app.py

# app.py
import gradio as gr
import pandas as pd
import json
import os
from datetime import datetime
from transformers import pipeline

# データ保存用のファイルパス
DATA_FILE = "feedback_data.json"

# 初期データファイルの作成
if not os.path.exists(DATA_FILE):
    with open(DATA_FILE, "w", encoding="utf-8") as f:
        json.dump([], f, ensure_ascii=False)

# フィードバックデータの読み込み
def load_feedback_data():
    try:
        with open(DATA_FILE, "r", encoding="utf-8") as f:
            return json.load(f)
    except:
        return []

# フィードバックデータの保存
def save_feedback_data(data):
    with open(DATA_FILE, "w", encoding="utf-8") as f:
        json.dump(data, ensure_ascii=False, fp=f, indent=2)

# 新しいフィードバックの追加
def add_feedback(department, feedback_text):
    if not department or not feedback_text:
        return "部署名とフィードバック内容を入力してください。", None
    
    feedback_data = load_feedback_data()
    new_feedback = {
        "id": len(feedback_data) + 1,
        "department": department,
        "feedback": feedback_text,
        "timestamp": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
        "status": "未対応"
    }
    
    feedback_data.append(new_feedback)
    save_feedback_data(feedback_data)
    
    return "フィードバックを送信しました。ありがとうございます！", None

# フィードバック一覧の取得
def get_feedback_list():
    feedback_data = load_feedback_data()
    if not feedback_data:
        return "フィードバックはまだありません。"
    
    df = pd.DataFrame(feedback_data)
    return df

# LLMを使った分析
def analyze_feedback_with_llm():
    feedback_data = load_feedback_data()
    if not feedback_data:
        return "分析するフィードバックがありません。"
    
    # フィードバックのテキストを結合
    all_feedback = "\n".join([f"部署: {item['department']}\nフィードバック: {item['feedback']}" 
                              for item in feedback_data])
    
    # LLMを使用して分析（Hugging Faceのモデルを使用）
    try:
        # 小規模なデモ用にHugging Faceのtext-generationパイプラインを使用
        generator = pipeline('text-generation', model='cyberagent/open-calm-small')
        prompt = f"""
        以下は社内の業務効率化に関するフィードバックです。これらのフィードバックを分析し、
        1. 共通する課題
        2. 自動化できる可能性のある業務
        3. システム化すべきプロセス
        4. 優先的に取り組むべき項目
        についてまとめてください。

        フィードバック:
        {all_feedback}
        """
        
        result = generator(prompt, max_length=1000, num_return_sequences=1)
        analysis = result[0]['generated_text']
        
        # プロンプト部分を削除して結果だけを表示
        analysis = analysis.replace(prompt, "")
        
        return analysis
    except Exception as e:
        return f"分析中にエラーが発生しました: {str(e)}"

# ユーザー側のインターフェース
with gr.Blocks(title="業務効率化フィードバックシステム") as user_interface:
    gr.Markdown("# 業務効率化フィードバックシステム")
    gr.Markdown("## 匿名フィードバックフォーム")
    gr.Markdown("業務上で困っていることや時間がかかると感じる作業について教えてください。")
    
    with gr.Row():
        department_input = gr.Dropdown(
            label="部署",
            choices=["営業部", "経理部", "人事部", "製造部", "マーケティング部", "カスタマーサポート", "その他"],
            value="その他"
        )
    
    feedback_input = gr.Textbox(
        label="フィードバック内容",
        placeholder="例：顧客データの入力に時間がかかっています。複数システムに同じ情報を入力する必要があり...",
        lines=5
    )
    
    submit_btn = gr.Button("送信")
    result_output = gr.Textbox(label="結果")
    
    submit_btn.click(
        add_feedback,
        inputs=[department_input, feedback_input],
        outputs=[result_output, feedback_input]
    )

# 管理者側のインターフェース
with gr.Blocks(title="業務効率化フィードバック管理システム") as admin_interface:
    gr.Markdown("# 業務効率化フィードバック管理システム")
    
    with gr.Tab("フィードバック一覧"):
        refresh_btn = gr.Button("更新")
        feedback_list = gr.DataFrame()
        
        refresh_btn.click(
            get_feedback_list,
            inputs=[],
            outputs=[feedback_list]
        )
    
    with gr.Tab("LLM分析"):
        analyze_btn = gr.Button("フィードバックを分析")
        analysis_result = gr.Markdown()
        
        analyze_btn.click(
            analyze_feedback_with_llm,
            inputs=[],
            outputs=[analysis_result]
        )

# タブで切り替え可能なインターフェース
demo = gr.TabbedInterface(
    [user_interface, admin_interface],
    ["フィードバック投稿", "管理者ビュー"]
)

if __name__ == "__main__":
    demo.launch()