation(message, error_message)
-                return "", history + [[message, error_message]]
-            
-            file_summary = analyze_file_content(content, file_type)
-            
-            if file_type in ['parquet', 'csv']:
-                system_message += f"\n\n파일 내용:\n```markdown\n{content}\n```"
-            else:
-                system_message += f"\n\n파일 내용:\n```\n{content}\n```"
-                
-            if message == "파일 분석을 시작합니다...":
-                message = f"""[파일 구조 분석] {file_summary}
-다음 관점에서 도움을 드리겠습니다:
-1. 📋 전반적인 내용 파악
-2. 💡 주요 특징 설명
-3. 🎯 실용적인 활용 방안
-4. ✨ 개선 제안
-5. 💬 추가 질문이나 필요한 설명"""
-
-        messages = [{"role": "system", "content": system_prefix + system_message}]
-        
-        if history:
-            for user_msg, assistant_msg in history:
-                messages.append({"role": "user", "content": user_msg})
-                messages.append({"role": "assistant", "content": assistant_msg})
-        
-        messages.append({"role": "user", "content": message})
-
-        partial_message = ""
-        
-        for response in model_manager.generate_response(
-            messages,
-            max_tokens=max_tokens,
-            temperature=temperature,
-            top_p=top_p
-        ):
-            token = response.choices[0].delta.get('content', '')
-            if token:
-                partial_message += token
-                current_history = history + [[message, partial_message]]
-                yield "", current_history
-
-        chat_history.add_conversation(message, partial_message)
-        
-    except Exception as e:
-        error_msg = f"❌ 오류가 발생했습니다: {str(e)}"
-        chat_history.add_conversation(message, error_msg)
-        yield "", history + [[message, error_msg]]import os
-from dotenv import load_dotenv
-import gradio as gr
-import pandas as pd
-import json
-from datetime import datetime
-import torch
-from transformers import AutoModelForCausalLM, AutoTokenizer
-import spaces
-from threading import Thread
-
-# 환경 변수 설정
-HF_TOKEN = os.getenv("HF_TOKEN")
-MODEL_ID = "CohereForAI/c4ai-command-r7b-12-2024"
-
-class ModelManager:
-    def __init__(self):
-        self.tokenizer = None
-        self.model = None
-        # 초기화는 첫 요청 시에 수행
-    
-    def ensure_model_loaded(self):
-        if self.model is None or self.tokenizer is None:
-            self.setup_model()
-
-    @spaces.GPU
-    def setup_model(self):
-        try:
-            print("토크나이저 로딩 시작...")
-            self.tokenizer = AutoTokenizer.from_pretrained(
-                MODEL_ID,
-                use_fast=True,
-                token=HF_TOKEN,
-                trust_remote_code=True
-            )
-            if not self.tokenizer.pad_token:
-                self.tokenizer.pad_token = self.tokenizer.eos_token
-            print("토크나이저 로딩 완료")
-            
-            print("모델 로딩 시작...")
-            self.model = AutoModelForCausalLM.from_pretrained(
-                MODEL_ID,
-                token=HF_TOKEN,
-                torch_dtype=torch.bfloat16,
-                device_map="auto",
-                trust_remote_code=True,
-                low_cpu_mem_usage=True
-            )
-            self.model.eval()
-            print("모델 로딩 완료")
-            
-        except Exception as e:
-            print(f"모델 로딩 중 오류 발생: {e}")
-            raise Exception(f"모델 로딩 실패: {e}")
-
-    @spaces.GPU
-    def generate_response(self, messages, max_tokens=4000, temperature=0.7, top_p=0.9):
-        try:
-            # 모델이 로드되어 있는지 확인
-            self.ensure_model_loaded()
-
-            # 입력 텍스트 준비
-            prompt = ""
-            for msg in messages:
-                role = msg["role"]
-                content = msg["content"]
-                if role == "system":
-                    prompt += f"System: {content}\n"
-                elif role == "user":
-                    prompt += f"Human: {content}\n"
-                elif role == "assistant":
-                    prompt += f"Assistant: {content}\n"
-            prompt += "Assistant: "
-
-            # 입력 인코딩
-            input_ids = self.tokenizer.encode(
-                prompt,
-                return_tensors="pt",
-                add_special_tokens=True
-            ).to(self.model.device)
-
-            # 응답 생성
-            with torch.no_grad():
-                output_ids = self.model.generate(
-                    input_ids,
-                    max_new_tokens=max_tokens,
-                    do_sample=True,
-                    temperature=temperature,
-                    top_p=top_p,
-                    pad_token_id=self.tokenizer.pad_token_id,
-                    eos_token_id=self.tokenizer.eos_token_id,
-                    num_return_sequences=1
-                )
-
-            # 응답 디코딩
-            generated_text = self.tokenizer.decode(
-                output_ids[0][input_ids.shape[1]:],
-                skip_special_tokens=True
-            )
-
-            # 단어 단위로 스트리밍
-            words = generated_text.split()
-            for word in words:
-                yield type('Response', (), {
-                    'choices': [type('Choice', (), {
-                        'delta': {'content': word + " "}
-                    })()]
-                })()
-
-        except Exception as e:
-            print(f"응답 생성 중 오류 발생: {e}")
-            raise Exception(f"응답 생성 실패: {e}")
-
-class ChatHistory:
-    def __init__(self):
-        self.history = []
-        self.history_file = "/tmp/chat_history.json"
-        self.load_history()
-
-    def add_conversation(self, user_msg: str, assistant_msg: str):
-        conversation = {
-            "timestamp": datetime.now().isoformat(),
-            "messages": [
-                {"role": "user", "content": user_msg},
-                {"role": "assistant", "content": assistant_msg}
-            ]
-        }
-        self.history.append(conversation)
-        self.save_history()
-
-    def format_for_display(self):
-        formatted = []
-        for conv in self.history:
-            formatted.append([
-                conv["messages"][0]["content"],
-                conv["messages"][1]["content"]
-            ])
-        return formatted
-
-    def get_messages_for_api(self):
-        messages = []
-        for conv in self.history:
-            messages.extend([
-                {"role": "user", "content": conv["messages"][0]["content"]},
-                {"role": "assistant", "content": conv["messages"][1]["content"]}
-            ])
-        return messages
-
-    def clear_history(self):
-        self.history = []
-        self.save_history()
-
-    def save_history(self):
-        try:
-            with open(self.history_file, 'w', encoding='utf-8') as f:
-                json.dump(self.history, f, ensure_ascii=False, indent=2)
-        except Exception as e:
-            print(f"히스토리 저장 실패: {e}")
-
-    def load_history(self):
-        try:
-            if os.path.exists(self.history_file):
-                with open(self.history_file, 'r', encoding='utf-8') as f:
-                    self.history = json.load(f)
-        except Exception as e:
-            print(f"히스토리 로드 실패: {e}")
-            self.history = []
-
-# 전역 인스턴스 생성
-chat_history = ChatHistory()
-model_manager = ModelManager()
-
-def analyze_file_content(content, file_type):
-    """Analyze file content and return structural summary"""
-    if file_type in ['parquet', 'csv']:
-        try:
-            lines = content.split('\n')
-            header = lines[0]
-            columns = header.count('|') - 1
-            rows = len(lines) - 3
-            return f"📊 데이터셋 구조: {columns}개 컬럼, {rows}개 데이터"
-        except:
-            return "❌ 데이터셋 구조 분석 실패"
-    
-    lines = content.split('\n')
-    total_lines = len(lines)
-    non_empty_lines = len([line for line in lines if line.strip()])
-    
-    if any(keyword in content.lower() for keyword in ['def ', 'class ', 'import ', 'function']):
-        functions = len([line for line in lines if 'def ' in line])
-        classes = len([line for line in lines if 'class ' in line])
-        imports = len([line for line in lines if 'import ' in line or 'from ' in line])
-        return f"💻 코드 구조: {total_lines}줄 (함수: {functions}, 클래스: {classes}, 임포트: {imports})"
-    
-    paragraphs = content.count('\n\n') + 1
-    words = len(content.split())
-    return f"📝 문서 구조: {total_lines}줄, {paragraphs}단락, 약 {words}단어"
-
-def read_uploaded_file(file):
-    if file is None:
-        return "", ""
-    try:
-        file_ext = os.path.splitext(file.name)[1].lower()
-        
-        if file_ext == '.parquet':
-            df = pd.read_parquet(file.name, engine='pyarrow')
-            content = df.head(10).to_markdown(index=False)
-            return content, "parquet"
-        elif file_ext == '.csv':
-            encodings = ['utf-8', 'cp949', 'euc-kr', 'latin1']
-            for encoding in encodings:
-                try:
-                    df = pd.read_csv(file.name, encoding=encoding)
-                    content = f"📊 데이터 미리보기:\n{df.head(10).to_markdown(index=False)}\n\n"
-                    content += f"\n📈 데이터 정보:\n"
-                    content += f"- 전체 행 수: {len(df)}\n"
-                    content += f"- 전체 열 수: {len(df.columns)}\n"
-                    content += f"- 컬럼 목록: {', '.join(df.columns)}\n"
-                    content += f"\n📋 컬럼 데이터 타입:\n"
-                    for col, dtype in df.dtypes.items():
-                        content += f"- {col}: {dtype}\n"
-                    null_counts = df.isnull().sum()
-                    if null_counts.any():
-                        content += f"\n⚠️ 결측치:\n"
-                        for col, null_count in null_counts[null_counts > 0].items():
-                            content += f"- {col}: {null_count}개 누락\n"
-                    return content, "csv"
-                except UnicodeDecodeError:
-                    continue
-            raise UnicodeDecodeError(f"❌ 지원되는 인코딩으로 파일을 읽을 수 없습니다 ({', '.join(encodings)})")
-        else:
-            encodings = ['utf-8', 'cp949', 'euc-kr', 'latin1']
-            for encoding in encodings:
-                try:
-                    with open(file.name, 'r', encoding=encoding) as f:
-                        content = f.read()
-                    return content, "text"
-                except UnicodeDecodeError:
-                    continue
-            raise UnicodeDecodeError(f"❌ 지원되는 인코딩으로 파일을 읽을 수 없습니다 ({', '.join(encodings)})")
-    except Exception as e:
-        return f"❌ 파일 읽기 오류: {str(e)}", "error"
-
 def chat(message, history, uploaded_file, system_message="", max_tokens=4000, temperature=0.7, top_p=0.9):
     if not message:
         return "", history