app.py

import gradio as gr
import os
from datetime import datetime
from gradio_client import Client
import re
import uuid
import json

# 初始化任务生成客户端（腾讯混元 Space）
taskgen_client = Client("tencent/Hunyuan-Large")

OUTPUT_DIR = "outputs"
os.makedirs(OUTPUT_DIR, exist_ok=True)

# 拆解 JD 成任务
def extract_task_from_jd(jd):
    message = f"""你是一个岗位分析助手，请根据以下JD内容提取一个可以用来测试候选人核心能力的具体任务。
请确保任务具体且与岗位相关技能密切匹配，特别是技术岗位时，任务应包括实际的编程、算法设计或系统架构等内容。 
任务要求应具备一定的技术深度，能够考察候选人的核心能力。

JD: {jd}"""
    response = taskgen_client.predict(message=message, api_name="/chat")
    return response.strip()  # 直接返回原始响应内容，便于调试

# 基于任务生成三个解决方案
def generate_solutions_from_task(task):
    message = f"""你是一个解决方案生成助手，请根据以下任务设计三种不同的实现思路。
每个方案需要包含详细的步骤，具体的操作流程，并在每个步骤中提供执行细节。请确保每个方案的字数不少于200字。
方案需要详细到以下几个方面：
1. 总体思路：解决方案的总体思路与背景。
2. 执行步骤：实现该方案的详细步骤，分步操作，字数要求至少50字。
3. 技术栈：使用的具体技术、工具或框架。
4. 代码示例（如果适用）：相关技术实现的代码片段。
5. 挑战与解决方案：在实现过程中可能遇到的技术难题以及相应的解决方法。

请严格按如下格式输出，每个方案应包含详细信息，字数不少于200字：
方案1:
1. 总体思路: （简述方案的总体设计思想）
2. 执行步骤: （具体的实现步骤，最好有分步）
3. 技术栈: （技术栈、工具、框架）
4. 代码示例: （如果适用，提供相关代码片段）
5. 挑战与解决方案: （在实现过程中可能遇到的问题和解决方法）

方案2:
1. 总体思路: （简述方案的总体设计思想）
2. 执行步骤: （具体的实现步骤，最好有分步）
3. 技术栈: （技术栈、工具、框架）
4. 代码示例: （如果适用，提供相关代码片段）
5. 挑战与解决方案: （在实现过程中可能遇到的问题和解决方法）

方案3:
1. 总体思路: （简述方案的总体设计思想）
2. 执行步骤: （具体的实现步骤，最好有分步）
3. 技术栈: （技术栈、工具、框架）
4. 代码示例: （如果适用，提供相关代码片段）
5. 挑战与解决方案: （在实现过程中可能遇到的问题和解决方法）

任务: {task}"""
    response = taskgen_client.predict(message=message, api_name="/chat")
    # fallback：若正则提取失败，直接展示原始响应
    solutions = re.findall(r"方案[123][:：]\s*(.*)", response)
    if len(solutions) < 3:
        return response.strip(), "（解析失败，显示原始回复）", ""
    s1 = solutions[0].strip()
    s2 = solutions[1].strip()
    s3 = solutions[2].strip()
    return s1, s2, s3

# 构建 Gradio UI
def build_ui():
    with gr.Blocks() as demo:
        gr.Markdown("## 📌 JD 任务拆解 + 解决方案选择 Demo")

        jd_input = gr.Textbox(label="输入 JD", placeholder="请输入岗位描述 JD")
        task_output = gr.Textbox(label="拆解出的测试任务", lines=2, interactive=False)
        generate_task_btn = gr.Button("🧠 拆解 JD 成任务")

        generate_solutions_btn = gr.Button("🚀 基于任务生成三个方案")
        sol1 = gr.Textbox(label="方案1 / 或原始回复", lines=10, interactive=False)
        sol2 = gr.Textbox(label="方案2", lines=10, interactive=False)
        sol3 = gr.Textbox(label="方案3", lines=10, interactive=False)

        select_radio = gr.Radio(choices=["1", "2", "3"], label="请选择你最满意的解决方案编号")
        
        comment = gr.Textbox(lines=4, label="📝 请对选择的方案填写选择理由或批注该方案的优缺点")

        user_solution = gr.Textbox(lines=6, label="📄 填写你自己的解决方案（可选）")

        
        submit = gr.Button("✅ 提交 RLHF 数据")
        feedback = gr.Textbox(label="系统反馈", interactive=False)

        task_state = gr.State()

        def handle_task_gen(jd_text):
            task = extract_task_from_jd(jd_text)
            return task, task

        def handle_solutions_gen(task_text):
            s1, s2, s3 = generate_solutions_from_task(task_text)
            return s1, s2, s3

        def handle_submit(selected_idx, user_input_text, comment_text, task_text):
            record = {
                "task": task_text,
                "selected_index": selected_idx,
                "user_solution": user_input_text,
                "comment": comment_text,
                "timestamp": datetime.now().isoformat()
            }
            try:
                with open("rlhf_jd_data.jsonl", "a", encoding="utf-8") as f:
                    json.dump(record, f, ensure_ascii=False)
                    f.write("\n")
                return f"✅ 数据已保存，选择方案 {selected_idx}"
            except Exception as e:
                return f"❌ 保存失败：{str(e)}"

        generate_task_btn.click(fn=handle_task_gen, inputs=[jd_input], outputs=[task_output, task_state])
        generate_solutions_btn.click(fn=handle_solutions_gen, inputs=[task_state], outputs=[sol1, sol2, sol3])
        submit.click(fn=handle_submit, inputs=[select_radio, user_solution, comment, task_state], outputs=[feedback])

    return demo

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