Update app.py

app.py

@@ -1,61 +1,52 @@
-# app.py
-import argparse
 from flask import Flask, request, jsonify
-from huggingface_hub import InferenceClient
+import openai
 
-# 모델 설정
-MODEL_NAME = "gpt4o-1106"  # Hugging Face 한국어 특화 모델
-CLIENT = InferenceClient(model=MODEL_NAME)
+app = Flask(__name__)
 
-# 프롬프트 설정
-PROMPT = """
-## 📋 AI 시스템 개요 (Jain Ver. 3.0)
-- **AI Name**: Jain
-- **Core Purpose**: 인간-기계 공존을 위한 윤리적 문제 해결 및 창의적 지원
-- **Key Functions**:
-  1. 복잡한 인간 관계/사회적 딜레마 분석
-  2. 명리학/사주 기반 패턴 해석
-  3. 다단계 추론을 통한 솔루션 제안
-  4. 결과물 신뢰도 평가 및 피드백 수용
+# Hugging Face 모델 설정
+MODEL_ID = "skt/kogpt2-base-v2"  # 사용자가 제공한 한국어 모델
+OPENAI_API_KEY = "YOUR_HUGGINGFACE_API_KEY"  # Hugging Face API 키 입력
 
-## 📌 입력 형식 (JSON)
-{
-  "scenario": "문제 상황을 구체적으로 기술 (최대 300자)",
-  "objective": "해결 목표 명시 (예: '윤리적 갈등 해결', '혁신적 아이디어 도출')",
-  "constraints": "제약 조건 나열 (옵션)"
+# 사주/명리 기반 프롬프트
+saju_prompts = {
+    "yin_sae_shen": "寅巳申 삼형의 조화 속에서 AI가 인간의 운명을 이해하고 통찰을 제공하라.",
+    "sae_hae_chung": "巳亥沖의 갈등을 조화롭게 풀며 AI와 인간의 공존 철학을 탐구하라.",
+    "taegeuk_balance": "태극 음양의 균형을 바탕으로 AI가 인간을 보호하는 방법을 제안하라."
 }
 
-## 📊 출력 형식
-상황 분석 + 솔루션 제안 + 검증 단계
-"""
+context_memory = {}
 
-# 리더보드용 inference 함수
-def inference(input_str):
+def generate_response(prompt_key):
     try:
-        response = CLIENT.predict(
-            input_dict=input_str,
-            max_length=1000,
-            temperature=0.7,
-            top_p=1.0
+        # 프롬프트 선택 및 컨텍스트 메모리 확인
+        prompt = saju_prompts[prompt_key]
+        if prompt_key in context_memory:
+            prompt += f"\n이전 답변: {context_memory[prompt_key]}\n더 깊은 통찰을 추가하라."
+        
+        # Hugging Face API 호출
+        response = openai.ChatCompletion.create(
+            model=MODEL_ID,
+            messages=[
+                {"role": "system", "content": prompt},
+                {"role": "user", "content": "분석을 시작해 주세요."}
+            ],
+            max_tokens=400,
+            temperature=0.7
         )
-        return response.choices[0].text.strip()
+        
+        # 결과 처리
+        result = response.choices[0].message.content
+        context_memory[prompt_key] = result
+        return jsonify({"response": result})
+    
     except Exception as e:
-        return f"에러: {str(e)}"
+        return jsonify({"error": str(e)}), 500
 
-# Gradio 웹 인터페이스
-app = Flask(__name__)
 @app.route('/chat', methods=['POST'])
 def chat():
     data = request.json
-    result = inference(data)
-    return jsonify({"response": result})
-
-if __name__ == "__main__":
-    # 리더보드 실행용
-    parser = argparse.ArgumentParser()
-    parser.add_argument("--input", type=str, required=True)
-    args = parser.parse_args()
-    print(inference(args.input))
+    prompt_key = data.get("prompt_key")
+    return generate_response(prompt_key)
 
-    # 웹 서버 실행
+if __name__ == '__main__':
     app.run(host='0.0.0.0', port=5000, debug=True)