Update app.py

app.py

@@ -1,12 +1,14 @@
-# app.py (Hugging Face 내장 모델 사용 버전)
+# app.py
+import argparse
+from flask import Flask, request, jsonify
 from huggingface_hub import InferenceClient
 
-# 모델 및 UI 설정 (한국어 특화 모델)
-MODEL_NAME = "gpt4o-1106"  # Hugging Face의 한국어 특화 모델
-UI_NAME = "Gardio"
+# 모델 설정
+MODEL_NAME = "gpt4o-1106"  # Hugging Face 한국어 특화 모델
+CLIENT = InferenceClient(model=MODEL_NAME)
 
-# ==== 전체 프롬프트 (이전 버전과 동일한 길이 유지) ==== #
-PROMPT = f"""
+# 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
@@ -16,8 +18,6 @@ PROMPT = f"""
   3. 다단계 추론을 통한 솔루션 제안
   4. 결과물 신뢰도 평가 및 피드백 수용
 
----
-
 ## 📌 입력 형식 (JSON)
 {
   "scenario": "문제 상황을 구체적으로 기술 (최대 300자)",
@@ -25,52 +25,37 @@ PROMPT = f"""
   "constraints": "제약 조건 나열 (옵션)"
 }
 
----
-
 ## 📊 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
-
-3. **검증 단계**:
-   - 각 단계별 신뢰도 점수 (0~100%)
-   - 대안 시나리오 제시 (최소 2가지 옵션)
+상황 분석 + 솔루션 제안 + 검증 단계
 """
 
-# ==== 실행 함수 (별도 섹션 분리) ==== #
-def run_jain_inference(input_json):
-    """Hugging Face 모델 실행 함수"""
+# 리더보드용 inference 함수
+def inference(input_str):
     try:
-        client = InferenceClient(model=MODEL_NAME)
-        response = client.predict(
-            input_dict=input_json,
+        response = CLIENT.predict(
+            input_dict=input_str,
             max_length=1000,
             temperature=0.7,
             top_p=1.0
         )
         return response.choices[0].text.strip()
     except Exception as e:
-        return f"실행 오류: {str(e)}"
+        return f"에러: {str(e)}"
 
-# ==== 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"
-    }
-    print("=== 케이스 1 결과 ===")
-    print(run_jain_inference(case1))
+# Gradio 웹 인터페이스
+app = Flask(__name__)
+@app.route('/chat', methods=['POST'])
+def chat():
+    data = request.json
+    result = inference(data)
+    return jsonify({"response": result})
 
-    # 테스트 케이스 2: 의료 AI의 진단 오류 문제
-    case2 = {
-        "scenario": "의료 AI가 환자 데이터 오독으로 진단 오류 발생",
-        "objective": "신뢰성 향상 전략"
-    }
-    print("\n=== 케이스 2 결과 ===")
-    print(run_jain_inference(case2))
+if __name__ == "__main__":
+    # 리더보드 실행용
+    parser = argparse.ArgumentParser()
+    parser.add_argument("--input", type=str, required=True)
+    args = parser.parse_args()
+    print(inference(args.input))
+
+    # 웹 서버 실행
+    app.run(host='0.0.0.0', port=5000, debug=True)