Update src/streamlit_app.py

src/streamlit_app.py

@@ -36,7 +36,7 @@ st.sidebar.header("🎛️ 카피 생성 설정")
 default_api_key = os.getenv("GEMINI_API_KEY", "")
 
 api_key = st.sidebar.text_input(
-    "🔑 Gemini API 키", 
+    "🔑 Gemini API 키",
     value=default_api_key,
     type="password",
     help="환경변수에 GEMINI_API_KEY로 설정하면 자동 입력됩니다"
@@ -51,14 +51,14 @@ if not api_key:
 @st.cache_resource(show_spinner=False)
 def load_system():
     """시스템 컴포넌트 로딩 - 임베딩 기반 RAG 시스템"""
-    
+
     progress_container = st.container()
-    
+
     with progress_container:
         # 전체 진행률
         total_progress = st.progress(0)
         status_text = st.empty()
-        
+
         # 1단계: API 설정 (10%)
         status_text.text("🔑 Gemini API 초기화 중...")
         try:
@@ -69,42 +69,42 @@ def load_system():
         except Exception as e:
             st.error(f"❌ Gemini API 설정 실패: {e}")
             return None, None, None, None
-        
+
         # 2단계: 임베딩 모델 로드 (40%)
         status_text.text("🤖 한국어 임베딩 모델 로딩 중... (1-2분 소요)")
         embedding_model = None
-        
+
         # 안정적인 모델 로딩 전략
         try:
             # 먼저 캐시 디렉토리 생성
             os.makedirs('/tmp/sentence_transformers', exist_ok=True)
             os.makedirs('/tmp/transformers', exist_ok=True)
-            
+
             # sentence-transformers 임포트를 함수 내에서
             from sentence_transformers import SentenceTransformer
             from sklearn.metrics.pairwise import cosine_similarity
-            
+
             # 한국어 모델 로딩 시도
-            embedding_model = SentenceTransformer('jhgan/ko-sbert-nli', 
+            embedding_model = SentenceTransformer('jhgan/ko-sbert-nli',
                                                 cache_folder='/tmp/sentence_transformers')
             total_progress.progress(40)
             st.success("✅ 한국어 임베딩 모델 로딩 완료")
-            
+
         except Exception as e:
             st.error(f"❌ 임베딩 모델 로딩 실패: {e}")
             st.error("🚨 임베딩 모델 없이는 RAG 시스템이 작동할 수 없습니다!")
             return None, None, None, None
-        
+
         # 3단계: 데이터 로드 (60%)
         status_text.text("📊 카피 데이터베이스 로딩 중...")
         try:
-            df = pd.read_excel('광고카피데이터_브랜드추출완료.xlsx')
+            df = pd.read_excel('../광고카피데이터_브랜드추출완료.xlsx')
             total_progress.progress(60)
             st.success(f"✅ 데이터 로딩 완료: {len(df):,}개 카피")
         except Exception as e:
             st.error(f"❌ 데이터 로딩 실패: {e}")
             return None, None, None, None
-        
+
         # 4단계: 임베딩 데이터 로드 (90%) - 이게 핵심!
         status_text.text("🔍 벡터 임베딩 로딩 중... (RAG 시스템 핵심)")
         try:
@@ -117,13 +117,13 @@ def load_system():
             st.error(f"❌ 임베딩 로딩 실패: {e}")
             st.error("🚨 임베딩 없이는 의미적 검색이 불가능합니다!")
             return None, None, None, None
-        
+
         # 5단계: 최종 검증 (100%)
         status_text.text("✨ 시스템 검증 중...")
         if model and embedding_model and df is not None and embeddings is not None:
             total_progress.progress(100)
             status_text.text("🎉 RAG 시스템 로딩 완료!")
-            
+
             # 성공 메시지
             success_col1, success_col2, success_col3 = st.columns(3)
             with success_col1:
@@ -132,12 +132,12 @@ def load_system():
                 st.metric("임베딩 차원", f"{embeddings.shape[1]}D")
             with success_col3:
                 st.metric("검색 엔진", "Korean SBERT")
-            
+
             # 진행률 바 제거
             time.sleep(1)
             total_progress.empty()
             status_text.empty()
-            
+
             return model, embedding_model, df, embeddings
         else:
             st.error("❌ 시스템 로딩 실패: 필수 구성요소 누락")
@@ -204,14 +204,14 @@ else:
     # 템플릿 선택
     templates = {
         "신제품 런칭": "대상 {카테고리} 신제품 런칭 카피",
-        "할인 이벤트": "{카테고리} 할인 이벤트 프로모션 카피", 
+        "할인 이벤트": "{카테고리} 할인 이벤트 프로모션 카피",
         "브랜드 슬로건": "{카테고리} 브랜드의 대표 슬로건",
         "앱/서비스 리뉴얼": "{서비스명} 새 버전 출시 카피",
         "시즌 한정": "{시즌} 한정 {카테고리} 특별 에디션 카피"
     }
-    
+
     selected_template = st.selectbox("템플릿 선택:", list(templates.keys()))
-    
+
     col1, col2 = st.columns(2)
     with col1:
         template_category = st.text_input("제품/서비스:", value="")
@@ -224,7 +224,7 @@ else:
             user_request = templates[selected_template].format(시즌=season, 카테고리=template_category)
         else:
             user_request = templates[selected_template].format(카테고리=template_category)
-    
+
     st.text_area("생성된 요청:", value=user_request, height=80, disabled=True)
 
 # 고급 옵션
@@ -240,41 +240,41 @@ with st.expander("🔧 고급 옵션"):
 # RAG 카피 생성 함수 (임베딩 기반 필수!)
 def generate_copy_with_rag(user_request, category, target, tone, creative, num_concepts):
     """RAG 기반 카피 생성 - 임베딩 필수 사용"""
-    
+
     if not user_request.strip():
         st.error("❌ 카피 요청을 입력해주세요")
         return None
-    
+
     # 진행 상황 표시
     progress_bar = st.progress(0)
     status_text = st.empty()
-    
+
     # 1단계: 의미적 검색 (임베딩 기반)
     status_text.text("🔍 의미적 검색 중... (RAG 핵심 기능)")
     progress_bar.progress(20)
-    
+
     try:
         # 검색 쿼리 생성 및 임베딩
         search_query = f"{user_request} {target} 광고 카피"
         from sklearn.metrics.pairwise import cosine_similarity
         query_embedding = embedding_model.encode([search_query])
-        
+
         # 카테고리 필터링
         if category != '전체':
             filtered_df = df[df['카테고리'] == category]
         else:
             filtered_df = df
-        
+
         progress_bar.progress(40)
-        
+
         # 유사도 계산 (임베딩의 핵심!)
         filtered_indices = filtered_df.index.tolist()
         filtered_embeddings = embeddings[filtered_indices]
         similarities = cosine_similarity(query_embedding, filtered_embeddings)[0]
-        
+
         # 상위 참고 카피 선별
         top_indices = np.argsort(similarities)[::-1][:num_references]
-        
+
         reference_copies = []
         for idx in top_indices:
             original_idx = filtered_indices[idx]
@@ -285,31 +285,31 @@ def generate_copy_with_rag(user_request, category, target, tone, creative, num_c
                     'brand': row['브랜드'],
                     'similarity': similarities[idx]
                 })
-        
+
         progress_bar.progress(60)
-        
+
         if not reference_copies:
             st.warning(f"⚠️ 유사도 {min_similarity} 이상인 참고 카피를 찾을 수 없습니다. 유사도를 낮춰보세요.")
             progress_bar.empty()
             status_text.empty()
             return None
-        
+
         # 2단계: AI 카피 생성
         status_text.text("🤖 AI 카피 생성 중...")
         progress_bar.progress(80)
-        
+
         # 프롬프트 생성
         references_text = "\n".join([
             f"{i}. \"{ref['copy']}\" - {ref['brand']} (유사도: {ref['similarity']:.3f})"
             for i, ref in enumerate(reference_copies, 1)
         ])
-        
+
         creativity_guidance = {
             "보수적": "안전하고 검증된 표현을 사용하여",
-            "균형": "창의적이면서도 적절한 수준에서", 
+            "균형": "창의적이면서도 적절한 수준에서",
             "창의적": "독창적이고 혁신적인 표현으로"
         }
-        
+
         prompt = f"""
 당신은 한국의 전문 광고 카피라이터입니다.
 
@@ -332,7 +332,7 @@ def generate_copy_with_rag(user_request, category, target, tone, creative, num_c
 1. [카피1]
    - 설명: 왜 이 카피가 효과적인지 간단히 설명
 
-2. [카피2] 
+2. [카피2]
    - 설명: 왜 이 카피가 효과적인지 간단히 설명
 
 3. [카피3]
@@ -340,15 +340,15 @@ def generate_copy_with_rag(user_request, category, target, tone, creative, num_c
 
 **추천 카피:** 위 중 가장 추천하는 카피와 이유
 """
-        
+
         response = model.generate_content(prompt)
         progress_bar.progress(100)
         status_text.text("✅ 완료!")
-        
+
         time.sleep(0.5)
         progress_bar.empty()
         status_text.empty()
-        
+
         return {
             'references': reference_copies,
             'generated_content': response.text,
@@ -364,7 +364,7 @@ def generate_copy_with_rag(user_request, category, target, tone, creative, num_c
                 'creative': creative
             }
         }
-        
+
     except Exception as e:
         st.error(f"❌ 카피 생성 실패: {e}")
         progress_bar.empty()
@@ -373,7 +373,7 @@ def generate_copy_with_rag(user_request, category, target, tone, creative, num_c
 
 # 생성 버튼
 if st.button("🚀 카피 생성하기", type="primary", use_container_width=True):
-    
+
     if not user_request or not user_request.strip():
         st.error("❌ 카피 요청을 입력해주세요")
     else:
@@ -386,29 +386,29 @@ if st.button("🚀 카피 생성하기", type="primary", use_container_width=Tru
             creative=creative_level,
             num_concepts=num_concepts
         )
-        
+
         if result:
             # 결과 표시
             st.markdown("## 🎉 생성된 카���")
             st.markdown("---")
-            
+
             # 검색 정보 표시
             st.info(f"🔍 **검색 정보**: {result['search_info']['total_candidates']:,}개 후보에서 "
                    f"{result['search_info']['selected_references']}개 참고 카피 선별")
-            
+
             # 참고 카피 표시
             if show_references and result['references']:
                 with st.expander("📚 참고한 카피들 (의미적 유사도 기반 선별)"):
                     for i, ref in enumerate(result['references'], 1):
                         st.markdown(f"**{i}.** \"{ref['copy']}\"")
-                        st.markdown(f"   - 브랜드: {ref['brand']}")  
+                        st.markdown(f"   - 브랜드: {ref['brand']}")
                         st.markdown(f"   - 유사도: {ref['similarity']:.3f}")
                         st.markdown("")
-            
+
             # 생성된 카피 표시
             st.markdown("### ✨ AI가 생성한 카피:")
             st.markdown(result['generated_content'])
-            
+
             # 결과 다운로드
             result_json = json.dumps({
                 'timestamp': datetime.now().isoformat(),
@@ -417,7 +417,7 @@ if st.button("🚀 카피 생성하기", type="primary", use_container_width=Tru
                 'search_info': result['search_info'],
                 'generated_content': result['generated_content']
             }, ensure_ascii=False, indent=2)
-            
+
             st.download_button(
                 label="💾 결과 다운로드 (JSON)",
                 data=result_json,
@@ -440,21 +440,21 @@ if df is not None and embeddings is not None:
 with st.expander("💡 RAG 시스템 사용법 가이드"):
     st.markdown("""
     ### 🎯 효과적인 사용법
-    
+
     **1. 구체적인 요청하기:**
     - ❌ "카피 써줘"
     - ✅ "30대 직장 여성용 프리미엄 스킨케어 신제품 런칭 카피"
-    
+
     **2. RAG 시스템의 장점:**
     - 🧠 **의미적 검색**: 키워드뿐만 아니라 의미까지 이해
     - 🎯 **문맥 매칭**: 타겟과 상황에 맞는 카피 자동 선별
     - 📊 **데이터 기반**: 37,671개 실제 카피에서 학습한 패턴
-    
+
     **3. 창의성 조절:**
     - **보수적**: 안전한 클라이언트, 검증된 접근
     - **균형**: 일반적인 프로젝트 (추천!)
     - **창의적**: 혁신적 브랜드, 파격적 캠페인
-    
+
     **4. 참고 카피 활용:**
     - 생성된 카피와 참고 카피를 비교 분석
     - 트렌드와 패턴 파악 가능
@@ -473,4 +473,4 @@ if os.getenv("DEBUG_MODE"):
     st.sidebar.markdown("### 🔧 디버그 정보")
     if 'embeddings' in locals():
         st.sidebar.write(f"임베딩 메모리: {embeddings.nbytes / (1024*1024):.1f}MB")
-    st.sidebar.write(f"Streamlit 버전: {st.__version__}")
+    st.sidebar.write(f"Streamlit 버전: {st.__version__}")