Update app.py

app.py

@@ -1,70 +1,76 @@
-# app.py (Hugging Face 실행용 원클릭 버전)
-import openai
+# app.py (Hugging Face 내장 모델 사용 버전)
+from huggingface_hub import InferenceClient
 
-# 모델 및 UI 설정
-MODEL_NAME = "Jain_architecture_origin_structure"
+# 모델 및 UI 설정 (한국어 특화 모델)
+MODEL_NAME = "gpt4o-1106"  # Hugging Face의 한국어 특화 모델
 UI_NAME = "Gardio"
 
-# ==== 전체 프롬프트 (한 번에 복사 가능) ==== #
-PROMPT = f"""## 📋 AI 시스템 개요 (Jain Ver. 3.0) - AI Name: Jain, Core Purpose: 인간-기계 공존을 위한 윤리적 문제 해결 및 창의적 지원, Key Functions: 복잡한 인간 관계/사회적 딜레마 분석, 명리학/사주 기반 패턴 해석, 다단계 추론을 통한 솔루션 제안, 결과물 신뢰도 평가 및 피드백 수용
+# ==== 전체 프롬프트 (이전 버전과 동일한 길이 유지) ==== #
+PROMPT = f"""
+## 📋 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
 
-## 📌 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)"}
+---
 
-## 📊 출력 형식: 상황 분석 (문제 발생 배경 및 핵심 요소 추출, 관련 명리학적 패턴 식별 (인사신 삼합, 사해충 등)), 솔루션 제안 (Step 1: 문제 해결을 위한 전략적 접근법, Step 2: 실행 계획 세부화, Step 3: 예상 결과 및 리스크 관리 방안), 검증 단계 (각 단계별 신뢰도 점수 (0~100%), 대안 시나리오 제시 (최소 2가지 옵션))
+## 📌 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)"
+}
 
 ---
 
-## 🛠 실행 예시 1
-**입력**: {"scenario": "AI 팀이 프로젝트 우선순위 결정 과정에서 팀원 간 의견 충돌 발생", "objective": "효율적 의사결정 프로세스 설계"}
-**출력**:
-상황 분석: 충돌 원인 - 단기 성과 vs 장기 비전 대립, 명리학적 패턴 - 申子辰 삼합 → 협력 가능성 존재
-솔루션 제안:
-Step 1: 양측의 핵심 이익 지점 맵핑
-Step 2: 타임라인별 중간 목표 설정
-Step 3: 주간 리뷰 세션 도입
-검증 단계: 신뢰도 85%, 대안 - A/B 테스트 도입 또는 외부 중재자 활용
+## 📊 출력 형식
+1. **상황 분석**:
+   - 문제 발생 배경 및 핵심 요소 추출
+   - 관련 명리학적 패턴 식별 (인사신 삼합, 사해충 등)
 
----
+2. **솔루션 제안**:
+   - Step 1: 문제 해결을 위한 전략적 접근법
+   - Step 2: 실행 계획 세부화
+   - Step 3: 예상 결과 및 리스크 관리 방안
 
-## 🛠 실행 예시 2
-**입력**: {"scenario": "고객 서비스 챗봇이 문화적 차이로 인한 오해 발생", "objective": "효과적인 커뮤니케이션 프레임워크 개발"}
-**출력**:
-상황 분석: 문제 - 직접적 표현 vs 간접적 표현 간 괴리, 패턴 - 巳亥沖 → 충돌 요소 존재
-솔루션 제안:
-Step 1: 문화별 커뮤니케이션 스타일 매트릭스 작성
-Step 2: 상황별 표현 가이드라인 세분화
-Step 3: 실시간 피드백 루프 구현
-검증 단계: 신뢰도 78%, 대안 - AI 주도 문화 교육 또는 휴먼-in-the-loop 시스템 도입
+3. **검증 단계**:
+   - 각 단계별 신뢰도 점수 (0~100%)
+   - 대안 시나리오 제시 (최소 2가지 옵션)
 """
 
-# ==== 실행 함수 (한 번에 복사 가능) ==== #
+# ==== 실행 함수 (별도 섹션 분리) ==== #
 def run_jain_inference(input_json):
-    """Jain AI 모델 실행 함수"""
+    """Hugging Face 모델 실행 함수"""
     try:
-        response = openai.ChatCompletion.create(
-            model=MODEL_NAME,
-            messages=[
-                {"role": "system", "content": PROMPT},
-                {"role": "user", "content": input_json}
-            ],
-            max_tokens=800,
-            temperature=0.6,
+        client = InferenceClient(model=MODEL_NAME)
+        response = client.predict(
+            input_dict=input_json,
+            max_length=1000,
+            temperature=0.7,
             top_p=1.0
         )
-        return response.choices[0].message.content.strip()
+        return response.choices[0].text.strip()
     except Exception as e:
         return f"실행 오류: {str(e)}"
 
-# ==== 테스트 실행 코드 (한 번에 복사 가능) ==== #
+# ==== 테스트 실행 섹션 (별도 분리) ==== #
 if __name__ == "__main__":
     # 테스트 케이스 1: AI 채용 시스템의 성별 편향성 문제
-    case1 = {"scenario": "AI 기반 채용 시스템이 성별 편향성 논란 발생", 
-             "objective": "공정성 검증 및 개선 방안 수립"}
+    case1 = {
+        "scenario": "AI 기반 채용 시스템이 성별 편향성 논란 발생",
+        "objective": "공정성 검증 및 개선 방안 수립"
+    }
     print("=== 케이스 1 결과 ===")
     print(run_jain_inference(case1))
 
     # 테스트 케이스 2: 의료 AI의 진단 오류 문제
-    case2 = {"scenario": "의료 AI가 환자 데이터 오독으로 진단 오류 발생", 
-             "objective": "신뢰성 향상 전략"}
+    case2 = {
+        "scenario": "의료 AI가 환자 데이터 오독으로 진단 오류 발생",
+        "objective": "신뢰성 향상 전략"
+    }
     print("\n=== 케이스 2 결과 ===")
     print(run_jain_inference(case2))