app.py

"""
Square Theory Generator (Markdown‑only, up to 20 ideas)
=====================================================
2025‑05‑28 v9 ● 출력 포맷 개선 & 필드 구분 명확화
---------------------------------------------------
변경 요약
---------
1. **슬로건 · 브랜드 네임 구획** — Markdown 템플릿을 다음 구조로 개선
   ```md
   ### 1. 브랜드 네임: 모닝커피
   **메인 카피**  
   • 상단: 풍미를 담은 커피  
   • 하단: 당신의 하루를 특별하게

   **슬로건**  
   > 커피 한잔의 여유

   **사각형 키워드**  
   TL: 풍미 · TR: 커피 · BR: 향기 · BL: 한잔
   ```
2. **프롬프트 명세 유지** — JSON 구조 변동은 없음(호환).  
3. **추가 개선 제안** — 코드 내 주석으로 ‘추가 필드·랭킹 기준·CSV 다운로드’ 아이디어 삽입.

실행법
------
```bash
pip install --upgrade gradio openai
export OPENAI_API_KEY="sk-..."
python square_theory_gradio.py
```
"""

import os
import json
import gradio as gr
from openai import OpenAI, error as oai_err

# -------------------------------------------------
# 0. OpenAI 클라이언트
# -------------------------------------------------
if not os.getenv("OPENAI_API_KEY"):
    raise EnvironmentError("OPENAI_API_KEY 환경 변수를 설정하세요.")

client = OpenAI()

# -------------------------------------------------
# 1. LLM Prompt & Utilities
# -------------------------------------------------
SYSTEM_PROMPT = (
    "너는 한국어 카피·브랜드 네이밍 전문가이자 Square Theory 도우미다. "
    "사용자가 입력한 하나의 단어(tl)를 기반으로 품질이 뛰어난 순서대로 최대 20개의 제안을 JSON 배열로 반환해라. "
    "각 원소는 tl, tr, br, bl, top_phrase, bottom_phrase, slogan, brand 필드를 가진다. "
    "배열 첫 번째 원소가 가장 우수해야 한다. JSON 외 문자는 금지한다."
)

FALLBACK_MODELS = ["gpt-4o-mini", "gpt-4o", "gpt-4o-preview", "gpt-4-turbo"]


def _clean_json_block(text: str) -> str:
    """Strip ```json fences if present."""
    text = text.strip()
    if text.startswith("```"):
        text = text.split("\n", 1)[1] if "\n" in text else text[3:]
        if text.endswith("```"):
            text = text[:-3]
    return text.strip()


def _call_llm(seed: str):
    last_exc = None
    for model in FALLBACK_MODELS:
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": SYSTEM_PROMPT},
                    {"role": "user", "content": seed},
                ],
                temperature=0.9,
                max_tokens=2048,
            )
            cleaned = _clean_json_block(resp.choices[0].message.content)
            data = json.loads(cleaned) if cleaned else []
            if isinstance(data, dict):
                data = [data]
            if not isinstance(data, list) or not (1 <= len(data) <= 20):
                raise ValueError("LLM 응답이 올바른 1‑20개 리스트가 아님")
            return data
        except (oai_err.OpenAIError, json.JSONDecodeError, ValueError, TypeError) as exc:
            last_exc = exc
            continue
    raise RuntimeError(f"LLM 호출 실패: {last_exc}")

# -------------------------------------------------
# 2. Gradio callback
# -------------------------------------------------

def generate(seed_word: str):
    seed_word = seed_word.strip()
    if not seed_word:
        return "⚠️ **시드 단어를 입력해 주세요.**"
    try:
        results = _call_llm(seed_word)
        md = [f"## 총 {len(results)}개 제안"]
        for idx, item in enumerate(results, 1):
            md.append(
                f"### {idx}. 브랜드 네임: {item['brand']}\n"
                f"**메인 카피**  \
                • 상단: {item['top_phrase']}  \
                • 하단: {item['bottom_phrase']}\n\n"
                f"**슬로건**  \
                > {item['slogan']}\n\n"
                f"**사각형 키워드**  \
                TL: {item['tl']} · TR: {item['tr']} · BR: {item['br']} · BL: {item['bl']}\n"
            )
        return "\n".join(md)
    except Exception as exc:
        return f"❌ **오류:** {exc}"

# -------------------------------------------------
# 3. UI
# -------------------------------------------------
with gr.Blocks(title="Square Theory – 최대 20개 🇰🇷") as demo:
    gr.Markdown("""# 🟧 Square Theory 제안 (최대 20개)\n단어 하나 입력 → LLM이 정렬한 사각형/카피/브랜드 네임""")
    seed = gr.Textbox(label="시드 단어(TL)", placeholder="예: 골든")
    run = gr.Button("생성")
    md_out = gr.Markdown()

    run.click(generate, inputs=seed, outputs=md_out)

    # queue(): 로딩 인디케이터 & 동시 접속 안정화
    demo.queue().launch()

# -------------------------------------------------
# 4. (Optional) 추가 기능 아이디어
# -------------------------------------------------
# - JSON에 "why"(선정 이유) 필드 요청 → 아이디어 설득력 강화
# - 채널별 태그라인 변형(OOH·SNS·TV) 자동 생성 옵션
# - 결과 CSV 다운로드 버튼 추가(그라디오 File component)