Update app.py

app.py

@@ -1,17 +1,16 @@
+graidio
 import os
 import gradio as gr
 import pandas as pd
 import comtradeapicall
 from huggingface_hub import InferenceClient
-from deep_translator import GoogleTranslator
 
-# کلید COMTRADE
+# کلید COMTRADE (فعلاً برای preview نیازی به آن نداریم)
 subscription_key = os.getenv("COMTRADE_API_KEY", "")
 # توکن Hugging Face
 hf_token = os.getenv("HF_API_TOKEN")
 
 client = InferenceClient(token=hf_token)
-translator = GoogleTranslator(source='en', target='fa')
 
 def get_importers(hs_code: str, year: str, month: str):
     period = f"{year}{int(month):02d}"
@@ -20,53 +19,37 @@ def get_importers(hs_code: str, year: str, month: str):
         reporterCode=None, cmdCode=hs_code, flowCode='M',
         partnerCode=None, partner2Code=None,
         customsCode=None, motCode=None,
-        maxRecords=500, includeDesc=True  # دریافت توضیحات محصول
+        maxRecords=500, includeDesc=True
     )
     if df is None or df.empty:
-        return pd.DataFrame(columns=["کد کشور", "نام کشور", "ارزش CIF"]), "برنج"  # پیش‌فرض برنج
+        return pd.DataFrame(columns=["کد کشور","نام کشور","ارزش CIF"])
     df = df[df['cifvalue'] > 0]
     result = (
-        df.groupby(["reporterCode", "reporterDesc"], as_index=False)
-          .agg({"cifvalue": "sum"})
+        df.groupby(["reporterCode","reporterDesc"], as_index=False)
+          .agg({"cifvalue":"sum"})
           .sort_values("cifvalue", ascending=False)
     )
-    result.columns = ["کد کشور", "نام کشور", "ارزش CIF"]
-    
-    # استخراج نام محصول از توضیحات (فرض بر این است که cmdDesc نام محصول را دارد)
-    product_name = df['cmdDesc'].iloc[0] if 'cmdDesc' in df.columns else "برنج"
-    return result, product_name
+    result.columns = ["کد کشور","نام کشور","ارزش CIF"]
+    return result
 
-def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str, product_name: str):
+def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str):
     if table_data is None or table_data.empty:
         return "ابتدا باید اطلاعات واردات را نمایش دهید."
     table_str = table_data.to_string(index=False)
     period = f"{year}/{int(month):02d}"
     prompt = (
-        f"The following table shows countries that imported the product '{product_name}' with HS code {hs_code} during the period {period}:\n"
+        f"جدول زیر کشورهایی را نشان می‌دهد که کالا با کد HS {hs_code} را در دوره {period} وارد کرده‌اند:\n"
         f"{table_str}\n\n"
-        f"لطفاً یک تحلیل کامل ارائه دهید که شامل دو بخش باشد. بخش اول فرصت‌های بازار و تقاضای بالقوه برای این محصول در این کشورها را بررسی کند، با توجه به عوامل فرهنگی، اقتصادی و جمعیتی. بخش دوم توصیه‌های استراتژیک عملی برای صادرکنندگان که این بازارها را هدف قرار داده‌اند، با تمرکز بر استراتژی‌های تجاری، مدیریت ریسک و ایجاد مشارکت‌های محلی، ارائه دهد."
+        "لطفاً بر اساس این اطلاعات دو پاراگراف مشاوره تخصصی بنویسید."
     )
-    print("پرامپت ساخته‌شده:")
-    print(prompt)
-    try:
-        print("در حال فراخوانی مدل mistralai/Mixtral-8x7B-Instruct-v0.1...")
-        outputs = client.text_generation(
-            prompt=prompt,
-            model="mistralai/Mixtral-8x7B-Instruct-v0.1",
-            max_new_tokens=1024
-        )
-        print("خروجی مدل دریافت شد (به انگلیسی):")
-        print(outputs)
-
-        # ترجمه خروجی به فارسی
-        translated_outputs = translator.translate(outputs)
-        print("خروجی ترجمه‌شده به فارسی:")
-        print(translated_outputs)
-        return translated_outputs
-    except Exception as e:
-        error_msg = f"خطا در تولید مشاوره: {str(e)}"
-        print(error_msg)
-        return error_msg
+    # فراخوانی text_generation
+    outputs = client.text_generation(
+        model="google/gemma-2b",
+        inputs=prompt,
+        parameters={"max_new_tokens":256}
+    )
+    # خروجی اولین شات
+    return outputs[0]["generated_text"]
 
 current_year = pd.Timestamp.now().year
 years = [str(y) for y in range(2000, current_year+1)]
@@ -75,29 +58,25 @@ months = [str(m) for m in range(1, 13)]
 with gr.Blocks() as demo:
     gr.Markdown("## نمایش کشورهایی که یک کالا را وارد کرده‌اند")
     with gr.Row():
-        inp_hs = gr.Textbox(label="HS Code", value="1006")  # پیش‌فرض 1006 برای برنج
-        inp_year = gr.Dropdown(choices=years, label="سال", value=str(current_year))
+        inp_hs    = gr.Textbox(label="HS Code")
+        inp_year  = gr.Dropdown(choices=years, label="سال", value=str(current_year))
         inp_month = gr.Dropdown(choices=months, label="ماه", value=str(pd.Timestamp.now().month))
     btn_show = gr.Button("نمایش اطلاعات")
     out_table = gr.Dataframe(
-        headers=["کد کشور", "نام کشور", "ارزش CIF"],
-        datatype=["number", "text", "number"],
+        headers=["کد کشور","نام کشور","ارزش CIF"],
+        datatype=["number","text","number"],
         interactive=True,
     )
-    btn_show.click(
-        fn=get_importers,
-        inputs=[inp_hs, inp_year, inp_month],
-        outputs=[out_table, gr.State()]  # gr.State برای انتقال product_name
-    )
+    btn_show.click(get_importers, [inp_hs, inp_year, inp_month], out_table)
 
     btn_advice = gr.Button("ارائه مشاوره تخصصی")
     out_advice = gr.Textbox(label="مشاوره تخصصی", lines=6)
 
     btn_advice.click(
-        fn=provide_advice,
-        inputs=[out_table, inp_hs, inp_year, inp_month, gr.State()],
+        provide_advice,
+        inputs=[out_table, inp_hs, inp_year, inp_month],
         outputs=out_advice
     )
 
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()