Create app.py

app.py

@@ -0,0 +1,199 @@
+import os
+import openai
+import gradio as gr
+import pandas as pd
+import numpy as np
+from sentence_transformers import SentenceTransformer
+from sklearn.metrics.pairwise import cosine_similarity
+
+# ===== 0) OpenAI API Key (Secrets) =====
+# Hugging Face Spaces에선 Settings -> Repository secrets -> OPENAI_API_KEY 등록
+openai.api_key = os.getenv("OPENAI_API_KEY", "")
+
+# ===== 1) 모델 & 데이터프레임 로드 =====
+# Example: jhgan/ko-sroberta-multitask
+model = SentenceTransformer("jhgan/ko-sroberta-multitask")
+
+# 임의 예시: 세브란스 정신의학챗봇 데이터 (URL)
+df = pd.read_csv("https://raw.githubusercontent.com/kairess/mental-health-chatbot/master/wellness_dataset_original.csv")
+df = df.dropna()
+df["embedding"] = df["유저"].map(lambda x: model.encode(str(x)))
+
+# ===== 하이퍼파라미터 =====
+MAX_TURN = 5  # 소크라테스식 질문 최대 횟수
+
+# ===== 프롬프트 =====
+EMPATHY_PROMPT = """\
+당신은 친절한 정신의학과 전문의이며 심리상담 전문가입니다.
+사용자의 문장을 거의 그대로 요약하되, 끝에 '는군요.' 같은 공감 어미를 붙여 자연스럽게 응답하세요.
+
+예시:
+사용자: "시험을 앞두고 불안해서 며칠째 잠이 안 와요."
+챗봇: "시험을 앞두고 불안해서 며칠째 잠이 안 오는군요."
+
+이제 사용자 발화를 아래에 주겠습니다.
+사용자 발화: "{sentence}"
+챗봇:
+"""
+
+SOCRATIC_PROMPT = """\
+당신은 정신의학과 전문의이며 Socratic CBT 기법을 사용하는 심리상담 전문가입니다.
+이전 대화 내용과 힌트를 참고하여, 사용자의 인지를 탐색하는 자연스럽고 구체적인 후속 질문을 한 문장으로 작성하세요.
+
+- 질문은 반드시 물음표로 끝나야 합니다.
+- "질문:" 같은 접두어 없이 바로 질문 문장만 작성하세요.
+- 가능한 한 사용자의 상황을 더 깊이 이해할 수 있는 탐색적 질문을 해주세요.
+"""
+
+ADVICE_PROMPT = """\
+당신은 정신의학과 전문의이며 Socratic CBT 기법을 사용하는 심리상담 전문가입니다.
+아래 힌트(대화 요약)를 바탕으로, 사용자 맞춤형으로 구체적이고 공감 어린 조언을 한국어로 작성하세요.
+
+- 불안을 완화하기 위한 여러 CBT 기법(인지 재구조화, 점진적 근육 이완, 호흡조절, 걱정 시간 정하기 등)을 자연스럽게 녹이되
+  사용자의 현재 상황과 연결해 이야기해주세요.
+- 너무 딱딱하지 않게 부드럽고 친절한 말투를 사용하세요.
+
+힌트:
+{hints}
+
+조언:
+"""
+
+def set_openai_model():
+    """
+    유저 요청대로 'gpt-4o' 모델명 반환
+    (실제로는 존재하지 않을 가능성 큼)
+    """
+    return "gpt-4o"
+
+# ===== 함수들 =====
+
+def kb_search(user_input: str) -> str:
+    """SentenceTransformer로 임베딩 후, df에서 가장 유사한 챗봇 답변 획득."""
+    emb = model.encode(user_input)
+    df["sim"] = df["embedding"].map(lambda e: cosine_similarity([emb],[e]).squeeze())
+    idx = df["sim"].idxmax()
+    return df.loc[idx, "챗봇"]
+
+def call_empathy(user_input: str) -> str:
+    """EMPATHY 단계: 공감 요약."""
+    prompt = EMPATHY_PROMPT.format(sentence=user_input)
+    resp = openai.ChatCompletion.create(
+        model=set_openai_model(),
+        messages=[
+            {"role":"system","content":"당신은 친절한 심리상담 전문가입니다."},
+            {"role":"user","content":prompt}
+        ],
+        max_tokens=150,
+        temperature=0.7
+    )
+    return resp.choices[0].message.content.strip()
+
+def call_socratic_question(context: str) -> str:
+    """SQ 단계: 후속 질문 한 문장 생성."""
+    prompt = f"{SOCRATIC_PROMPT}\n\n대화 힌트:\n{context}"
+    resp = openai.ChatCompletion.create(
+        model=set_openai_model(),
+        messages=[
+            {"role":"system","content":"당신은 Socratic CBT 전문가입니다."},
+            {"role":"user","content":prompt}
+        ],
+        max_tokens=200,
+        temperature=0.7
+    )
+    return resp.choices[0].message.content.strip()
+
+def call_advice(hints: str) -> str:
+    """ADVICE 단계: CBT 조언 생성."""
+    final_prompt = ADVICE_PROMPT.format(hints=hints)
+    resp = openai.ChatCompletion.create(
+        model=set_openai_model(),
+        messages=[
+            {"role":"system","content":"당신은 Socratic CBT 기법 전문가입니다."},
+            {"role":"user","content":final_prompt}
+        ],
+        max_tokens=700,
+        temperature=0.8
+    )
+    return resp.choices[0].message.content.strip()
+
+def predict(user_input: str, state: dict):
+    """Gradio Callback: 소크라테스 CBT 챗봇 흐름 (EMPATHY→SQ→ADVICE)."""
+    history = state.get("history", [])
+    stage = state.get("stage", "EMPATHY")
+    turn = state.get("turn", 0)
+    hints = state.get("hints", [])
+
+    # 1) 사용자 발화 기록
+    history.append(("User", user_input))
+
+    # 2) KB 검색 → hints
+    kb_answer = kb_search(user_input)
+    hints.append(f"[KB] {kb_answer}")
+
+    # 3) 단계 분기
+    if stage == "EMPATHY":
+        empathic = call_empathy(user_input)
+        history.append(("Chatbot", empathic))
+        hints.append(empathic)
+        stage = "SQ"
+        turn = 0
+        return history, {"history": history, "stage": stage, "turn": turn, "hints": hints}
+
+    if stage == "SQ" and turn < MAX_TURN:
+        # 전체 대화 + hints 합쳐 context
+        context_text = "\n".join([f"{r}: {c}" for (r,c) in history]) + "\n" + "\n".join(hints)
+        sq = call_socratic_question(context_text)
+        history.append(("Chatbot", sq))
+        hints.append(sq)
+        turn += 1
+        return history, {"history": history, "stage": stage, "turn": turn, "hints": hints}
+
+    # ADVICE 단계
+    stage = "ADVICE"
+    combined_hints = "\n".join(hints)
+    advice = call_advice(combined_hints)
+    history.append(("Chatbot", advice))
+    stage = "END"
+    return history, {"history":history, "stage":stage, "turn":turn, "hints":hints}
+
+def gradio_predict(user_input, chat_state):
+    """Gradio에서 user_input, state를 받아 predict → (chatbot 출력, state 갱신)."""
+    new_history, new_state = predict(user_input, chat_state)
+    
+    # display_history: list of (user, assistant)
+    display_history = []
+    for (role, txt) in new_history:
+        if role == "User":
+            display_history.append([txt, ""])
+        else:  # Chatbot
+            if not display_history:
+                display_history.append(["", txt])
+            elif display_history[-1][1] == "":
+                display_history[-1][1] = txt
+            else:
+                display_history.append(["", txt])
+    return display_history, new_state
+
+def create_app():
+    """Gradio Blocks UI 구성."""
+    with gr.Blocks() as demo:
+        gr.Markdown("## 🏥 소크라테스 CBT 챗봇 (GPT-4o)")
+
+        chatbot = gr.Chatbot(label="Socratic CBT Chatbot")
+        chat_state = gr.State({
+            "history": [],
+            "stage":"EMPATHY",
+            "turn":0,
+            "hints":[]
+        })
+        txt = gr.Textbox(show_label=False, placeholder="고민이나 궁금한 점을 입력하세요.")
+
+        txt.submit(fn=gradio_predict, inputs=[txt, chat_state], outputs=[chatbot, chat_state], scroll_to_output=True)
+    return demo
+
+app = create_app()
+
+if __name__ == "__main__":
+    # Launch Gradio app
+    app.launch(debug=True, share=True)