# ──────────────────────────────── Imports ────────────────────────────────
import os, json, re, logging, requests, markdown, time, io
from datetime import datetime
import streamlit as st
from openai import OpenAI # OpenAI 라이브러리
from gradio_client import Client
import pandas as pd
import PyPDF2 # For handling PDF files
# ──────────────────────────────── Environment Variables / Constants ─────────────────────────
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "")
BRAVE_KEY = os.getenv("SERPHOUSE_API_KEY", "") # Keep this name
BRAVE_ENDPOINT = "https://api.search.brave.com/res/v1/web/search"
IMAGE_API_URL = "http://211.233.58.201:7896" # 이미지 생성용 API
MAX_TOKENS = 7999
# ──────────────────────────────── Physical Transformation Categories (KR & EN) ─────────────────
physical_transformation_categories = {
"센서 기능": [
"시각 센서/감지", "청각 센서/감지", "촉각 센서/감지", "미각 센서/감지", "후각 센서/감지",
"온도 센서/감지", "습도 센서/감지", "압력 센서/감지", "가속도 센서/감지", "회전 센서/감지",
"근접 센서/감지", "위치 센서/감지", "운동 센서/감지", "가스 센서/감지", "적외선 센서/감지",
"자외선 센서/감지", "방사선 센서/감지", "자기장 센서/감지", "전기장 센서/감지", "화학물질 센서/감지",
"생체신호 센서/감지", "진동 센서/감지", "소음 센서/감지", "빛 세기 센서/감지", "빛 파장 센서/감지",
"기울기 센서/감지", "pH 센서/감지", "전류 센서/감지", "전압 센서/감지", "이미지 센서/감지",
"거리 센서/감지", "깊이 센서/감지", "중력 센서/감지", "속도 센서/감지", "흐름 센서/감지",
"수위 센서/감지", "탁도 센서/감지", "염도 센서/감지", "금속 감지", "압전 센서/감지",
"광전 센서/감지", "열전대 센서/감지", "홀 효과 센서/감지", "초음파 센서/감지", "레이더 센서/감지",
"라이다 센서/감지", "터치 센서/감지", "제스처 센서/감지", "심박 센서/감지", "혈압 센서/감지"
],
"크기와 형태 변화": [
"부피 늘어남/줄어듦", "길이 늘어남/줄어듦", "너비 늘어남/줄어듦", "높이 늘어남/줄어듦",
"밀도 변화", "무게 증가/감소", "모양 변형", "상태 변화", "불균등 변형",
"복잡한 형태 변형", "비틀림/꼬임", "불균일한 확장/축소", "모서리 둥글게/날카롭게",
"깨짐/갈라짐", "여러 조각 나눠짐", "물 저항", "먼지 저항", "찌그러짐/복원",
"접힘/펼쳐짐", "압착/팽창", "늘어남/수축", "구겨짐/평평해짐", "뭉개짐/단단해짐",
"말림/펴짐", "꺾임/구부러짐"
],
"표면 및 외관 변화": [
"색상 변화", "질감 변화", "투명/불투명 변화", "반짝임/무광 변화",
"빛 반사 정도 변화", "무늬 변화", "각도에 따른 색상 변화", "빛에 따른 색상 변화",
"온도에 따른 색상 변화", "홀로그램 효과", "표면 각도별 빛 반사", "표면 모양 변형",
"초미세 표면 구조 변화", "자가 세정 효과", "얼룩/패턴 생성", "흐림/선명함 변화",
"광택/윤기 변화", "색조/채도 변화", "발광/형광", "빛 산란 효과",
"빛 흡수 변화", "반투명 효과", "그림자 효과 변화", "자외선 반응 변화",
"야광 효과"
],
"물질의 상태 변화": [
"고체/액체/기체 전환", "결정화/용해", "산화/부식", "딱딱해짐/부드러워짐",
"특수 상태 전환", "무정형/결정형 전환", "성분 분리", "미세 입자 형성/분해",
"젤 형성/풀어짐", "준안정 상태 변화", "분자 자가 정렬/분해", "상태변화 지연 현상",
"녹음", "굳음", "증발/응축", "승화/증착", "침전/부유", "분산/응집",
"건조/습윤", "팽윤/수축", "동결/해동", "풍화/침식", "충전/방전",
"결합/분리", "발효/부패"
],
"움직임 특성 변화": [
"가속/감속", "일정 속도 유지", "진동/진동 감소", "부딪힘/튕김",
"회전 속도 증가/감소", "회전 방향 변화", "불규칙 움직임", "멈췄다 미끄러지는 현상",
"공진/반공진", "유체 속 저항/양력 변화", "움직임 저항 변화", "복합 진동 움직임",
"특수 유체 속 움직임", "회전-이동 연계 움직임", "관성 정지", "충격 흡수",
"충격 전달", "운동량 보존", "마찰력 변화", "관성 탈출", "불안정 균형",
"동적 안정성", "흔들림 감쇠", "경로 예측성", "회피 움직임"
],
"구조적 변화": [
"부품 추가/제거", "조립/분해", "접기/펴기", "변형/원상복구", "최적 구조 변화",
"자가 재배열", "자연 패턴 형성/소멸", "규칙적 패턴 변화", "모듈식 변형",
"복잡성 증가 구조", "원래 모양 기억 효과", "시간에 따른 형태 변화", "부분 제거",
"부분 교체", "결합", "분리", "분할/통합", "중첩/겹침", "내부 구조 변화",
"외부 구조 변화", "중심축 이동", "균형점 변화", "계층 구조 변화", "지지 구조 변화",
"응력 분산 구조", "충격 흡수 구조", "그리드/매트릭스 구조 변화", "상호 연결성 변화"
],
"공간 이동": [
"앞/뒤 이동", "좌/우 이동", "위/아래 이동", "세로축 회전(고개 끄덕임)",
"가로축 회전(고개 젓기)", "길이축 회전(옆으로 기울임)", "원 운동", "나선형 이동",
"관성에 의한 미끄러짐", "회전축 변화", "불규칙 회전", "흔들림 운동", "포물선 이동",
"무중력 부유", "수면 위 부유", "점프/도약", "슬라이딩", "롤링", "자유 낙하",
"왕복 운동", "탄성 튕김", "관통", "회피 움직임", "지그재그 이동", "스윙 운동"
],
"시간 관련 변화": [
"노화/풍화", "마모/부식", "색 바램/변색", "손상/회복", "수명 주기 변화",
"사용자 상호작용에 따른 적응", "학습 기반 형태 최적화", "시간에 따른 물성 변화",
"집단 기억 효과", "문화적 의미 변화", "지연 반응", "이전 상태 의존 변화",
"점진적 시간 변화", "진화적 변화", "주기적 재생", "계절 변화 적응",
"생체리듬 변화", "생애 주기 단계", "성장/퇴화", "자가 복구/재생",
"자연 순환 적응", "지속성/일시성", "기억 효과", "지연된 작용", "누적 효과"
],
"빛과 시각 효과": [
"발광/소등", "빛 투과/차단", "빛 산란/집중", "색상 스펙트럼 변화", "빛 회절",
"빛 간섭", "홀로그램 생성", "레이저 효과", "빛 편광", "형광/인광",
"자외선/적외선 발광", "광학적 착시", "빛 굴절", "그림자 생성/제거",
"색수차 효과", "무지개 효과", "글로우 효과", "플래시 효과", "조명 패턴",
"빔 효과", "광 필터 효과", "빛의 방향성 변화", "투영 효과", "빛 감지/반응",
"광도 변화"
],
"소리와 진동 효과": [
"소리 발생/소멸", "음 높낮이 변화", "음량 변화", "음색 변화",
"공명/반공명", "음향 진동", "초음파/저음파 발생", "소리 집중/분산",
"음향 반사/흡수", "음향 도플러 효과", "음파 간섭", "음향 공진",
"진동 패턴 변화", "타악 효과", "음향 피드백", "음향 차폐/증폭",
"소리 지향성", "소리 왜곡", "비트 생성", "배음 생성", "주파수 변조",
"음향 충격파", "음향 필터링"
],
"열 관련 변화": [
"온도 상승/하강", "열 팽창/수축", "열 전달/차단", "압력 상승/하강",
"열 변화에 따른 자화", "엔트로피 변화", "열전기 효과", "자기장에 의한 열 변화",
"상태 변화 중 열 저장/방출", "열 스트레스 발생/해소", "급격한 온도 변화 영향",
"복사 냉각/가열", "발열/흡열", "열 분포 변화", "열 반사/흡수",
"냉각 응축", "열 활성화", "열 변색", "열 팽창 계수 변화", "열 안정성 변화",
"내열성/내한성", "자가 발열", "열적 평형/불균형", "열적 변형", "열 분산/집중"
],
"전기 및 자기 변화": [
"자성 생성/소멸", "전하량 증가/감소", "전기장 생성/소멸", "자기장 생성/소멸",
"초전도 상태 전환", "강유전체 특성 변화", "양자 상태 변화", "플라즈마 형성/소멸",
"스핀파 전달", "빛에 의한 전기 발생", "압력에 의한 전기 발생", "자기장 내 전류 변화",
"전기 저항 변화", "전기 전도성 변화", "정전기 발생/방전", "전자기 유도",
"전자기파 방출/흡수", "전기 용량 변화", "자기 이력 현상", "전기적 분극",
"전자 흐름 방향 변화", "전기적 공명", "전기적 차폐/노출", "자기 차폐/노출",
"자기장 정렬"
],
"화학적 변화": [
"표면 코팅 변화", "물질 성분 변화", "화학 반응 변화", "촉매 작용 시작/중단",
"빛에 의한 화학 반응", "전기에 의한 화학 반응", "단분자막 형성", "분자 수준 구조 변화",
"생체 모방 표면 변화", "환경 반응형 물질 변화", "주기적 화학 반응", "산화", "환원",
"고분자화", "물 분해", "화합", "방사선 영향", "산-염기 반응", "중화 반응",
"이온화", "화학적 흡착/탈착", "촉매 효율 변화", "효소 활성 변화", "발색 반응",
"pH 변화", "화학적 평형 이동", "결합 형성/분해", "용해도 변화"
],
"생물학적 변화": [
"성장/위축", "세포 분열/사멸", "생물 발광", "신진대사 변화", "면역 반응",
"호르몬 분비", "신경 반응", "유전적 발현", "적응/진화", "생체리듬 변화",
"재생/치유", "노화/성숙", "생체 모방 변화", "바이오필름 형성", "생물학적 분해",
"효소 활성화/비활성화", "생물학적 신호 전달", "스트레스 반응", "체온 조절", "생물학적 시계 변화",
"세포외 기질 변화", "생체 역학적 반응", "세포 운동성", "세포 극성 변화", "영양 상태 변화"
],
"환경 상호작용": [
"온도 반응", "습도 반응", "기압 반응", "중력 반응", "자기장 반응",
"빛 반응", "소리 반응", "화학 물질 감지", "기계적 자극 감지", "전기 자극 반응",
"방사선 반응", "진동 감지", "pH 반응", "용매 반응", "기체 교환",
"환경 오염 반응", "날씨 반응", "계절 반응", "일주기 반응", "생태계 상호작용",
"공생/경쟁 반응", "포식/피식 관계", "군집 형성", "영역 설정", "이주/정착 패턴"
],
"비즈니스 아이디어": [
"시장 재정의/신규 시장 개척",
"비즈니스 모델 혁신/디지털 전환",
"고객 경험 혁신/서비스 혁신",
"협력 및 파트너십 강화/생태계 구축",
"글로벌 확장/지역화 전략",
"운영 효율성 증대/원가 절감",
"브랜드 리포지셔닝/이미지 전환",
"지속 가능한 성장/사회적 가치 창출",
"데이터 기반 의사결정/AI 도입",
"신기술 융합/혁신 투자"
]
}
physical_transformation_categories_en = {
"Sensor Functions": [
"Visual sensor/detection", "Auditory sensor/detection", "Tactile sensor/detection", "Taste sensor/detection", "Olfactory sensor/detection",
"Temperature sensor/detection", "Humidity sensor/detection", "Pressure sensor/detection", "Acceleration sensor/detection", "Rotational sensor/detection",
"Proximity sensor/detection", "Position sensor/detection", "Motion sensor/detection", "Gas sensor/detection", "Infrared sensor/detection",
"Ultraviolet sensor/detection", "Radiation sensor/detection", "Magnetic sensor/detection", "Electric field sensor/detection", "Chemical sensor/detection",
"Biosignal sensor/detection", "Vibration sensor/detection", "Noise sensor/detection", "Light intensity sensor/detection", "Light wavelength sensor/detection",
"Tilt sensor/detection", "pH sensor/detection", "Current sensor/detection", "Voltage sensor/detection", "Image sensor/detection",
"Distance sensor/detection", "Depth sensor/detection", "Gravity sensor/detection", "Speed sensor/detection", "Flow sensor/detection",
"Water level sensor/detection", "Turbidity sensor/detection", "Salinity sensor/detection", "Metal detection", "Piezoelectric sensor/detection",
"Photovoltaic sensor/detection", "Thermocouple sensor/detection", "Hall effect sensor/detection", "Ultrasonic sensor/detection", "Radar sensor/detection",
"Lidar sensor/detection", "Touch sensor/detection", "Gesture sensor/detection", "Heart rate sensor/detection", "Blood pressure sensor/detection"
],
"Size and Shape Change": [
"Volume increase/decrease", "Length increase/decrease", "Width increase/decrease", "Height increase/decrease",
"Density change", "Weight increase/decrease", "Shape deformation", "State change", "Uneven deformation",
"Complex shape deformation", "Twisting/entwining", "Non-uniform expansion/contraction", "Rounded/sharpened edges",
"Cracking/splitting", "Fragmentation", "Water resistance", "Dust resistance", "Denting/recovery",
"Folding/unfolding", "Compression/expansion", "Stretching/contraction", "Wrinkling/flattening", "Crushing/hardening",
"Rolling/unrolling", "Bending/curving"
],
# 이하 동일 패턴으로 영문 버전 생략 (상동)
}
# ──────────────────────────────── Logging ────────────────────────────────
logging.basicConfig(level=logging.INFO,
format="%(asctime)s - %(levelname)s - %(message)s")
# ──────────────────────────────── OpenAI Client ──────────────────────────
@st.cache_resource
def get_openai_client():
"""Create an OpenAI client with timeout and retry settings."""
if not OPENAI_API_KEY:
raise RuntimeError("⚠️ OPENAI_API_KEY 환경 변수가 설정되지 않았습니다.")
return OpenAI(
api_key=OPENAI_API_KEY,
timeout=60.0, # 타임아웃 60초로 설정
max_retries=3 # 재시도 횟수 3회로 설정
)
# ──────────────────────────────── New System Prompt for Idea Generation ─────────────────────
def get_idea_system_prompt() -> str:
"""
아이디어 생성용 시스템 프롬프트:
- 제공된 physical_transformation_categories를 활용
- 3가지 발상 접근: (1) 유사성 기반 증강, (2) 반유사성(대조) 기반 발상의 전환, (3) 무작위(우연적 착안)
- 각 아이디어를 논리적으로 설명 가능하도록 지시
- 아이디어마다 이미지 프롬프트도 함께 제시할 것
"""
prompt = """
You are an advanced Idea Generation AI. Your goal is to take the user's prompt (topic, concept, or question) and create **3 distinct ideas** around it, drawing from the vast categories of **physical or conceptual transformations**. Specifically, you must produce:
1. **Similarity-based Augmentation**
- Build upon the user's original concept by closely aligning to its core attributes.
- Reference relevant categories or subcategories that naturally extend or amplify the original idea.
- Provide a practical, logical explanation.
2. **Contrarian/Inverse Approach**
- Intentionally invert or contradict the core assumptions of the original concept.
- Use contrasting categories to spark unconventional thinking.
- Clearly justify why this contrarian perspective might reveal novel possibilities.
3. **Random (Fortuitous Spark)**
- Randomly select one or more categories or subcategories from any domain to introduce surprising or serendipitous ideas.
- Show how this unexpected combination can yield fresh insights or opportunities.
For each of the 3 approaches:
- Provide a concise name or title for the idea.
- Offer a clear, structured explanation (a few paragraphs) on how this idea works or could be realized.
- Incorporate references to the relevant category or categories from the provided classification, explaining how they link to the idea.
- Suggest a short, single-line **English prompt for generating an image** that best represents that idea.
Finally:
- Return your answer in Markdown format with headings (e.g., "## Idea 1: ...", "## Idea 2: ...", "## Idea 3: ...").
- Do **not** mention that you are responding with "3 ideas" because of a prompt or instruction. Simply present them as the final structured output.
- Never mention "blog," "SEO," or "prompt" instructions in your final text.
- Do **not** mention that you're an AI. Present the content as a straightforward creative text for each idea.
---
**Important**: You have access to a list of "physical_transformation_categories" (in Korean) and possibly an English version. Use them to anchor or inspire each idea, but do not simply copy the entire list. Instead, selectively reference a few relevant subcategories.
"""
return prompt.strip()
# ──────────────────────────────── Brave Search API ────────────────────────
@st.cache_data(ttl=3600)
def brave_search(query: str, count: int = 20):
"""
Call the Brave Web Search API → list[dict]
Returns fields: index, title, link, snippet, displayed_link
"""
if not BRAVE_KEY:
raise RuntimeError("⚠️ SERPHOUSE_API_KEY (Brave API Key) 환경 변수가 비어있습니다.")
headers = {
"Accept": "application/json",
"Accept-Encoding": "gzip",
"X-Subscription-Token": BRAVE_KEY
}
params = {"q": query, "count": str(count)}
for attempt in range(3):
try:
r = requests.get(BRAVE_ENDPOINT, headers=headers, params=params, timeout=15)
r.raise_for_status()
data = r.json()
logging.info(f"Brave search result data structure: {list(data.keys())}")
raw = data.get("web", {}).get("results") or data.get("results", [])
if not raw:
logging.warning(f"No Brave search results found. Response: {data}")
raise ValueError("No search results found.")
arts = []
for i, res in enumerate(raw[:count], 1):
url = res.get("url", res.get("link", ""))
host = re.sub(r"https?://(www\.)?", "", url).split("/")[0]
arts.append({
"index": i,
"title": res.get("title", "No title"),
"link": url,
"snippet": res.get("description", res.get("text", "No snippet")),
"displayed_link": host
})
logging.info(f"Brave search success: {len(arts)} results")
return arts
except Exception as e:
logging.error(f"Brave search failure (attempt {attempt+1}/3): {e}")
if attempt < 2:
time.sleep(2)
return []
def mock_results(query: str) -> str:
"""Fallback if search API fails"""
ts = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
return (f"# Fallback Search Content (Generated: {ts})\n\n"
f"The web search API request failed. Please generate the ideas based on general knowledge about '{query}'.\n\n"
f"You may consider aspects such as:\n\n"
f"- Basic definition or concept of {query}\n"
f"- Commonly known facts or challenges\n"
f"- Potential categories from the transformation list\n\n"
f"Note: This is fallback guidance, not real-time data.\n\n")
def do_web_search(query: str) -> str:
"""Perform web search and format the results."""
try:
arts = brave_search(query, 20)
if not arts:
logging.warning("No search results, using fallback content")
return mock_results(query)
hdr = "# Web Search Results\nUse the information below to inspire or validate your ideas.\n\n"
body = "\n".join(
f"### Result {a['index']}: {a['title']}\n\n{a['snippet']}\n\n"
f"**Source**: [{a['displayed_link']}]({a['link']})\n\n---\n"
for a in arts
)
return hdr + body
except Exception as e:
logging.error(f"Web search process failed: {str(e)}")
return mock_results(query)
# ──────────────────────────────── File Upload Handling ─────────────────────
def process_text_file(file):
"""Handle text file"""
try:
content = file.read()
file.seek(0)
text = content.decode('utf-8', errors='ignore')
if len(text) > 10000:
text = text[:9700] + "...(truncated)..."
result = f"## Text File: {file.name}\n\n"
result += text
return result
except Exception as e:
logging.error(f"Error processing text file: {str(e)}")
return f"Error processing text file: {str(e)}"
def process_csv_file(file):
"""Handle CSV file"""
try:
content = file.read()
file.seek(0)
df = pd.read_csv(io.BytesIO(content))
result = f"## CSV File: {file.name}\n\n"
result += f"- Rows: {len(df)}\n"
result += f"- Columns: {len(df.columns)}\n"
result += f"- Column Names: {', '.join(df.columns.tolist())}\n\n"
result += "### Data Preview\n\n"
preview_df = df.head(10)
try:
markdown_table = preview_df.to_markdown(index=False)
if markdown_table:
result += markdown_table + "\n\n"
else:
result += "Unable to display CSV data.\n\n"
except Exception as e:
logging.error(f"Markdown table conversion error: {e}")
result += "Displaying data as text:\n\n"
result += str(preview_df) + "\n\n"
num_cols = df.select_dtypes(include=['number']).columns
if len(num_cols) > 0:
result += "### Basic Statistical Information\n\n"
try:
stats_df = df[num_cols].describe().round(2)
stats_markdown = stats_df.to_markdown()
if stats_markdown:
result += stats_markdown + "\n\n"
else:
result += "Unable to display statistical information.\n\n"
except Exception as e:
logging.error(f"Statistical info conversion error: {e}")
result += "Unable to generate statistical information.\n\n"
return result
except Exception as e:
logging.error(f"CSV file processing error: {str(e)}")
return f"Error processing CSV file: {str(e)}"
def process_pdf_file(file):
"""Handle PDF file"""
try:
file_bytes = file.read()
file.seek(0)
pdf_file = io.BytesIO(file_bytes)
reader = PyPDF2.PdfReader(pdf_file, strict=False)
result = f"## PDF File: {file.name}\n\n"
result += f"- Total pages: {len(reader.pages)}\n\n"
max_pages = min(5, len(reader.pages))
all_text = ""
for i in range(max_pages):
try:
page = reader.pages[i]
page_text = page.extract_text()
current_page_text = f"### Page {i+1}\n\n"
if page_text and len(page_text.strip()) > 0:
if len(page_text) > 1500:
current_page_text += page_text[:1500] + "...(truncated)...\n\n"
else:
current_page_text += page_text + "\n\n"
else:
current_page_text += "(No text could be extracted)\n\n"
all_text += current_page_text
if len(all_text) > 8000:
all_text += "...(truncating remaining pages; PDF is too large)...\n\n"
break
except Exception as page_err:
logging.error(f"Error processing PDF page {i+1}: {str(page_err)}")
all_text += f"### Page {i+1}\n\n(Error extracting content: {str(page_err)})\n\n"
if len(reader.pages) > max_pages:
all_text += f"\nNote: Only the first {max_pages} pages are shown out of {len(reader.pages)} total.\n\n"
result += "### PDF Content\n\n" + all_text
return result
except Exception as e:
logging.error(f"PDF file processing error: {str(e)}")
return f"## PDF File: {file.name}\n\nError occurred: {str(e)}\n\nThis PDF file cannot be processed."
def process_uploaded_files(files):
"""Combine the contents of all uploaded files into one string."""
if not files:
return None
result = "# Uploaded File Contents\n\n"
result += "Below is the content from the files provided by the user. Integrate this data as needed for generating ideas.\n\n"
for file in files:
try:
ext = file.name.split('.')[-1].lower()
if ext == 'txt':
result += process_text_file(file) + "\n\n---\n\n"
elif ext == 'csv':
result += process_csv_file(file) + "\n\n---\n\n"
elif ext == 'pdf':
result += process_pdf_file(file) + "\n\n---\n\n"
else:
result += f"### Unsupported File: {file.name}\n\n---\n\n"
except Exception as e:
logging.error(f"File processing error {file.name}: {e}")
result += f"### File processing error: {file.name}\n\nError: {e}\n\n---\n\n"
return result
# ──────────────────────────────── Image & Utility ─────────────────────────
def generate_image(prompt, w=768, h=768, g=3.5, steps=30, seed=3):
"""Image generation function."""
if not prompt:
return None, "Insufficient prompt"
try:
res = Client(IMAGE_API_URL).predict(
prompt=prompt, width=w, height=h, guidance=g,
inference_steps=steps, seed=seed,
do_img2img=False, init_image=None,
image2image_strength=0.8, resize_img=True,
api_name="/generate_image"
)
return res[0], f"Seed: {res[1]}"
except Exception as e:
logging.error(e)
return None, str(e)
def md_to_html(md: str, title="Idea Output"):
"""Convert Markdown to HTML."""
return f"{title}{markdown.markdown(md)}"
def keywords(text: str, top=5):
"""Simple keyword extraction (for web search)."""
cleaned = re.sub(r"[^가-힣a-zA-Z0-9\s]", "", text)
return " ".join(cleaned.split()[:top])
# ──────────────────────────────── Streamlit UI ────────────────────────────
def idea_generator_app():
st.title("Creative Idea Generator")
# Set default session state
if "ai_model" not in st.session_state:
st.session_state.ai_model = "gpt-4.1-mini"
if "messages" not in st.session_state:
st.session_state.messages = []
if "auto_save" not in st.session_state:
st.session_state.auto_save = True
if "generate_image" not in st.session_state:
st.session_state.generate_image = True # 기본값: True
if "web_search_enabled" not in st.session_state:
st.session_state.web_search_enabled = True
# Sidebar UI
sb = st.sidebar
sb.title("Idea Generator Settings")
sb.toggle("Auto Save", key="auto_save")
sb.toggle("Auto Image Generation", key="generate_image")
web_search_enabled = sb.toggle("Use Web Search", value=st.session_state.web_search_enabled)
st.session_state.web_search_enabled = web_search_enabled
if web_search_enabled:
sb.info("✅ Web search results will be integrated.")
# 예시 주제들 (원래 예시 블로그 토픽 -> 이제는 예시 아이디어 주제로 전환)
example_topics = {
"example1": "AI로 인한 비즈니스 모델 변화",
"example2": "스마트 소재를 활용한 친환경 건축",
"example3": "미래형 교육 서비스 구상"
}
sb.subheader("Example Prompts")
c1, c2, c3 = sb.columns(3)
if c1.button("AI & 비즈니스", key="ex1"):
process_example(example_topics["example1"])
if c2.button("스마트 소재 건축", key="ex2"):
process_example(example_topics["example2"])
if c3.button("미래형 교육", key="ex3"):
process_example(example_topics["example3"])
# Download the latest ideas
latest_ideas = next(
(m["content"] for m in reversed(st.session_state.messages)
if m["role"] == "assistant" and m["content"].strip()),
None
)
if latest_ideas:
title_match = re.search(r"# (.*?)(\n|$)", latest_ideas)
title = title_match.group(1).strip() if title_match else "ideas"
sb.subheader("Download Latest Ideas")
d1, d2 = sb.columns(2)
d1.download_button("Download as Markdown", latest_ideas,
file_name=f"{title}.md", mime="text/markdown")
d2.download_button("Download as HTML", md_to_html(latest_ideas, title),
file_name=f"{title}.html", mime="text/html")
# JSON conversation record upload
up = sb.file_uploader("Load Conversation History (.json)", type=["json"], key="json_uploader")
if up:
try:
st.session_state.messages = json.load(up)
sb.success("Conversation history loaded successfully")
except Exception as e:
sb.error(f"Failed to load: {e}")
# JSON conversation record download
if sb.button("Download Conversation as JSON"):
sb.download_button(
"Save JSON",
data=json.dumps(st.session_state.messages, ensure_ascii=False, indent=2),
file_name="chat_history.json",
mime="application/json"
)
# File Upload
st.subheader("File Upload (Optional)")
uploaded_files = st.file_uploader(
"Upload files to reference in the idea generation (txt, csv, pdf)",
type=["txt", "csv", "pdf"],
accept_multiple_files=True,
key="file_uploader"
)
if uploaded_files:
file_count = len(uploaded_files)
st.success(f"{file_count} files uploaded.")
with st.expander("Preview Uploaded Files", expanded=False):
for idx, file in enumerate(uploaded_files):
st.write(f"**File Name:** {file.name}")
ext = file.name.split('.')[-1].lower()
if ext == 'txt':
preview = file.read(1000).decode('utf-8', errors='ignore')
file.seek(0)
st.text_area(
f"Preview of {file.name}",
preview + ("..." if len(preview) >= 1000 else ""),
height=150
)
elif ext == 'csv':
try:
df = pd.read_csv(file)
file.seek(0)
st.write("CSV Preview (up to 5 rows)")
st.dataframe(df.head(5))
except Exception as e:
st.error(f"CSV preview failed: {e}")
elif ext == 'pdf':
try:
file_bytes = file.read()
file.seek(0)
pdf_file = io.BytesIO(file_bytes)
reader = PyPDF2.PdfReader(pdf_file, strict=False)
pc = len(reader.pages)
st.write(f"PDF File: {pc} pages")
if pc > 0:
try:
page_text = reader.pages[0].extract_text()
preview = page_text[:500] if page_text else "(No text)"
st.text_area("Preview of the first page", preview + "...", height=150)
except:
st.warning("Failed to extract text from the first page")
except Exception as e:
st.error(f"PDF preview failed: {e}")
if idx < file_count - 1:
st.divider()
# Display existing messages in chat
for m in st.session_state.messages:
with st.chat_message(m["role"]):
st.markdown(m["content"])
if "image" in m:
st.image(m["image"], caption=m.get("image_caption", ""))
# User input for idea generation
prompt = st.chat_input("Enter a topic or concept to generate 3 new ideas.")
if prompt:
process_input(prompt, uploaded_files)
# Sidebar footer
sb.markdown("---")
sb.markdown("Created by [Ginigen.com](https://ginigen.com) | [YouTube](https://www.youtube.com/@ginipickaistudio)")
def process_example(topic):
"""Handle example prompts."""
process_input(topic, [])
def process_input(prompt: str, uploaded_files):
# Add user's message
if not any(m["role"] == "user" and m["content"] == prompt for m in st.session_state.messages):
st.session_state.messages.append({"role": "user", "content": prompt})
with st.chat_message("user"):
st.markdown(prompt)
with st.chat_message("assistant"):
placeholder = st.empty()
message_placeholder = st.empty()
full_response = ""
use_web_search = st.session_state.web_search_enabled
has_uploaded_files = bool(uploaded_files) and len(uploaded_files) > 0
try:
status = st.status("Preparing to generate ideas...")
status.update(label="Initializing client...")
client = get_openai_client()
# Prepare system prompt
sys_prompt = get_idea_system_prompt()
# Optional: gather search results
search_content = None
if use_web_search:
status.update(label="Performing web search...")
with st.spinner("Searching the web..."):
search_content = do_web_search(keywords(prompt, top=5))
# File contents
file_content = None
if has_uploaded_files:
status.update(label="Processing uploaded files...")
with st.spinner("Analyzing files..."):
file_content = process_uploaded_files(uploaded_files)
# Build messages
user_content = prompt
if search_content:
user_content += "\n\n" + search_content
if file_content:
user_content += "\n\n" + file_content
api_messages = [
{"role": "system", "content": sys_prompt},
{"role": "user", "content": user_content}
]
# OpenAI API streaming
status.update(label="Generating creative ideas...")
try:
stream = client.chat.completions.create(
model="gpt-4.1-mini",
messages=api_messages,
temperature=1,
max_tokens=MAX_TOKENS,
top_p=1,
stream=True
)
for chunk in stream:
if (chunk.choices
and len(chunk.choices) > 0
and chunk.choices[0].delta.content is not None):
content_delta = chunk.choices[0].delta.content
full_response += content_delta
message_placeholder.markdown(full_response + "▌")
message_placeholder.markdown(full_response)
status.update(label="Ideas created!", state="complete")
except Exception as api_error:
error_message = str(api_error)
logging.error(f"API error: {error_message}")
status.update(label=f"Error: {error_message}", state="error")
raise Exception(f"Idea generation error: {error_message}")
# Store final text
answer_entry_saved = False
# 자동 이미지 생성이 활성화되어 있다면
if st.session_state.generate_image and full_response:
# 아이디어를 3개로 구분하고, 각 아이디어마다 이미지 프롬프트를 추출
# 간단한 방식: 정규식으로 `Image Prompt:` 형태를 찾는다고 가정 (시스템프롬프트에 지시)
# 혹은 단순히 한 번만 추출 -> 여기서는 3개 아이디어 각각을 찾기 위해 나눠본다.
# 일단은 전체 답변에서 "English prompt for generating an image" 부분을 찾는다.
# 매우 단순한 파싱 예시 (개선 가능)
idea_sections = re.split(r"(## Idea \d+:)", full_response)
# idea_sections는 ['', '## Idea 1:', ' ...', '## Idea 2:', ' ...', '## Idea 3:', ' ...'] 형태
# 다시 묶어서 [('## Idea 1:', idea_text), ('## Idea 2:', idea_text), ...] 형태로
pairs = []
for i in range(1, len(idea_sections), 2):
idea_title = idea_sections[i].strip()
idea_body = idea_sections[i+1].strip() if i+1 < len(idea_sections) else ""
pairs.append((idea_title, idea_body))
# 각 아이디어마다 이미지 생성
for idx, (title, text_block) in enumerate(pairs, start=1):
image_prompt_match = re.search(r"(?i)(image prompt\s*\:\s*)(.+)", text_block)
if image_prompt_match:
raw_prompt = image_prompt_match.group(2).strip()
# 만약 문장 끝에 불필요한 구두점이나 줄바꿈이 있을 시 제거
raw_prompt = re.sub(r"[\r\n]+", " ", raw_prompt)
raw_prompt = re.sub(r"[\"'`]", "", raw_prompt)
# 이미지 생성
with st.spinner(f"Generating image for {title}..."):
img, cap = generate_image(raw_prompt)
if img:
st.image(img, caption=f"{title} - {cap}")
# 대화에 저장
st.session_state.messages.append({
"role": "assistant",
"content": "",
"image": img,
"image_caption": f"{title} - {cap}"
})
# 3개 이미지 생성 프로세스를 마친 후 최종 텍스트를 저장
st.session_state.messages.append({"role": "assistant", "content": full_response})
answer_entry_saved = True
if not answer_entry_saved and full_response:
# 이미지 생성이 비활성화거나 실패했을 경우 텍스트만 저장
st.session_state.messages.append({"role": "assistant", "content": full_response})
# Download buttons
if full_response:
st.subheader("Download This Output")
c1, c2 = st.columns(2)
c1.download_button(
"Markdown",
data=full_response,
file_name=f"{prompt[:30]}.md",
mime="text/markdown"
)
c2.download_button(
"HTML",
data=md_to_html(full_response, prompt[:30]),
file_name=f"{prompt[:30]}.html",
mime="text/html"
)
# Auto-save
if st.session_state.auto_save and st.session_state.messages:
try:
fn = f"chat_history_auto_{datetime.now():%Y%m%d_%H%M%S}.json"
with open(fn, "w", encoding="utf-8") as fp:
json.dump(st.session_state.messages, fp, ensure_ascii=False, indent=2)
except Exception as e:
logging.error(f"Auto-save failed: {e}")
except Exception as e:
error_message = str(e)
placeholder.error(f"An error occurred: {error_message}")
logging.error(f"Process input error: {error_message}")
ans = f"An error occurred while processing your request: {error_message}"
st.session_state.messages.append({"role": "assistant", "content": ans})
# ──────────────────────────────── main ────────────────────────────────────
def main():
idea_generator_app()
if __name__ == "__main__":
main()