app.py

import os
import gradio as gr
import random
import time
import logging
from typing import Iterator

import google.generativeai as genai
from gradio import ChatMessage  # ChatMessage 구조 사용 (Thinking/Response 구분 가능)

logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    handlers=[
        logging.FileHandler("api_debug.log"),
        logging.StreamHandler()
    ]
)
logger = logging.getLogger("idea_generator")

# Gemini API 키 설정
GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
genai.configure(api_key=GEMINI_API_KEY)

# 사용할 Gemini 2.0 Flash 모델 (Thinking 기능 포함)
model = genai.GenerativeModel("gemini-2.0-flash-thinking-exp-01-21")

##############################################################################
# 변환 문자열에서 슬래시("/")로 구분된 두 옵션 중 하나 선택
##############################################################################
def choose_alternative(transformation):
    if "/" not in transformation:
        return transformation
    parts = transformation.split("/")
    if len(parts) != 2:
        return random.choice([part.strip() for part in parts])
    left = parts[0].strip()
    right = parts[1].strip()
    if " " in left:
        tokens = left.split(" ", 1)
        prefix = tokens[0]
        if not right.startswith(prefix):
            option1 = left
            option2 = prefix + " " + right
        else:
            option1 = left
            option2 = right
        return random.choice([option1, option2])
    else:
        return random.choice([left, right])

##############################################################################
# 카테고리 사전 (일부만 발췌 가능. 여기서는 예시로 3개만 유지)
##############################################################################

physical_transformation_categories = {
    "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"
    ],
    
    "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"
    ],
    
    "열 관련 변화": [
        "온도 상승/하강", "열에 의한 팽창/수축", "열 전달/차단", "압력 상승/하강", 
        "열 변화에 따른 자화", "무질서도 변화", "열전기 현상", "자기장에 의한 열 변화", 
        "상태변화 중 열 저장/방출", "열 스트레스 발생/해소", "급격한 온도 변화 영향", 
        "복사열에 의한 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", "자기발열", "열적 평형/불균형", "열적 변형", "열 분산/집중"
    ],
    
    "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"
    ],
    
    "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 상태 형성/소멸", 
        "스핀파 전달", "빛에 의한 전기 발생", "압력에 의한 전기 발생", "자기장 속 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 방향 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 계산 변화",
        "자연 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"
    ],
    
    "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", "자기 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", "소리 높낮이 변화", "소리 크기 변화", "음색 변화",
        "공명/반공명", "음향 진동", "초음파/저음파 발생", "음향 집중/분산",
        "음향 반사/흡수", "음향 도플러 효과", "음파 간섭", "음향 공진",
        "진동 패턴 변화", "타악 효과", "음향 피드백", "음향 차폐/증폭",
        "소리 지향성", "음향 왜곡", "비트 생성", "하모닉스 생성", "주파수 변조",
        "음향 충격파", "음향 필터링", "음파 전파 패턴", "진동 댐핑"
    ],
    
    "생물학적 변화": [
        "생장/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 변화 반응", "일주기 반응", "생태계 상호작용",
        "공생/경쟁 반응", "포식/피식 관계", "군집 형성", "영역 설정", "이주/정착 패턴"
    ],
    
    "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"
    ]
}
##############################################################################
# 스트리밍용 Gemini API 함수:
# - 'Thinking' 단계(아이디어 내부 추론)와 최종 'Response' 단계로 구성
##############################################################################
def query_gemini_api_stream(prompt: str) -> Iterator[str]:
    """
    Gemini 2.0 Flash with 'Thinking' 부분과 'Response' 부분을 
    분리하여 스트리밍(Chunk)으로 제공한다.
    """
    # chat 초기화 (history 없이 단발성 호출)
    chat = model.start_chat(history=[])
    response = chat.send_message(prompt, stream=True)

    thought_buffer = ""
    response_buffer = ""
    thinking_complete = False

    for chunk in response:
        # 각 chunk에는 candidates[0].content.parts가 들어있다
        parts = chunk.candidates[0].content.parts
        
        # 예시) parts가 2개이면 (0: Thinking, 1: Response 시작)
        # 그 외에는 1개씩 끊어서 들어올 수 있음
        if len(parts) == 2 and not thinking_complete:
            # 아직 Thinking 중인데, 완성된 Thinking + Response 시작이 한 번에 옴
            thought_buffer += parts[0].text
            yield f"[Thinking Chunk] {parts[0].text}"
            
            response_buffer = parts[1].text
            yield f"[Response Start] {parts[1].text}"
            
            thinking_complete = True
        elif thinking_complete:
            # 이미 Thinking은 끝남 → Response를 이어서 스트리밍
            current_chunk = parts[0].text
            response_buffer += current_chunk
            yield current_chunk
        else:
            # Thinking 진행 중 (parts가 1개씩 추가됨)
            current_chunk = parts[0].text
            thought_buffer += current_chunk
            yield f"[Thinking Chunk] {current_chunk}"

    # 스트리밍 완료 후 최종 결과 한번에 제공할 수도 있음
    yield f"\n[Final Response]\n{response_buffer}"

##############################################################################
# 카테고리별 간단 설명을 'Thinking' + 'Response'로 확장 (스트리밍)
##############################################################################
def enhance_with_llm_stream(base_description, obj_name, category) -> Iterator[str]:
    """
    기존 enhance_with_llm를 스트리밍 형태로 바꾼 함수:
    'Thinking' + 'Response' 단계를 chunk로 순차 전달
    """
    prompt = f"""
다음은 '{obj_name}'의 '{category}' 관련 간단한 설명입니다:
"{base_description}"
위 내용을 보다 구체화하여, 
1) 창의적인 모델/컨셉/형상의 변화에 대한 이해, 
2) 혁신 포인트와 기능성 등을 중심으로 
3~4문장의 아이디어로 확장해 주세요.
"""
    # query_gemini_api_stream()로부터 chunk를 받아 그대로 yield
    for chunk in query_gemini_api_stream(prompt):
        yield chunk

##############################################################################
# 한 키워드(오브젝트)에 대한 기본 아이디어(카테고리별) 생성
##############################################################################
def generate_single_object_transformations(obj):
    results = {}
    for category, transformations in physical_transformation_categories.items():
        transformation = choose_alternative(random.choice(transformations))
        base_description = f"{obj}이(가) {transformation} 현상을 보인다"
        results[category] = {"base": base_description, "enhanced": ""}
    return results

##############################################################################
# 2개 키워드 상호작용
##############################################################################
def generate_two_objects_interaction(obj1, obj2):
    results = {}
    for category, transformations in physical_transformation_categories.items():
        transformation = choose_alternative(random.choice(transformations))
        template = random.choice([
            "{obj1}이(가) {obj2}에 결합하여 {change}가 발생했다",
            "{obj1}과(와) {obj2}이(가) 충돌하면서 {change}가 일어났다"
        ])
        base_description = template.format(obj1=obj1, obj2=obj2, change=transformation)
        results[category] = {"base": base_description, "enhanced": ""}
    return results

##############################################################################
# 3개 키워드 상호작용
##############################################################################
def generate_three_objects_interaction(obj1, obj2, obj3):
    results = {}
    for category, transformations in physical_transformation_categories.items():
        transformation = choose_alternative(random.choice(transformations))
        template = random.choice([
            "{obj1}, {obj2}, {obj3}이(가) 삼각형 구조로 결합하여 {change}가 발생했다",
            "{obj1}이(가) {obj2}와(과) {obj3} 사이에서 매개체 역할을 하며 {change}를 촉진했다"
        ])
        base_description = template.format(obj1=obj1, obj2=obj2, obj3=obj3, change=transformation)
        results[category] = {"base": base_description, "enhanced": ""}
    return results

##############################################################################
# 실제 변환 생성 로직
##############################################################################
def generate_transformations(text1, text2=None, text3=None):
    if text2 and text3:
        results = generate_three_objects_interaction(text1, text2, text3)
        objects = [text1, text2, text3]
    elif text2:
        results = generate_two_objects_interaction(text1, text2)
        objects = [text1, text2]
    else:
        results = generate_single_object_transformations(text1)
        objects = [text1]
    return results, objects

##############################################################################
# 스트리밍: 각 카테고리별로 'Thinking' + 'Response' 부분을 실시간 전달
##############################################################################
def process_inputs_stream(text1, text2, text3) -> Iterator[list]:
    """
    Gradio의 Chatbot 형식에 맞춰서,
    [(role='assistant'|'user', content=...), ...] 형태로 yield한다.
    생각(Thinking) 단계와 최종 응답을 분리해서 실시간 전송.
    """
    messages = []

    # 1) 입력값 확인
    yield [("assistant", "입력값 확인 중...")]
    time.sleep(0.3)

    text1 = text1.strip() if text1 else None
    text2 = text2.strip() if text2 else None
    text3 = text3.strip() if text3 else None
    if not text1:
        yield [("assistant", "오류: 최소 하나의 키워드를 입력해주세요.")]
        return

    # 2) 아이디어 생성
    yield [("assistant", "창의적인 모델/컨셉/형상 변화 아이디어 생성 중... (카테고리별 분석)")]
    time.sleep(0.3)
    results, objects = generate_transformations(text1, text2, text3)

    # 카테고리별 스트리밍 처리
    obj_name = " 및 ".join([obj for obj in objects if obj])

    for i, (category, result_dict) in enumerate(results.items(), start=1):
        base_desc = result_dict["base"]

        # 카테고리 안내 출력
        yield [("assistant", f"**[{i}/{len(results)}] 카테고리:** {category}\n\n기본 아이디어: {base_desc}\n\n지금부터 Thinking + Response를 단계적으로 스트리밍합니다...")]
        time.sleep(0.5)

        # 스트리밍 LLM 호출
        thinking_text = ""
        response_text = ""
        is_thinking_done = False

        # enhance_with_llm_stream 호출
        for chunk in enhance_with_llm_stream(base_desc, obj_name, category):
            if chunk.startswith("[Thinking Chunk]"):
                # 생각 파트
                thinking_text += chunk.replace("[Thinking Chunk]", "")
                messages_to_user = f"**[Thinking]**\n{thinking_text}"
                yield [("assistant", messages_to_user)]
            elif chunk.startswith("[Response Start]"):
                # 응답 시작 시점
                is_thinking_done = True
                # 남아있는 부분은 response_text로
                partial = chunk.replace("[Response Start]", "")
                response_text += partial
                messages_to_user = f"**[Final Response 시작]**\n{partial}"
                yield [("assistant", messages_to_user)]
            elif chunk.startswith("[Final Response]"):
                # 최종 종료
                final = chunk.replace("[Final Response]", "")
                response_text += f"\n{final}"
                yield [("assistant", f"**[최종 Response]**\n{response_text.strip()}")]
            else:
                # 일반 응답 스트리밍
                if is_thinking_done:
                    response_text += chunk
                    yield [("assistant", f"**[응답 진행]**\n{response_text}") ]
                else:
                    thinking_text += chunk
                    yield [("assistant", f"**[Thinking]**\n{thinking_text}")]

        # 한 카테고리 응답 완료
        result_dict["enhanced"] = response_text

    # 3) 전체 카테고리 완료
    yield [("assistant", "**모든 카테고리에 대한 스트리밍이 완료되었습니다!**")]


##############################################################################
# Gradio UI
##############################################################################
with gr.Blocks(title="스트리밍 예제: Gemini 2.0 Flash Thinking", 
               theme=gr.themes.Soft(primary_hue="teal", secondary_hue="slate", neutral_hue="neutral")) as demo:

    gr.Markdown("# 🚀 키워드 기반 창의적 변화 아이디어 (Gemini 2.0 Flash Thinking, Streaming)")
    gr.Markdown("키워드 1~3개를 입력하면, **카테고리별로** 'Thinking'과 'Response'가 실시간 스트리밍됩니다.")

    chatbot = gr.Chatbot(
        label="카테고리별 아이디어(Thinking + Response) 스트리밍",
        type="tuple",  # (role, content) 쌍의 리스트로 전달
        render_markdown=True
    )

    with gr.Row():
        with gr.Column(scale=1):
            text_input1 = gr.Textbox(label="키워드 1 (필수)", placeholder="예: 자동차")
            text_input2 = gr.Textbox(label="키워드 2 (선택)", placeholder="예: 로봇")
            text_input3 = gr.Textbox(label="키워드 3 (선택)", placeholder="예: 인공지능")
            submit_button = gr.Button("아이디어 생성하기")

            clear_button = gr.Button("대화 지우기")
        
        with gr.Column(scale=2):
            # 이미 chatbot이 자리를 차지하므로 패스
            pass

    def clear_chat():
        return []

    examples = [
        ["자동차", "", ""],
        ["스마트폰", "인공지능", ""],
        ["드론", "인공지능", ""],
        ["운동화", "웨어러블", "건강"],        
    ]
    gr.Examples(examples=examples, inputs=[text_input1, text_input2, text_input3])

    submit_button.click(
        fn=process_inputs_stream,
        inputs=[text_input1, text_input2, text_input3],
        outputs=chatbot,
        stream=True  # 스트리밍 출력
    )

    clear_button.click(
        fn=clear_chat,
        outputs=chatbot
    )

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