Update app.py

app.py

@@ -1,5 +1,3 @@
-
-
 import os
 import gradio as gr
 import random
@@ -27,6 +25,7 @@ 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
 ##############################################################################
@@ -51,10 +50,11 @@ def choose_alternative(transformation):
     else:
         return random.choice([left, right])
 
+
 ##############################################################################
-# 카테고리 사전 (일부만 발췌 가능. 여기서는 예시로 3개만 유지)
+# 카테고리 사전
+# (아래 예시에서는 모든 카테고리를 포함시켰지만, 필요에 따라 범위를 조정하세요.)
 ##############################################################################
-
 physical_transformation_categories = {
     "공간 이동": [
         "앞/뒤 이동", "좌/우 이동", "위/아래 이동", "세로축 회전(고개 끄덕임)", 
@@ -195,6 +195,8 @@ physical_transformation_categories = {
         "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
@@ -213,13 +215,10 @@ def query_gemini_api_stream(prompt: str) -> Iterator[str]:
     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
+        # parts가 2개이면 (0: Thinking, 1: Response 시작)
         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}"
             
@@ -228,27 +227,24 @@ def query_gemini_api_stream(prompt: str) -> Iterator[str]:
             
             thinking_complete = True
         elif thinking_complete:
-            # 이미 Thinking은 끝남 → Response를 이어서 스트리밍
+            # Already in response phase
             current_chunk = parts[0].text
             response_buffer += current_chunk
             yield current_chunk
         else:
-            # Thinking 진행 중 (parts가 1개씩 추가됨)
+            # Still in thinking phase
             current_chunk = parts[0].text
             thought_buffer += current_chunk
             yield f"[Thinking Chunk] {current_chunk}"
 
-    # 스트리밍 완료 후 최종 결과 한번에 제공할 수도 있음
+    # 스트리밍 완료 후 최종 결과 한번에 제공
     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}"
@@ -257,10 +253,10 @@ def enhance_with_llm_stream(base_description, obj_name, category) -> Iterator[st
 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
 ##############################################################################
@@ -302,6 +298,7 @@ def generate_three_objects_interaction(obj1, obj2, obj3):
         results[category] = {"base": base_description, "enhanced": ""}
     return results
 
+
 ##############################################################################
 # 실제 변환 생성 로직
 ##############################################################################
@@ -322,12 +319,9 @@ def generate_transformations(text1, text2=None, text3=None):
 ##############################################################################
 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.
+    Gradio의 Chatbot 컴포넌트에 맞춰서 
+    [(role='assistant', content=...)] 형태의 리스트를 yield.
     """
-    messages = []
-
     # 1) 입력값 확인
     yield [("assistant", "입력값 확인 중...")]
     time.sleep(0.3)
@@ -340,42 +334,34 @@ def process_inputs_stream(text1, text2, text3) -> Iterator[list]:
         return
 
     # 2) 아이디어 생성
-    yield [("assistant", "창의적인 모델/컨셉/형상 변화 아이디어 생성 중... (카테고리별 분석)")]
+    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])
 
+    # 카테고리별 스트리밍 처리
     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
+                # 생각 단계
                 thinking_text += chunk.replace("[Thinking Chunk]", "")
-                messages_to_user = f"**[Thinking]**\n{thinking_text}"
-                yield [("assistant", messages_to_user)]
+                yield [("assistant", f"**[Thinking]**\n{thinking_text}")]
             elif chunk.startswith("[Response Start]"):
-                # 응답 시작 시점
+                # 응답 시작
                 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)]
+                yield [("assistant", f"**[Final Response 시작]**\n{partial}")]
             elif chunk.startswith("[Final Response]"):
-                # 최종 종료
+                # 응답 최종
                 final = chunk.replace("[Final Response]", "")
                 response_text += f"\n{final}"
                 yield [("assistant", f"**[최종 Response]**\n{response_text.strip()}")]
@@ -383,15 +369,14 @@ def process_inputs_stream(text1, text2, text3) -> Iterator[list]:
                 # 일반 응답 스트리밍
                 if is_thinking_done:
                     response_text += chunk
-                    yield [("assistant", f"**[응답 진행]**\n{response_text}") ]
+                    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
+    # 3) 완료 메시지
     yield [("assistant", "**모든 카테고리에 대한 스트리밍이 완료되었습니다!**")]
 
 
@@ -404,9 +389,10 @@ with gr.Blocks(title="스트리밍 예제: Gemini 2.0 Flash Thinking",
     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.")
 
+    # Chatbot에서 type="tuples"로 수정
     chatbot = gr.Chatbot(
         label="카테고리별 아이디어(Thinking + Response) 스트리밍",
-        type="tuple",  # (role, content) 쌍의 리스트로 전달
+        type="tuples",  # <-- "tuple"이 아니라 "tuples"로 수정
         render_markdown=True
     )
 
@@ -420,8 +406,7 @@ with gr.Blocks(title="스트리밍 예제: Gemini 2.0 Flash Thinking",
             clear_button = gr.Button("대화 지우기")
         
         with gr.Column(scale=2):
-            # 이미 chatbot이 자리를 차지하므로 패스
-            pass
+            pass  # 이미 chatbot이 우측 영역에 할당됨
 
     def clear_chat():
         return []
@@ -434,11 +419,12 @@ with gr.Blocks(title="스트리밍 예제: Gemini 2.0 Flash Thinking",
     ]
     gr.Examples(examples=examples, inputs=[text_input1, text_input2, text_input3])
 
+    # 스트리밍 처리
     submit_button.click(
         fn=process_inputs_stream,
         inputs=[text_input1, text_input2, text_input3],
         outputs=chatbot,
-        stream=True  # 스트��밍 출력
+        stream=True  # stream=True로 실시간 스트리밍
     )
 
     clear_button.click(
@@ -448,4 +434,3 @@ with gr.Blocks(title="스트리밍 예제: Gemini 2.0 Flash Thinking",
 
 if __name__ == "__main__":
     demo.launch(debug=True)
-