Delete app.py

app.py

@@ -1,562 +0,0 @@
-import streamlit as st
-import os
-import json
-import re
-from groq import Groq
-from pathlib import Path
-import time
-from langdetect import detect
-from langdetect.lang_detect_exception import LangDetectException
-
-# 言語検出関数を追加
-def detect_language(text):
-    try:
-        lang = detect(text)
-        return lang
-    except LangDetectException:
-        return "ja"  # デフォルトは日本語
-
-# システムプロンプトに言語指示を追加する関数
-def enhance_system_prompt_with_language(system_prompt, user_input):
-    detected_lang = detect_language(user_input)
-    
-    language_instruction = ""
-    if detected_lang == "ja":
-        language_instruction = "\n\nユーザーの入力は日本語です。必ず日本語で回答してください。"
-    elif detected_lang == "en":
-        language_instruction = "\n\nThe user's input is in English. Please respond in English."
-    elif detected_lang == "zh-cn" or detected_lang == "zh-tw":
-        language_instruction = "\n\n用户的输入是中文的。请用中文回答。"
-    else:
-        language_instruction = f"\n\nPlease respond in the same language as the user's input (detected: {detected_lang})."
-    
-    enhanced_prompt = system_prompt + language_instruction
-    return enhanced_prompt, detected_lang
-
-# ページ設定
-st.set_page_config(
-    page_title="マルチモデルGroqチャットアプリ",
-    page_icon="🤖",
-    layout="centered"
-)
-
-# シークレットからAPIキーを取得（Hugging Face Spaces用）
-def get_api_key():
-    # 1. Hugging Face Spaces のシークレットから取得
-    api_key = os.environ.get("GROQ_API_KEY", "")
-    
-    # 2. 環境変数から取得できない場合はUI入力を使用
-    if not api_key:
-        api_key = st.session_state.get("api_key_input", "")
-    
-    return api_key
-
-# システムプロンプトの読み込み
-def load_system_prompt(prompt_type="default"):
-    # プロンプトタイプに応じたファイル名を決定
-    filename_map = {
-        "default": "system_prompt_qwq.txt",
-        "general": "system_prompt_general.txt",
-        "coder": "system_prompt_coder.txt"
-    }
-    
-    filename = filename_map.get(prompt_type, "system_prompt_qwq.txt")
-    
-    # 環境変数からパスが指定されている場合
-    env_var_map = {
-        "default": "SYSTEM_PROMPT_QWQ_PATH",
-        "general": "SYSTEM_PROMPT_GENERAL_PATH",
-        "coder": "SYSTEM_PROMPT_CODER_PATH"
-    }
-    
-    prompt_path = os.environ.get(env_var_map.get(prompt_type, ""), "")
-    
-    # デフォルトのパスを確認
-    default_paths = [
-        filename,  # ルートディレクトリ
-        f"app/{filename}",  # Spaces上のapp/ディレクトリ
-        f"prompts/{filename}"  # prompts/ディレクトリ
-    ]
-    
-    # 環境変数で指定されたパスを試す
-    if prompt_path and Path(prompt_path).is_file():
-        try:
-            with open(prompt_path, "r", encoding="utf-8") as file:
-                return file.read().strip()
-        except Exception:
-            pass
-    
-    # デフォルトパスを順に試す
-    for path in default_paths:
-        if Path(path).is_file():
-            try:
-                with open(path, "r", encoding="utf-8") as file:
-                    return file.read().strip()
-            except Exception:
-                continue
-    
-    # デフォルトのプロンプト
-    default_prompts = {
-        "default": "あなたは親切なAIアシスタントです。質問を分析して、一般的な質問かコード生成かを判断してください。",
-        "general": "あなたは親切で知識豊富なAIアシスタントです。様々な話題について詳しく解説します。",
-        "coder": "あなたは経験豊富なプログラマーAIアシスタントです。質の高いコードと詳細な説明を提供します。"
-    }
-    
-    return default_prompts.get(prompt_type, default_prompts["default"])
-
-def analyze_message_type(response_text):
-    """
-    分析レスポンスから質問タイプ、理由、キーワードを抽出する関数
-    中国語プロンプトの応答形式に対応
-    """
-    # レスポンスの最初の部分を取得
-    response_lines = response_text.strip().split('\n')
-    
-    # 変数初期化
-    msg_type = None
-    reason = None
-    keywords = None
-    
-    # サイドバーにデバッグ情報を表示
-    with st.sidebar:
-        with st.expander("応答分析（デバッグ）", expanded=False):
-            # 最初の10行を表示
-            st.markdown("### 応答全文")
-            st.code("\n".join(response_lines), language="markdown")
-            
-            # 中国語プロンプトからの応答を解析
-            for line in response_lines:
-                if "TYPE:" in line.upper():
-                    msg_type = "general" if "GENERAL" in line.upper() else "code"
-                    st.write(f"検出されたタイプ: {msg_type}")
-                elif "REASON:" in line.upper():
-                    reason = line
-                    st.write(f"検出された理由: {reason}")
-                elif "KEYWORDS:" in line.upper():
-                    keywords = line
-                    st.write(f"検出されたキーワード: {keywords}")
-    
-    # デフォルト値の設定
-    if not msg_type or not reason or not keywords:
-        with st.sidebar:
-            with st.expander("応答分析（デバッグ）", expanded=False):
-                st.warning("完全な分析情報が得られませんでした。コンテンツ分析を実行します。")
-        
-        # 応答テキスト全体からキーワードを検索
-        code_indicators = {
-            'コード': 5,
-            'プログラム': 4,
-            '実装': 4,
-            'function': 5,
-            'class': 4,
-            'def': 4,
-            'import': 4,
-            'python': 5,
-            'javascript': 4,
-            'java': 3,
-            'c++': 4,
-            'コーディング': 5,
-            '<think>技術評估': 5,  # 中国語プロンプトの技術評価セクション
-            'programming': 4,
-            'code': 4,
-            'implementation': 4
-        }
-        
-        # スコアベースの判定
-        score = 0
-        response_lower = response_text.lower()
-        matched_keywords = []
-        
-        for keyword, weight in code_indicators.items():
-            if keyword.lower() in response_lower:
-                score += weight
-                matched_keywords.append(keyword)
-        
-        # スコアに基づいて判定
-        if score >= 5:
-            msg_type = "code"
-            reason = f"REASON: 技術的なキーワード({', '.join(matched_keywords)})が検出されたため、コード生成と判断"
-        else:
-            msg_type = "general"
-            reason = "REASON: 一般的な内容と判断（技術的キーワードが少ない）"
-        
-        if not keywords:
-            keywords = f"KEYWORDS: {', '.join(matched_keywords) if matched_keywords else '特徴的なキーワードなし'}"
-    
-    return msg_type, reason, keywords
-
-# 分析レスポンスからコードブロックを除外する関数（テキストは要約しない）
-def remove_code_blocks(analysis_text):
-    """
-    分析レスポンスからコードブロックを除外する関数（テキストは要約しない）
-    """
-    if not analysis_text:
-        return ""
-    
-    # ```で囲まれたコードブロックを検出
-    code_blocks = re.findall(r'```.*?```', analysis_text, re.DOTALL)
-    clean_text = analysis_text
-    
-    # コードブロックを除外
-    for code_block in code_blocks:
-        clean_text = clean_text.replace(code_block, "```[コードブロックは省略されました]```")
-    
-    return clean_text
-
-# Groq APIを使ってチャット応答を取得する関数
-def get_groq_chat_response(messages, model_name, temperature=0.7, max_tokens=2000):
-    api_key = get_api_key()
-    if not api_key:
-        return "APIキーが設定されていません。"
-    
-    try:
-        client = Groq(api_key=api_key)
-        
-        response = client.chat.completions.create(
-            messages=messages,
-            model=model_name,
-            temperature=temperature,
-            max_tokens=max_tokens,
-            stream=False
-        )
-        
-        return response.choices[0].message.content
-    except Exception as e:
-        return f"エラーが発生しました: {str(e)}"
-
-# ストリーミング応答を処理する関数
-def process_streaming_response(messages, model_name, temperature=0.7, max_tokens=2000):
-    api_key = get_api_key()
-    if not api_key:
-        return "APIキーが設定されていません。"
-    
-    try:
-        client = Groq(api_key=api_key)
-        
-        message_placeholder = st.empty()
-        full_response = ""
-        
-        chat_completion = client.chat.completions.create(
-            messages=messages,
-            model=model_name,
-            temperature=temperature,
-            max_tokens=max_tokens,
-            stream=True,
-        )
-        
-        for chunk in chat_completion:
-            content = chunk.choices[0].delta.content
-            if content is not None:
-                full_response += content
-                message_placeholder.markdown(full_response + "▌")
-        
-        message_placeholder.markdown(full_response)
-        return full_response
-    except Exception as e:
-        st.error(f"エラーが発生しました: {str(e)}")
-        return f"エラーが発生しました: {str(e)}"
-
-# セッション状態の初期化
-if "messages" not in st.session_state:
-    st.session_state.messages = []
-
-if "api_key_configured" not in st.session_state:
-    st.session_state.api_key_configured = False
-
-if "conversation_id" not in st.session_state:
-    st.session_state.conversation_id = 0
-
-if "initial_response_cache" not in st.session_state:
-    st.session_state.initial_response_cache = None
-
-if "identified_type" not in st.session_state:
-    st.session_state.identified_type = None
-
-if "active_model" not in st.session_state:
-    st.session_state.active_model = "qwen-qwq-32b"
-    
-if "reasoning" not in st.session_state:
-    st.session_state.reasoning = None
-
-if "keywords" not in st.session_state:
-    st.session_state.keywords = None
-
-if "analysis_complete" not in st.session_state:
-    st.session_state.analysis_complete = False
-
-if "analysis_response" not in st.session_state:
-    st.session_state.analysis_response = None
-
-# 言語情報をセッション状態に追加
-if "detected_language" not in st.session_state:
-    st.session_state.detected_language = "ja"  # デフォルト言語
-
-# サイドバーの設定
-with st.sidebar:
-    st.title("マルチモデルGroqチャット")
-    st.markdown("---")
-    
-    # APIキー入力
-    api_key = get_api_key()
-    if not api_key:
-        st.session_state.api_key_input = st.text_input("Groq API キーを入力してください", type="password")
-        if st.session_state.api_key_input:
-            api_key = st.session_state.api_key_input
-            st.success("API キーが入力されました！このキーはセッション中のみ保存されます。")
-    
-    # APIキーの状態を更新
-    if api_key:
-        st.session_state.api_key_configured = True
-    else:
-        st.warning("Groq APIキーが設定されていません。Hugging Face Spacesの'Secrets'タブでGROQ_API_KEYを設定するか、左側のサイドバーに入力してください。")
-        st.session_state.api_key_configured = False
-    
-    # モデル情報表示
-    st.subheader("モデル設定")
-    st.markdown("**初期応答モデル**: qwen-qwq-32b (固定)")
-    st.markdown("**一般質問モデル**: qwen-2.5-32b")
-    st.markdown("**コード生成モデル**: qwen-2.5-coder-32b")
-    
-    # 検出された言語情報を表示
-    if st.session_state.detected_language:
-        st.markdown(f"**検出された言語**: {st.session_state.detected_language}")
-    
-    if st.session_state.identified_type:
-        st.success(f"質問タイプ: {'一般質問' if st.session_state.identified_type == 'general' else 'コード生成'}")
-        st.info(f"現在のモデル: {st.session_state.active_model}")
-    
-    # 思考プロセス表示
-    with st.expander("qwen-qwq-32bの思考分析", expanded=True):
-        if st.session_state.identified_type:
-            st.markdown("### 質問分析結果")
-            st.success(f"**質問タイプ**: {'一般的な質問' if st.session_state.identified_type == 'general' else 'コード生成の質問'}")
-            st.info(f"**選択されたモデル**: {st.session_state.active_model}")
-            
-            # AIの判断理由を表示（原文のまま表示）
-            if st.session_state.reasoning:
-                st.markdown("### 判断理由（原文）")
-                st.code(st.session_state.reasoning, language="markdown")
-            
-            # 抽出されたキーワードを表示（原文のまま表示）
-            if st.session_state.keywords:
-                st.markdown("### 抽出キーワード（原文）")
-                st.code(st.session_state.keywords, language="markdown")
-            
-            # 分析レポート
-            if st.session_state.analysis_response:
-                st.markdown("### 気づきの連鎖思考プロセス（原文）")
-                st.code(st.session_state.analysis_response, language="markdown")
-            
-            # モデル切り替えボタン
-            st.markdown("### モデル切り替え")
-            col1, col2 = st.columns(2)
-            with col1:
-                if st.button("一般質問モデルに切り替え"):
-                    st.session_state.identified_type = "general"
-                    st.session_state.active_model = "qwen-2.5-32b"
-                    st.session_state.reasoning += "\n(ユーザーが手動で一般質問モデルに切り替えました)"
-                    st.rerun()
-            with col2:
-                if st.button("コード生成モデルに切り替え"):
-                    st.session_state.identified_type = "code"
-                    st.session_state.active_model = "qwen-2.5-coder-32b"
-                    st.session_state.reasoning += "\n(ユーザーが手動でコード生成モデルに切り替えました)"
-                    st.rerun()
-        else:
-            st.markdown("会話が開始されると、AIの思考プロセスがここに表示されます。")
-            st.markdown("最初の質問を入力すると、AIが質問タイプを分析し、適切なモデルを選択します。")
-    
-    # 会話管理
-    st.subheader("会話管理")
-    if st.button("新しい会話を開始"):
-        st.session_state.messages = []
-        st.session_state.conversation_id += 1
-        st.session_state.initial_response_cache = None
-        st.session_state.identified_type = None
-        st.session_state.active_model = "qwen-qwq-32b"
-        st.session_state.reasoning = None
-        st.session_state.keywords = None
-        st.session_state.analysis_complete = False
-        st.session_state.analysis_response = None
-        st.session_state.detected_language = "ja"  # 言語情報もリセット
-        st.info("新しい会話を開始しました。")
-
-# メインコンテンツエリア
-st.title("マルチモデルAIチャット 💬")
-st.markdown("""
-質問内容に応じて最適なAIモデルが自動選択されます。
-- 一般的な質問 → qwen-2.5-32b
-- コード生成の質問 → qwen-2.5-coder-32b
-""")
-st.markdown("*分析プロセスはサイドバーで確認できます。*")
-st.markdown("---")
-
-# メッセージ履歴の表示
-for message in st.session_state.messages:
-    with st.chat_message(message["role"]):
-        st.markdown(message["content"])
-
-# ユーザー入力
-if prompt := st.chat_input("メッセージを入力..."):
-    if not st.session_state.api_key_configured:
-        st.error("Groq API キーを設定してください！")
-    else:
-        # ユーザーメッセージの追加
-        st.session_state.messages.append({"role": "user", "content": prompt})
-        with st.chat_message("user"):
-            st.markdown(prompt)
-        
-        # AIによる応答の生成
-        with st.chat_message("assistant"):
-            # 初回の質問か継続会話かをチェック
-            if not st.session_state.analysis_complete:
-                # ステップ1: 質問タイプの分析 (qwen-qwq-32b)
-                with st.spinner("質問を分析中... (qwen-qwq-32b)"):
-                    # 中国語のシステムプロンプトのみを使用
-                    system_prompt = load_system_prompt("default")
-                    
-                    analysis_messages = [
-                        {"role": "system", "content": system_prompt},
-                        {"role": "user", "content": prompt}
-                    ]
-                    
-                    # qwen-qwq-32bで質問タイプを分析
-                    analysis_response = get_groq_chat_response(
-                        analysis_messages, 
-                        "qwen-qwq-32b", 
-                        temperature=0.6, 
-                        max_tokens=5000
-                    )
-                    
-                    # 完全な分析レスポンスを保存
-                    st.session_state.analysis_response = analysis_response
-                    
-                    # 質問タイプを分析
-                    msg_type, reason, keywords = analyze_message_type(analysis_response)
-                    
-                    # 状態を更新
-                    st.session_state.identified_type = msg_type
-                    st.session_state.reasoning = reason
-                    st.session_state.keywords = keywords
-                    st.session_state.active_model = "qwen-2.5-32b" if msg_type == "general" else "qwen-2.5-coder-32b"
-                    st.session_state.analysis_complete = True
-                
-                # ステップ2: 選択されたモデルで回答生成
-                if st.session_state.identified_type == "general":
-                    model = "qwen-qwq-32b"
-                    system_prompt = load_system_prompt("general")
-                else:
-                    model = "qwen-2.5-coder-32b"
-                    system_prompt = load_system_prompt("coder")
-                
-                # 分析結果を次のモデルに伝えるための構造化
-                analysis_summary = ""
-                if st.session_state.identified_type:
-                    question_type = "一般的な質問" if st.session_state.identified_type == "general" else "コード生成の質問"
-                    
-                    # 理由部分を抽出（"REASON:" プレフィックスを削除）
-                    reason = st.session_state.reasoning.replace("REASON:", "").strip() if st.session_state.reasoning else "不明"
-                    
-                    # キーワード部分を抽出（"KEYWORDS:" プレフィックスを削除）
-                    keywords = st.session_state.keywords.replace("KEYWORDS:", "").strip() if st.session_state.keywords else "特になし"
-                    
-                    # コードブロックを除外した分析テキストを取得（要約しない）
-                    clean_analysis = remove_code_blocks(st.session_state.analysis_response)
-                    
-                    # 分析サマリーを作成（評価ステップを追加）
-                    analysis_summary = f"""
-# 分析AIによる質問分析結果
-- 質問タイプ: {question_type}
-- 判断理由: {reason}
-- 抽出されたキーワード: {keywords}
-
-## 分析AIによる思考プロセス
-{clean_analysis}
-
-## 指示
-### ステップ1: 分析結果の評価
-まず、上記の���析結果を評価してください。以下の点について考慮してください：
-1. 分析AIが判断した質問タイプは適切か？
-2. 抽出されたキーワードはユーザーの質問の本質を捉えているか？
-3. 分析AIの思考プロセスに誤った前提や論理的な誤りはないか？
-
-もし分析に問題があれば、どのように修正すべきかを<analysis_evaluation>タグ内に記述してください。
-問題がなければ、「分析結果は適切です」と記述してください。
-
-<analysis_evaluation>
-ここに分析結果の評価を記述
-</analysis_evaluation>
-
-### ステップ2: ユーザーへの回答
-分析結果の評価を踏まえた上で、ユーザーの質問に対する回答を提供してください。以下の点に注意してください：
-1. {'幅広い知識に基づいた丁寧で詳細な回答を提供してください。抽象的な説明よりも具体例を含めると良いでしょう。' if st.session_state.identified_type == 'general' else '高品質なコードと詳細な説明を提供してください。コードの各部分の動作原理と、なぜその実装方法を選んだのかを説明してください。'}
-2. キーワードとして抽出された概念に特に注目して回答を構成してください。
-3. ユーザーの意図を深く理解し、直接的な質問だけでなく潜在的なニーズにも対応してください。
-4. もし分析結果に誤りがあると判断した場合は、修正した理解に基づいて回答してください。
-
-注意: <analysis_evaluation>タグはユーザーに表示せず、あなたの内部的な評価のみに使用してください。
-"""
-                
-                # 言語検出とシステムプロンプトの拡張
-                enhanced_system_prompt, detected_lang = enhance_system_prompt_with_language(system_prompt + "\n\n" + analysis_summary, prompt)
-                st.session_state.detected_language = detected_lang
-                
-                # 準備ができた旨を表示
-                st.markdown(f"*{model}モデルで回答を生成中...*")
-                time.sleep(0.5)  # UIフィードバック用の短い遅延
-                
-                # 選択されたモデルで回答を生成
-                messages = [
-                    {"role": "system", "content": enhanced_system_prompt},
-                    {"role": "user", "content": prompt}
-                ]
-                
-                response_text = process_streaming_response(messages, model)
-                
-                # <analysis_evaluation>タグを削除する処理を追加
-                response_text = re.sub(r'<analysis_evaluation>.*?</analysis_evaluation>', '', response_text, flags=re.DOTALL)
-                
-                # 応答をセッション状態に保存（実際の回答内容）
-                st.session_state.initial_response_cache = response_text
-                st.session_state.messages.append({"role": "assistant", "content": response_text})
-                
-            else:
-                # 継続会話：特定されたタイプに基づいてモデルを使用（簡略化）
-                if st.session_state.identified_type == "general":
-                    model = "qwen-2.5-32b"
-                    system_prompt = load_system_prompt("general")
-                else:
-                    model = "qwen-2.5-coder-32b"
-                    system_prompt = load_system_prompt("coder")
-                
-                # 継続会話では評価ステップを省略し、シンプルな指示のみを使用
-                keywords = st.session_state.keywords.replace("KEYWORDS:", "").strip() if st.session_state.keywords else "特になし"
-                
-                # 継続会話用の簡略化されたコンテキスト
-                conversation_context = f"""
-あなたは{'一般的な質問' if st.session_state.identified_type == 'general' else 'コード生成の質問'}に回答するAIアシスタントです。
-以前の会話履歴を考慮して回答してください。関連キーワード: {keywords}
-"""
-                
-                # 言語検出とシステムプロンプトの拡張
-                enhanced_system_prompt, detected_lang = enhance_system_prompt_with_language(system_prompt + "\n\n" + conversation_context, prompt)
-                st.session_state.detected_language = detected_lang
-                
-                # メッセージ履歴から会話コンテキストを構築
-                conversation_history = []
-                for msg in st.session_state.messages[:-1]:  # 最新のユーザーメッセージを除く
-                    conversation_history.append({"role": msg["role"], "content": msg["content"]})
-                
-                messages = [
-                    {"role": "system", "content": enhanced_system_prompt},
-                    *conversation_history,
-                    {"role": "user", "content": prompt}
-                ]
-                
-                st.markdown(f"*{model}モデルで応答を生成中...*")
-                time.sleep(0.5)  # UIフィードバック用の短い遅延
-                
-                response_text = process_streaming_response(messages, model)
-                
-                # 応答をセッション状態に保存
-                st.session_state.messages.append({"role": "assistant", "content": response_text})