Upload 20200288_신성환__챗봇ui_구현_(1).py

20200288_신성환__챗봇ui_구현_(1).py

@@ -0,0 +1,686 @@
+# -*- coding: utf-8 -*-
+"""20200288_신성환__챗봇UI_구현 (1).ipynb
+
+Automatically generated by Colab.
+
+Original file is located at
+    https://colab.research.google.com/drive/1MWLEePYm47EBEFapa42ysUbVuUOP9APh
+
+# **✅ 0. 챗봇 기본 실행/설치 코드**
+
+**그록 API KEY 정보**
+"""
+
+# API_Key = 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
+
+!pip install -q pypdf
+
+pip install pymupdf
+
+!pip install langchain_community
+
+pip install faiss-cpu
+
+pip install -qU "langchain[groq]"
+
+!pip install -qU langchain langchain-community langchain-groq langchain-huggingface faiss-cpu PyMuPDF gradio
+
+"""# **✅ 1. 라이브러리 설치 및 환경 설정**"""
+
+# 충돌나는 잘못된 fitz 제거
+!pip uninstall -y fitz
+
+# 필요한 패키지 설치
+!pip install PyMuPDF openai
+
+"""# **✅ 1. 라이브러리 설치 및 import**"""
+
+!pip uninstall -y fitz  # 잘못된 fitz 제거
+!pip install PyMuPDF openai
+
+import fitz  # PyMuPDF
+from google.colab import files
+import openai
+
+"""# **✅ 2. PDF 업로드 및 텍스트 추출**"""
+
+uploaded = files.upload()
+pdf_path = list(uploaded.keys())[0]
+
+def extract_text_from_pdf(path):
+    doc = fitz.open(path)
+    return "".join(page.get_text() for page in doc)
+
+document_text = extract_text_from_pdf(pdf_path)
+
+"""# **✅ 3. Groq API 기반 LLM 설정**"""
+
+from openai import OpenAI
+
+client = OpenAI(
+    base_url="https://api.groq.com/openai/v1",  # 꼭 https 포함
+    api_key="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"  # ⚠️ 반드시 자신의 키로 교체
+)
+
+"""# **✅ 4. 질문 함수 정의 (document_text 기반 질의응답)**"""
+
+def ask_question(question, context):
+    response = client.chat.completions.create(
+        model="llama3-8b-8192",
+        messages=[
+            {"role": "system", "content": "너는 업로드한 문서를 설명하는 한국어 도우미야. 항상 한국어로 대답해."},
+            {"role": "user", "content": f"{question}\n\n[문서 내용]\n{context}"}
+        ]
+    )
+    return response.choices[0].message.content
+
+"""# **✅ 5. 간단한 문서 기반 질의응답 예시**"""
+
+question = "이 문서는 어떤 행사야?"
+answer = ask_question(question, document_text[:1000])
+print("🤖 답변:", answer)
+
+"""# **✅ 6. 특정 키워드 기반 문단 추출 + 질문**"""
+
+def extract_relevant_passage(text, keyword="대추나무"):
+    passages = text.split('\n')
+    return "\n".join([p for p in passages if keyword in p])
+
+relevant_text = extract_relevant_passage(document_text, "대추나무")
+question = "대추나무 시집 보내기가 뭐야?"
+answer = ask_question(question, relevant_text)
+print("🤖 답변:", answer)
+
+"""# **✅ 전체를 함수화한 구조 (재사용 및 확장성)**"""
+
+def pdf_to_text():
+    from google.colab import files
+    import fitz
+
+    uploaded = files.upload()
+    pdf_path = list(uploaded.keys())[0]
+    doc = fitz.open(pdf_path)
+    return "".join(page.get_text() for page in doc)
+
+def setup_groq_client(api_key):
+    from openai import OpenAI
+    return OpenAI(
+        base_url="https://api.groq.com/openai/v1",
+        api_key=api_key
+    )
+
+def ask_question(client, question, context):
+    response = client.chat.completions.create(
+        model="llama3-8b-8192",
+        messages=[
+            {"role": "system", "content": "너는 업로드한 문서를 설명하는 한국어 도우미야. 항상 한국어로 대답해."},
+            {"role": "user", "content": f"{question}\n\n[문서 내용]\n{context}"}
+        ]
+    )
+    return response.choices[0].message.content
+
+def extract_relevant_passage(text, keyword):
+    return "\n".join([p for p in text.split('\n') if keyword in p])
+
+"""# **🎯 최종 사용 예시**
+
+#✅ 1. 먼저 한 번만 실행: Groq 클라이언트 설정
+"""
+
+from openai import OpenAI
+
+client = OpenAI(
+    base_url="https://api.groq.com/openai/v1",  # https 필수
+    api_key="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"  # ⚠️ 본인의 키로 바꾸세요
+)
+
+"""# ✅ 2. 질문 함수 정의 (한 번만 정의)"""
+
+def ask_question(question):
+    response = client.chat.completions.create(
+        model="llama3-8b-8192",
+        messages=[
+            {"role": "system", "content": "너는 업로드한 문서를 설명하는 한국어 도우미야. 항상 한국어로 답변해."},
+            {"role": "user", "content": f"{question}\n\n[문서 내용 일부]\n{document_text[:3000]}"}
+        ]
+    )
+    return response.choices[0].message.content
+
+"""# ✅ 3. 질문만 하면 OK"""
+
+question = "문서에 등장하는 발달장애인 교육사업에 대해 설명해줘"
+answer = ask_question(question)
+print("🤖 답변:", answer)
+
+"""# **1. 모든 업로드 문서를 처리하는 함수**"""
+
+def extract_texts_from_uploaded_pdfs():
+    from google.colab import files
+    import fitz
+
+    uploaded = files.upload()
+    texts = []
+
+    for filename in uploaded.keys():
+        doc = fitz.open(filename)
+        text = "".join(page.get_text() for page in doc)
+        texts.append(text)
+
+    return "\n\n".join(texts)  # 모든 문서를 하나의 문자열로 결합
+
+document_text = extract_texts_from_uploaded_pdfs()
+
+"""# **2. 질문 함수 (document_text 전체 사용)**"""
+
+def ask_question(question):
+    context_chunk = document_text[:3000]  # 필요 시 슬라이싱 조절
+    response = client.chat.completions.create(
+        model="llama3-8b-8192",
+        messages=[
+            {"role": "system", "content": "너는 업로드한 모든 문서를 설명하는 한국어 도우미야. 항상 한국어로 답변해."},
+            {"role": "user", "content": f"{question}\n\n[문서 내용]\n{context_chunk}"}
+        ]
+    )
+    return response.choices[0].message.content
+
+"""# **3. 질문 예시**"""
+
+print(ask_question("단오와 관련된 전통 풍습은 어떤 것이 있나요?"))
+
+print(ask_question("성인문화학교 강좌 소개 해줘"))
+
+print(ask_question("의왕단오축제 유래에 대해 알려줘 업로드된 문서 의왕단오축제_의왕문화원을 바탕으로 답변을 해줘"))
+
+"""# **✅ 1. 여러 문서 PDF → 리스트 형태로 텍스트 추출**"""
+
+from google.colab import files
+import fitz  # PyMuPDF
+
+def extract_texts_from_multiple_pdfs():
+    uploaded = files.upload()
+    pdf_texts = []
+
+    for filename in uploaded:
+        with fitz.open(filename) as doc:
+            text = "".join(page.get_text() for page in doc)
+            pdf_texts.append({"filename": filename, "text": text})
+
+    return pdf_texts
+
+all_documents = extract_texts_from_multiple_pdfs()
+
+"""# **✅ 2. 키워드 기반 관련 문서 선택 함수**"""
+
+def get_documents_by_keyword(documents, keyword):
+    matches = []
+    for doc in documents:
+        if keyword.lower() in doc["text"].lower():
+            matches.append(doc["text"])
+    return "\n\n".join(matches)
+
+"""# **✅ 3. 질문 함수 (선택된 문서로만)**"""
+
+def ask_question_with_context(question, context):
+    response = client.chat.completions.create(
+        model="llama3-8b-8192",
+        messages=[
+            {"role": "system", "content": "너는 업로드한 문서를 바탕으로 설명하는 한국어 도우미야."},
+            {"role": "user", "content": f"{question}\n\n[문서 내용]\n{context[:3000]}"}  # 길이 제한
+        ]
+    )
+    return response.choices[0].message.content
+
+"""# **✅ 4. 사용 예시**"""
+
+keyword = "의왕단오축제"
+context = get_documents_by_keyword(all_documents, keyword)
+print(ask_question_with_context("의왕단오축제의 유래와 목적을 한국어로 알려줘", context))
+
+keyword = "발달장애인 교육사업"
+context = get_documents_by_keyword(all_documents, keyword)
+print(ask_question_with_context("발달장애인 교육사업에 대해 한국어로 알려줘", context))
+
+keyword = "성인 문화학교"
+context = get_documents_by_keyword(all_documents, keyword)
+print(ask_question_with_context("성인문화학교 프로그램에 대해 한국어로 알려줘", context))
+
+"""# **챗봇 UI**
+
+# 마지막 챗봇Ui
+
+# 📦 1단계: 필수 패키지 설치
+"""
+
+!pip install -qU langchain langchain-community langchain-groq langchain-huggingface faiss-cpu PyMuPDF gradio
+
+!pip install gradio langchain langchain-community huggingface_hub tiktoken groq
+
+"""# 🔐 2단계: Groq API 설정"""
+
+import os
+from groq import Groq
+os.environ["GROQ_API_KEY"] = "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"  # 본인의 Groq API Key로 교체
+client = Groq(api_key=os.environ["GROQ_API_KEY"])
+
+"""#📄 3단계: PDF 업로드 및 텍스트 추출"""
+
+from google.colab import files
+import fitz  # PyMuPDF
+
+def extract_texts_from_multiple_pdfs():
+    uploaded = files.upload()
+    pdf_texts = []
+
+    for filename in uploaded:
+        with fitz.open(filename) as doc:
+            text = "".join(page.get_text() for page in doc)
+            pdf_texts.append({"filename": filename, "text": text})
+
+    return pdf_texts
+
+all_documents = extract_texts_from_multiple_pdfs()
+
+"""# 📚 4단계: LangChain Document 객체 변환"""
+
+from langchain_core.documents import Document
+
+langchain_docs = [
+    Document(page_content=doc["text"], metadata={"source": doc["filename"]})
+    for doc in all_documents
+]
+
+"""# 🧠 5단계: 임베딩 + FAISS 벡터 스토어"""
+
+from langchain_community.embeddings import HuggingFaceEmbeddings
+from langchain_community.vectorstores import FAISS
+from langchain_community.vectorstores.utils import DistanceStrategy
+
+embedding_model = HuggingFaceEmbeddings(
+    model_name="jhgan/ko-sbert-nli",
+    model_kwargs={"device": "cpu"},
+    encode_kwargs={"normalize_embeddings": True}
+)
+
+# ✅ 키워드로 관련 문서 필터링 함수
+def filter_documents_by_keyword(docs, keyword):
+    keyword_lower = keyword.lower()
+    return [doc for doc in docs if keyword_lower in doc.page_content.lower()]
+
+"""# 🤖 6단계: Groq + QA Chain 생성 함수 (동적으로 생성)"""
+
+from langchain_groq import ChatGroq
+from langchain.chains import RetrievalQA
+from langchain.prompts import PromptTemplate
+
+def build_qa_chain(filtered_docs):
+    if not filtered_docs:
+        return None
+
+    local_vs = FAISS.from_documents(
+        documents=filtered_docs,
+        embedding=embedding_model,
+        distance_strategy=DistanceStrategy.COSINE
+    )
+
+    retriever = local_vs.as_retriever(
+        search_type="mmr",
+        search_kwargs={"k": 5, "lambda_mult": 0.2}
+    )
+
+    llm = ChatGroq(model_name="llama3-8b-8192", temperature=0.1)
+
+    prompt = PromptTemplate(
+        input_variables=["context", "question"],
+        template="""
+당신은 문화 프로그램에 대해 친절하고 정확하게 설명하는 한국어 도우미입니다.
+
+문서 내용:
+{context}
+
+질문: {question}
+
+지침:
+- 반드시 한국어로 답변해주세요
+- 문서에 없으면 "죄송하지만 해당 정보는 찾을 수 없습니다"라고 답변하세요
+"""
+    )
+
+    return RetrievalQA.from_chain_type(
+        llm=llm,
+        chain_type="stuff",
+        retriever=retriever,
+        chain_type_kwargs={"prompt": prompt},
+        return_source_documents=False
+    )
+
+"""# 💬 7단계: Gradio UI"""
+
+!pip install gradio --quiet
+
+import gradio as gr
+
+# --- 전역 변수 ---
+chat_history = []
+uploaded_file = None
+current_keyword = ""
+
+def respond_with_groq(message, file, keyword):
+    global chat_history, uploaded_file, current_keyword
+
+    if file is not None:
+        uploaded_file = file.name
+
+    keyword = keyword.strip()
+    current_keyword = keyword
+
+    if keyword:
+        answer_text = f"키워드 '{keyword}' 기반으로 '{message}'에 대한 응답입니다."
+    else:
+        answer_text = f"전체 문서 기반으로 '{message}'에 대한 응답입니다."
+
+    chat_history.append({"role": "user", "content": message})
+    chat_history.append({"role": "assistant", "content": answer_text})
+
+    return "", chat_history
+
+def clear_chat():
+    global chat_history
+    chat_history = []
+    return chat_history
+
+with gr.Blocks(title="오아시스 문화 챗봇") as demo:
+    gr.HTML("""
+    <div style='display:flex; align-items:center; gap:10px; padding: 10px 0;'>
+        <span style='font-size:28px;'>📚</span>
+        <h1 style='margin:0; font-size:24px;'>오아시스 문화 프로그램 Q&A 챗봇</h1>
+        <div style="margin-left:auto;">
+            <input id="keyword-box" type="text" placeholder="키워드 검색" style="width:120px; height:24px; font-size:12px;"/>
+        </div>
+    </div>
+
+    <script>
+    const input = document.getElementById('keyword-box');
+    // Gradio에서 자동으로 생성되는 숨김 textbox를 찾기 위한 함수
+    function findKeywordInput() {
+        return document.querySelector('textarea[aria-label="keyword_input"]') || document.querySelector('input[type=text][style*="display:none"]');
+    }
+
+    input.addEventListener('input', () => {
+        const grKeywordInput = findKeywordInput();
+        if (grKeywordInput) {
+            grKeywordInput.value = input.value;
+            grKeywordInput.dispatchEvent(new Event('input', { bubbles: true }));
+        }
+    });
+    </script>
+    """)
+
+    chatbot = gr.Chatbot(label="💬 챗봇 응답창", height=400, type="messages")
+
+    with gr.Row():
+        with gr.Column(scale=10):
+            with gr.Row():
+                file_upload = gr.File(label="📎", file_types=[".pdf", ".txt"], interactive=True, show_label=False, scale=1)
+                user_input = gr.Textbox(placeholder="질문을 입력하세요...", show_label=False, lines=1, scale=9, container=True)
+        with gr.Column(scale=1, min_width=100):
+            with gr.Row():
+                send_button = gr.Button("📩", size="sm", scale=1)
+                clear_button = gr.Button("🗑️", size="sm", scale=1)
+
+    keyword_input = gr.Textbox(visible=False)  # 숨김 키워드 입력
+
+    send_button.click(fn=respond_with_groq, inputs=[user_input, file_upload, keyword_input], outputs=[user_input, chatbot])
+    user_input.submit(fn=respond_with_groq, inputs=[user_input, file_upload, keyword_input], outputs=[user_input, chatbot])
+    clear_button.click(fn=clear_chat, outputs=chatbot)
+
+demo.launch()
+
+# 📦 1단계: 필수 패키지 설치
+!pip install -qU langchain langchain-community langchain-groq langchain-huggingface faiss-cpu PyMuPDF gradio
+
+# 🔐 2단계: Groq API 설정
+import os
+from groq import Groq
+os.environ["GROQ_API_KEY"] = "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"  # 본인의 Groq API Key로 교체
+client = Groq(api_key=os.environ["GROQ_API_KEY"])
+
+# 📄 3단계: PDF 업로드 및 텍스트 추출
+from google.colab import files
+import fitz  # PyMuPDF
+
+def extract_texts_from_multiple_pdfs():
+    uploaded = files.upload()
+    pdf_texts = []
+
+    for filename in uploaded:
+        with fitz.open(filename) as doc:
+            text = "".join(page.get_text() for page in doc)
+            pdf_texts.append({"filename": filename, "text": text})
+
+    return pdf_texts
+
+all_documents = extract_texts_from_multiple_pdfs()
+
+# 📚 4단계: LangChain Document 객체 변환
+from langchain_core.documents import Document
+
+langchain_docs = [
+    Document(page_content=doc["text"], metadata={"source": doc["filename"]})
+    for doc in all_documents
+]
+
+# 🧠 5단계: 임베딩 + FAISS 벡터 스토어
+from langchain_community.embeddings import HuggingFaceEmbeddings
+from langchain_community.vectorstores import FAISS
+from langchain_community.vectorstores.utils import DistanceStrategy
+
+embedding_model = HuggingFaceEmbeddings(
+    model_name="jhgan/ko-sbert-nli",
+    model_kwargs={"device": "cpu"},
+    encode_kwargs={"normalize_embeddings": True}
+)
+
+# ✅ 키워드로 관련 문서 필터링 함수
+def filter_documents_by_keyword(docs, keyword):
+    keyword_lower = keyword.lower()
+    return [doc for doc in docs if keyword_lower in doc.page_content.lower()]
+
+# 🤖 6단계: Groq + QA Chain 생성 함수 (동적으로 생성)
+from langchain_groq import ChatGroq
+from langchain.chains import RetrievalQA
+from langchain.prompts import PromptTemplate
+
+def build_qa_chain(filtered_docs):
+    if not filtered_docs:
+        return None
+
+    local_vs = FAISS.from_documents(
+        documents=filtered_docs,
+        embedding=embedding_model,
+        distance_strategy=DistanceStrategy.COSINE
+    )
+
+    retriever = local_vs.as_retriever(
+        search_type="mmr",
+        search_kwargs={"k": 5, "lambda_mult": 0.2}
+    )
+
+    llm = ChatGroq(model_name="llama3-8b-8192", temperature=0.1)
+
+    prompt = PromptTemplate(
+        input_variables=["context", "question"],
+        template="""
+당신은 문화 프로그램에 대해 친절하고 정확하게 설명하는 한국어 도우미입니다.
+
+문서 내용:
+{context}
+
+질문: {question}
+
+지침:
+- 반드시 한국어로 답변해주세요
+- 문서에 없으면 "죄송하지만 해당 정보는 찾을 수 없습니다"라고 답변하세요
+"""
+    )
+
+    return RetrievalQA.from_chain_type(
+        llm=llm,
+        chain_type="stuff",
+        retriever=retriever,
+        chain_type_kwargs={"prompt": prompt},
+        return_source_documents=False
+    )
+
+# 💬 7단계: Gradio UI
+import gradio as gr
+import time
+
+current_keyword = None
+current_qa_chain = None
+
+def respond_with_groq(question, history, keyword):
+    global current_keyword, current_qa_chain
+
+    if not keyword.strip():
+        return "", history + [("⚠️ 키워드를 입력하세요", "")]
+
+    if keyword != current_keyword:
+        filtered_docs = filter_documents_by_keyword(langchain_docs, keyword)
+        current_qa_chain = build_qa_chain(filtered_docs)
+        current_keyword = keyword
+
+    if not current_qa_chain:
+        return "", history + [(f"'{keyword}' 관련 문서를 찾을 수 없습니다.", "")]
+
+    history.append((question, "답변 생성 중..."))
+    time.sleep(0.3)
+    try:
+        result = current_qa_chain({"query": question})
+        answer = result["result"]
+    except Exception as e:
+        answer = f"⚠️ 오류 발생: {str(e)}"
+    history[-1] = (question, answer)
+    return "", history
+
+def clear_history():
+    return []
+
+with gr.Blocks(title="오아시스 기반 문화프로그램 관련 Q&A 챗봇") as demo:
+    # 상단에 왼쪽에 작은 로고 이미지 추가 (img_url은 본인의 오아시스 마크 이미지 URL로 교체)
+    img_url = "https://oasis_logo.png"  # 예: 구글 드라이브 공개 링크 또는 외부 이미지 링크
+
+    gr.Markdown(f"""
+    <div style="display:flex; align-items:center;">
+        <img src="{img_url}" alt="오아시스 마크" style="height:40px; width:auto; margin-right:10px;">
+        <h2 style="margin:0;">🤖 오아시스 아카이브 기반 키워드 문화 Q&A 챗봇</h2>
+    </div>
+    """)
+
+    gr.Markdown("<small><i>키워드로 관련 문서를 검색한 뒤 질문하세요. PDF는 미리 업로드되어 있어야 합니다.</i></small>")
+
+    with gr.Row():
+        keyword_input = gr.Textbox(label="🔍 키워드 (예: 성인 문화학교)", placeholder="예: 의왕단오축제")
+        question_input = gr.Textbox(label="🙋 질문", placeholder="예: 의왕단오축제의 유래는 무엇인가요?", lines=2)
+
+    chatbot = gr.Chatbot(label="💬 챗봇 대화창", height=400)
+
+    with gr.Row():
+        submit_btn = gr.Button("답변받기 💡", variant="primary")
+        clear_btn = gr.Button("기록 초기화 🗑️")
+
+    submit_btn.click(fn=respond_with_groq, inputs=[question_input, chatbot, keyword_input], outputs=[question_input, chatbot])
+    question_input.submit(fn=respond_with_groq, inputs=[question_input, chatbot, keyword_input], outputs=[question_input, chatbot])
+    clear_btn.click(fn=clear_history, inputs=None, outputs=chatbot)
+
+demo.launch()
+
+"""# ***진짜 찐찐 최종 UI***"""
+
+# STEP 1. 필수 라이브러리 설치
+!pip install -q gradio groq fitz  # PyMuPDF는 fitz로 제공됨
+
+# STEP 2. Groq API 설정
+import os
+from groq import Groq
+
+os.environ["GROQ_API_KEY"] = "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"  # ← 본인의 Groq API 키 입력
+client = Groq(api_key=os.environ["GROQ_API_KEY"])
+
+# STEP 3. PDF 업로드 및 텍스트 추출
+from google.colab import files
+import fitz  # PyMuPDF
+
+def extract_texts_from_multiple_pdfs():
+    uploaded = files.upload()
+    pdf_texts = []
+
+    for filename in uploaded:
+        with fitz.open(filename) as doc:
+            text = "".join(page.get_text() for page in doc)
+            pdf_texts.append({"filename": filename, "text": text})
+
+    return pdf_texts
+
+all_documents = extract_texts_from_multiple_pdfs()
+
+# STEP 4. 키워드 기반 문서 필터링
+def get_documents_by_keyword(documents, keyword):
+    matches = []
+    for doc in documents:
+        if keyword.lower() in doc["text"].lower():
+            matches.append(doc["text"])
+    return "\n\n".join(matches)
+
+# STEP 5. LLM 질의 함수 (Groq llama3)
+def ask_question_with_context(question, context):
+    if not context:
+        return "❌ 관련 키워드를 포함하는 문서를 찾을 수 없습니다."
+
+    response = client.chat.completions.create(
+        model="llama3-8b-8192",
+        messages=[
+            {"role": "system", "content": "너는 업로드한 문서를 바탕으로 설명하는 한국어 도우미야."},
+            {"role": "user", "content": f"{question}\n\n[문서 내용]\n{context[:3000]}"}
+        ]
+    )
+    return response.choices[0].message.content
+
+# STEP 6. Gradio 챗봇 UI
+import gradio as gr
+
+chat_history = []
+
+def chatbot_fn(message, keyword):
+    global all_documents
+    context = get_documents_by_keyword(all_documents, keyword)
+    response = ask_question_with_context(message, context)
+    chat_history.append(("🙋‍♂️ " + message, "🤖 " + response))
+    return "", chat_history
+
+def clear_history():
+    global chat_history
+    chat_history = []
+    return chat_history
+
+with gr.Blocks(title="오아시스 PDF 챗봇") as demo:
+    gr.Markdown("### 📚 오아시스 챗봇 뮤지스(Musesis)")
+
+    chatbot = gr.Chatbot(label="챗봇 응답", height=400)
+
+    with gr.Row():
+        keyword_input = gr.Textbox(label="🔍 키워드", placeholder="예: 단오축제, 문화학교")
+        user_input = gr.Textbox(label="✉️ 질문", placeholder="질문을 입력하세요", lines=1)
+
+    with gr.Row():
+        send_btn = gr.Button("질문하기")
+        clear_btn = gr.Button("대화 초기화")
+
+    send_btn.click(chatbot_fn, inputs=[user_input, keyword_input], outputs=[user_input, chatbot])
+    user_input.submit(chatbot_fn, inputs=[user_input, keyword_input], outputs=[user_input, chatbot])
+    clear_btn.click(clear_history, outputs=chatbot)
+
+demo.launch()
+
+your_project/
+├── app.py
+└── requirements.txt