Update app.py

app.py

@@ -20,10 +20,10 @@ 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
+        maxRecords=500, includeDesc=True  # دریافت توضیحات محصول
     )
     if df is None or df.empty:
-        return pd.DataFrame(columns=["کد کشور", "نام کشور", "ارزش CIF"])
+        return pd.DataFrame(columns=["کد کشور", "نام کشور", "ارزش CIF"]), "برنج"  # پیش‌فرض برنج
     df = df[df['cifvalue'] > 0]
     result = (
         df.groupby(["reporterCode", "reporterDesc"], as_index=False)
@@ -31,17 +31,20 @@ def get_importers(hs_code: str, year: str, month: str):
           .sort_values("cifvalue", ascending=False)
     )
     result.columns = ["کد کشور", "نام کشور", "ارزش CIF"]
-    return result
+    
+    # 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
 
-def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str):
+def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str, product_name: 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 a product with HS code {hs_code} during the period {period}:\n"
+        f"The following table shows countries that imported the product '{product_name}' with HS code {hs_code} during the period {period}:\n"
         f"{table_str}\n\n"
-        f"Please provide a detailed and comprehensive analysis in two paragraphs. The first paragraph should discuss market opportunities, potential demand, and specific cultural or economic factors influencing the demand for this product in these countries. The second paragraph should offer actionable strategic recommendations for exporters, including detailed trade strategies, risk management techniques, and steps to establish local partnerships."
+        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."
     )
     print("پرامپت ساخته‌شده:")
     print(prompt)
@@ -50,7 +53,7 @@ def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str
         outputs = client.text_generation(
             prompt=prompt,
             model="mistralai/Mixtral-8x7B-Instruct-v0.1",
-            max_new_tokens=1024  # افزایش برای تکمیل جملات
+            max_new_tokens=1024
         )
         print("خروجی مدل دریافت شد (به انگلیسی):")
         print(outputs)
@@ -72,7 +75,7 @@ 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")
+        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_month = gr.Dropdown(choices=months, label="ماه", value=str(pd.Timestamp.now().month))
     btn_show = gr.Button("نمایش اطلاعات")
@@ -81,14 +84,18 @@ with gr.Blocks() as demo:
         datatype=["number", "text", "number"],
         interactive=True,
     )
-    btn_show.click(get_importers, [inp_hs, inp_year, inp_month], out_table)
+    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_advice = gr.Button("ارائه مشاوره تخصصی")
     out_advice = gr.Textbox(label="مشاوره تخصصی", lines=6)
 
     btn_advice.click(
-        provide_advice,
-        inputs=[out_table, inp_hs, inp_year, inp_month],
+        fn=provide_advice,
+        inputs=[out_table, inp_hs, inp_year, inp_month, gr.State()],
         outputs=out_advice
     )