Update app.py

app.py

@@ -1,4 +1,5 @@
 import os
+import csv
 import gradio as gr
 from gradio import ChatMessage
 from typing import Iterator
@@ -54,6 +55,29 @@ for split in korean_food_dataset.keys():
     sub_len = min(MAX_SAMPLES, len(ds_split))
     korean_subset[split] = ds_split.select(range(sub_len))
 
+def find_related_restaurants(query: str, limit: int = 3) -> list:
+    """
+    Query에 관련된 미쉐린 레스토랑을 find.csv에서 찾아 반환
+    """
+    try:
+        with open('find.csv', 'r', encoding='utf-8') as f:
+            reader = csv.DictReader(f)
+            restaurants = list(reader)
+            
+        # 간단한 키워드 매칭
+        related = []
+        query = query.lower()
+        for restaurant in restaurants:
+            if (query in restaurant.get('Cuisine', '').lower() or
+                query in restaurant.get('Description', '').lower()):
+                related.append(restaurant)
+                if len(related) >= limit:
+                    break
+                    
+        return related
+    except Exception as e:
+        print(f"Error finding restaurants: {e}")
+        return []
 
 def format_chat_history(messages: list) -> list:
     """
@@ -152,7 +176,6 @@ def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
         most_similar_data = find_most_similar_data(user_message)
 
         # 시스템 메시지와 프롬프트 설정
-        # 아래 system_prefix에서 '음식 + 건강 + 문화 + 역사 + 알레르기 + 영양소 + 칼로리 + 약물 복용' 등 종합 안내를 강조
         system_message = (
             "저는 새로운 맛과 건강을 위한 혁신적 조리법을 제시하고, "
             "한국 음식을 비롯한 다양한 레시피 데이터와 건강 지식을 결합하여 "
@@ -183,9 +206,18 @@ def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
         """
 
         if most_similar_data:
+            # 관련 레스토랑 찾기
+            related_restaurants = find_related_restaurants(user_message)
+            restaurant_text = ""
+            if related_restaurants:
+                restaurant_text = "\n\n[관련 미쉐린 레스토랑 추천]\n"
+                for rest in related_restaurants:
+                    restaurant_text += f"- {rest['Name']} ({rest['Location']}): {rest['Cuisine']}, {rest['Award']}\n"
+            
             prefixed_message = (
                 f"{system_prefix} {system_message}\n\n"
-                f"[관련 데이터]\n{most_similar_data}\n\n"
+                f"[관련 데이터]\n{most_similar_data}\n"
+                f"{restaurant_text}\n"
                 f"사용자 질문: {user_message}"
             )
         else:
@@ -271,7 +303,6 @@ def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
         )
         yield messages
 
-
 def stream_gemini_response_special(user_message: str, messages: list) -> Iterator[list]:
     """
     특수 질문(예: 건강 식단 설계, 맞춤형 요리 개발 등)에 대한 Gemini의 생각과 답변을 스트리밍
@@ -309,9 +340,18 @@ def stream_gemini_response_special(user_message: str, messages: list) -> Iterato
         """
 
         if most_similar_data:
+            # 관련 레스토랑 찾기
+            related_restaurants = find_related_restaurants(user_message)
+            restaurant_text = ""
+            if related_restaurants:
+                restaurant_text = "\n\n[관련 미쉐린 레스토랑 추천]\n"
+                for rest in related_restaurants:
+                    restaurant_text += f"- {rest['Name']} ({rest['Location']}): {rest['Cuisine']}, {rest['Award']}\n"
+            
             prefixed_message = (
                 f"{system_prefix} {system_message}\n\n"
-                f"[관련 정보]\n{most_similar_data}\n\n"
+                f"[관련 정보]\n{most_similar_data}\n"
+                f"{restaurant_text}\n"
                 f"사용자 질문: {user_message}"
             )
         else:
@@ -435,9 +475,18 @@ def stream_gemini_response_personalized(user_message: str, messages: list) -> It
         """
 
         if most_similar_data:
+            # 관련 레스토랑 찾기
+            related_restaurants = find_related_restaurants(user_message)
+            restaurant_text = ""
+            if related_restaurants:
+                restaurant_text = "\n\n[관련 미쉐린 레스토랑 추천]\n"
+                for rest in related_restaurants:
+                    restaurant_text += f"- {rest['Name']} ({rest['Location']}): {rest['Cuisine']}, {rest['Award']}\n"
+            
             prefixed_message = (
                 f"{system_prefix} {system_message}\n\n"
-                f"[관련 데이터]\n{most_similar_data}\n\n"
+                f"[관련 데이터]\n{most_similar_data}\n"
+                f"{restaurant_text}\n"
                 f"사용자 질문: {user_message}"
             )
         else:
@@ -525,7 +574,6 @@ def user_message(msg: str, history: list) -> tuple[str, list]:
 ########################
 # Gradio 인터��이스 구성
 ########################
-
 with gr.Blocks(
     theme=gr.themes.Soft(primary_hue="teal", secondary_hue="slate", neutral_hue="neutral"),
     css="""
@@ -653,7 +701,7 @@ with gr.Blocks(
                 queue=False
             )
 
-        # 3) 사용자 맞춤형 음식 추천 (Personalized Cuisine Recommender) 탭
+        # 3) 사용자 맞춤형 음식 추천 탭
         with gr.TabItem("사용자 맞춤형 음식 추천", id="personalized_cuisine_tab"):
             personalized_chatbot = gr.Chatbot(
                 type="messages",
@@ -673,7 +721,6 @@ with gr.Blocks(
                 )
                 personalized_clear_button = gr.Button("대화 초기화", scale=1)
 
-            # 예시
             personalized_example_prompts = [
                 ["알레르기가 (견과류, 해산물)이고, 혈압 약을 복용 중입니다. 저칼로리 저염식 추천 부탁드립니다."],
                 ["유당불내증이 있어서 유제품을 피하고 싶고, 단백질 섭취가 중요합니다. 식단 조합 좀 알려주세요."],
@@ -710,6 +757,59 @@ with gr.Blocks(
                 queue=False
             )
 
+        # 4) 미쉐린 레스토랑 탭
+        with gr.TabItem("MICHELIN Restaurant", id="restaurant_tab"):
+            with gr.Row():
+                search_box = gr.Textbox(
+                    label="레스토랑 검색",
+                    placeholder="레스토랑 이름, 주소, 요리 종류 등으로 검색...",
+                    scale=3
+                )
+                cuisine_dropdown = gr.Dropdown(
+                    label="요리 종류",
+                    choices=["전체"] + sorted(set(r['Cuisine'] for r in find_related_restaurants("", 1000))),
+                    value="전체",
+                    scale=1
+                )
+                award_dropdown = gr.Dropdown(
+                    label="미쉐린 등급",
+                    choices=["전체"] + sorted(set(r['Award'] for r in find_related_restaurants("", 1000))),
+                    value="전체",
+                    scale=1
+                )
+                search_button = gr.Button("검색", scale=1)
+
+            result_table = gr.Dataframe(
+                headers=["Name", "Address", "Location", "Price", "Cuisine", "Award", "Description"],
+                row_count=10,
+                col_count=(7, "fixed"),
+                overflow_row_behaviour="paginate"
+            )
+
+            def search_restaurants(search_term, cuisine, award):
+                restaurants = find_related_restaurants("", 1000)  # 전체 데이터 가져오기
+                
+                filtered = []
+                for r in restaurants:
+                    if search_term.lower() in r['Name'].lower() or \
+                       search_term.lower() in r['Address'].lower() or \
+                       search_term.lower() in r['Description'].lower():
+                        if (cuisine == "전체" or r['Cuisine'] == cuisine) and \
+                           (award == "전체" or r['Award'] == award):
+                            filtered.append([
+                                r['Name'], r['Address'], r['Location'],
+                                r['Price'], r['Cuisine'], r['Award'],
+                                r['Description']
+                            ])
+                
+                return filtered
+
+            search_button.click(
+                search_restaurants,
+                inputs=[search_box, cuisine_dropdown, award_dropdown],
+                outputs=result_table
+            )
+
         # 사용 가이드 탭
         with gr.TabItem("이용 방법", id="instructions_tab"):
             gr.Markdown(
@@ -726,13 +826,15 @@ with gr.Blocks(
                 - **한국 음식 특화**: 전통 한식 레시피 및 한국 음식 데이터를 통해 보다 풍부한 제안 가능.
                 - **실시간 추론(Thinking) 표시**: 답변 과정에서 모델이 생각을 전개하는 흐름(실험적 기능)을 부분적으로 확인.
                 - **데이터 검색**: 내부적으로 적합한 정보를 찾아 사용자 질문에 대한 답을 풍부하게 제공.
+                - **미쉐린 레스토랑 검색**: 전 세계 미쉐린 레스토랑 검색 및 필터링 기능 제공.
 
                 ### 사용 방법
                 1. **'창의적 레시피 및 가이드' 탭**: 일반적인 요리 아이디어나 영양 정보를 문의.
                 2. **'맞춤형 식단/건강' 탭**: 특정 질환, 상황별(스포츠, 다이어트 등) 식단/레시피 상담.
                 3. **'사용자 맞춤형 음식 추천' 탭**: 알레르기, 약물, 개인 칼로리 목표 등 세부 조건을 고려한 최적 식단 추천.
-                4. **예시 질문**을 클릭하면 즉시 질문으로 불러옵니다.
-                5. 필요 시 **대화 초기화** 버튼을 눌러 새 대화를 시작하세요.
+                4. **'MICHELIN Restaurant' 탭**: 미쉐린 레스토랑 검색 및 상세 정보 확인.
+                5. **예시 질문**을 클릭하면 즉시 질문으로 불러옵니다.
+                6. 필요 시 **대화 초기화** 버튼을 눌러 새 대화를 시작하세요.
 
                 ### 참고 사항
                 - **Thinking(추론) 기능**은 모델 내부 과정을 일부 공개하지만, 이는 실험적이며 실제 서비스에서는 비공개될 수 있습니다.
@@ -743,4 +845,4 @@ with gr.Blocks(
 
 # Gradio 웹 서비스 실행
 if __name__ == "__main__":
-    demo.launch(debug=True)
+    demo.launch(debug=True)