Create app.py

app.py

@@ -0,0 +1,476 @@
+# 안정적인 AI 카피라이터 - 임베딩 기반 RAG 시스템
+# Hugging Face Spaces 환경 최적화 버전
+
+import streamlit as st
+import pandas as pd
+import numpy as np
+import pickle
+import google.generativeai as genai
+import time
+import json
+import os
+from datetime import datetime
+
+# 환경 설정 (권한 문제 해결)
+os.environ['STREAMLIT_BROWSER_GATHER_USAGE_STATS'] = 'false'
+os.environ['TRANSFORMERS_CACHE'] = '/tmp/transformers'
+os.environ['SENTENCE_TRANSFORMERS_HOME'] = '/tmp/sentence_transformers'
+
+# 페이지 설정
+st.set_page_config(
+    page_title="AI 카피라이터 | RAG 기반 광고 카피 생성",
+    page_icon="✨",
+    layout="wide",
+    initial_sidebar_state="expanded"
+)
+
+# 제목 및 설명
+st.title("✨ AI 카피라이터")
+st.markdown("### 🎯 37,671개 실제 광고 카피 데이터 기반 RAG 시스템")
+st.markdown("---")
+
+# 사이드바 설정
+st.sidebar.header("🎛️ 카피 생성 설정")
+
+# API 키 입력 (환경변수 우선 사용)
+default_api_key = os.getenv("GEMINI_API_KEY", "")
+
+api_key = st.sidebar.text_input(
+    "🔑 Gemini API 키",
+    value=default_api_key,
+    type="password",
+    help="환경변수에 GEMINI_API_KEY로 설정하면 자동 입력됩니다"
+)
+
+if not api_key:
+    st.warning("⚠️ Gemini API 키를 입력해주세요")
+    st.info("💡 Settings → Repository secrets에서 GEMINI_API_KEY를 설정하세요")
+    st.stop()
+
+# 시스템 초기화 (캐싱) - 임베딩 필수!
+@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:
+            genai.configure(api_key=api_key)
+            model = genai.GenerativeModel('gemini-2.0-flash')
+            total_progress.progress(10)
+            st.success("✅ Gemini API 설정 완료")
+        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',
+                                                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')
+            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:
+            with open('copy_embeddings.pkl', 'rb') as f:
+                embeddings_data = pickle.load(f)
+            embeddings = embeddings_data['embeddings']
+            total_progress.progress(90)
+            st.success(f"✅ 임베딩 로딩 완료: {embeddings.shape[0]:,}개 × {embeddings.shape[1]}차원")
+        except Exception as e:
+            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:
+                st.metric("카피 데이터", f"{len(df):,}개")
+            with success_col2:
+                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")
+            return None, None, None, None
+
+# 시스템 로딩
+with st.spinner("🚀 AI 카피라이터 시스템 초기화 중..."):
+    model, embedding_model, df, embeddings = load_system()
+
+if model is None or embedding_model is None or df is None or embeddings is None:
+    st.error("❌ 시스템을 로딩할 수 없습니다. 페이지를 새로고침하거나 관리자에게 문의하세요.")
+    st.stop()
+
+# 사이드바 설정 (시스템 로딩 성공 후)
+st.sidebar.success("🎉 RAG 시스템 준비 완료!")
+
+# 카테고리 선택
+categories = ['전체'] + sorted(df['카테고리'].unique().tolist())
+selected_category = st.sidebar.selectbox(
+    "📂 카테고리",
+    categories,
+    help="특정 카테고리로 검색을 제한할 수 있습니다"
+)
+
+# 타겟 고객 설정
+target_audience = st.sidebar.selectbox(
+    "🎯 타겟 고객",
+    ['20대', '30대', '일반', '10대', '40대', '50대+', '남성', '여성', '직장인', '학생', '주부'],
+    help="타겟 고객에 맞는 톤앤매너로 카피를 생성합니다"
+)
+
+# 브랜드 톤앤매너
+brand_tone = st.sidebar.selectbox(
+    "🎨 브랜드 톤",
+    ['세련된', '친근한', '고급스러운', '활기찬', '신뢰할 수 있는', '젊은', '따뜻한', '전문적인'],
+    help="원하는 브랜드 이미지를 선택하세요"
+)
+
+# 창의성 수준
+creative_level = st.sidebar.select_slider(
+    "🧠 창의성 수준",
+    options=['보수적', '균형', '창의적'],
+    value='균형',
+    help="보수적: 안전한 표현, 창의적: 독창적 표현"
+)
+
+# 메인 입력 영역
+st.markdown("## 💭 어떤 카피를 만들고 싶으신가요?")
+
+# 입력 방식 선택
+input_method = st.radio(
+    "입력 방식 선택:",
+    ["직접 입력", "템플릿 선택"],
+    horizontal=True
+)
+
+if input_method == "직접 입력":
+    user_request = st.text_area(
+        "카피 요청을 자세히 작성해주세요:",
+        placeholder="예: 30대 직장 여성용 프리미엄 스킨케어 신제품 런칭 카피",
+        height=100
+    )
+else:
+    # 템플릿 선택
+    templates = {
+        "신제품 런칭": "대상 {카테고리} 신제품 런칭 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="")
+    with col2:
+        if selected_template == "앱/서비스 리뉴얼":
+            service_name = st.text_input("서비스명:", placeholder="예: 배달앱, 금융앱")
+            user_request = templates[selected_template].format(서비스명=service_name)
+        elif selected_template == "시즌 한정":
+            season = st.selectbox("시즌:", ["봄", "여름", "가을", "겨울", "크리스마스", "신년"])
+            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
+with st.expander("🔧 고급 옵션"):
+    col1, col2 = st.columns(2)
+    with col1:
+        num_concepts = st.slider("생성할 컨셉 수:", 1, 5, 3)
+        min_similarity = st.slider("최소 유사도:", 0.0, 1.0, 0.3, 0.1)
+    with col2:
+        show_references = st.checkbox("참고 카피 보기", value=True)
+        num_references = st.slider("참고 카피 수:", 3, 10, 5)
+
+# 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 ��베딩
+        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]
+            row = df.iloc[original_idx]
+            if similarities[idx] >= min_similarity:
+                reference_copies.append({
+                    'copy': row['카피 내용'],
+                    '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",
+            "창의적": "독창적이고 혁신적인 표현으로"
+        }
+
+        prompt = f"""
+당신은 한국의 전문 광고 카피라이터입니다.
+
+**요청사항:** {user_request}
+**타겟 고객:** {target}
+**브랜드 톤:** {tone}
+**창의성 수준:** {creative}
+
+**참고 카피들 (의미적 유사도 기반 선별):**
+{references_text}
+
+**작성 가이드라인:**
+1. 위 참고 카피들의 스타일과 톤을 분석하여 유사한 느낌으로 작성
+2. {creativity_guidance[creative]} 새로운 카피 {num_concepts}개를 작성
+3. 각 카피는 한국어로 자연스럽고 매력적이어야 함
+4. {target}에게 어필할 수 있는 표현 사용
+5. {tone} 톤앤매너 유지
+
+**출력 형식:**
+1. [카피1]
+   - 설명: 왜 이 카피가 효과적인지 간단히 설명
+
+2. [카피2]
+   - 설명: 왜 이 카피가 효과적인지 간단히 설명
+
+3. [카피3]
+   - 설명: 왜 이 카피가 효과적인지 간단히 설명
+
+**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,
+            'search_info': {
+                'query': search_query,
+                'total_candidates': len(filtered_df),
+                'selected_references': len(reference_copies)
+            },
+            'settings': {
+                'category': category,
+                'target': target,
+                'tone': tone,
+                'creative': creative
+            }
+        }
+
+    except Exception as e:
+        st.error(f"❌ 카피 생성 실패: {e}")
+        progress_bar.empty()
+        status_text.empty()
+        return None
+
+# 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:
+        # RAG 카피 생성
+        result = generate_copy_with_rag(
+            user_request=user_request,
+            category=selected_category,
+            target=target_audience,
+            tone=brand_tone,
+            creative=creative_level,
+            num_concepts=num_concepts
+        )
+
+        if result:
+            # 결과 표시
+            st.markdown("## 🎉 생성된 카피")
+            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 기�� 선별)"):
+                    for i, ref in enumerate(result['references'], 1):
+                        st.markdown(f"**{i}.** \"{ref['copy']}\"")
+                        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(),
+                'request': user_request,
+                'settings': result['settings'],
+                '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,
+                file_name=f"copy_result_{datetime.now().strftime('%Y%m%d_%H%M%S')}.json",
+                mime="application/json"
+            )
+
+# 시스템 정보 (사이드바 하단)
+st.sidebar.markdown("---")
+st.sidebar.markdown("### 📊 RAG 시스템 정보")
+if df is not None and embeddings is not None:
+    st.sidebar.markdown(f"**카피 데이터**: {len(df):,}개")
+    st.sidebar.markdown(f"**카테고리**: {df['카테고리'].nunique()}개")
+    st.sidebar.markdown(f"**브랜드**: {df['브랜드'].nunique()}개")
+    st.sidebar.markdown(f"**임베딩**: {embeddings.shape[1]}차원")
+    st.sidebar.markdown("**검색 엔진**: Korean SBERT")
+    st.sidebar.markdown("**호스팅**: 🤗 Hugging Face")
+
+# 사용법 가이드
+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
+    - 경쟁사 분석 자료로 활용
+    """)
+
+# 푸터
+st.markdown("---")
+st.markdown(
+    "💡 **AI 카피라이터** | 37,671개 실제 광고 카피 데이터 기반 | "
+    "RAG(검색 증강 생성) 시스템 powered by Korean SBERT + Gemini AI"
+)
+
+# 성능 모니터링 (개발자용)
+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__}")