app.py

import os
import gradio as gr
from openai import OpenAI
from typing import Optional

# 如需使用 Claude，請先安裝 "anthropic" 套件： pip install anthropic
try:
    from anthropic import Anthropic, HUMAN_PROMPT, AI_PROMPT
except ImportError:
    Anthropic = None
    HUMAN_PROMPT = ""
    AI_PROMPT = ""

# 取得金鑰
gpt_key = os.environ.get("gptkey", "")
claude_api_key = os.environ.get("claudekey", "")

# 建立 OpenAI Client (新版)
client = OpenAI(
    api_key=gpt_key,
)

# 定義每個類型的句子
achievement_statements = [
    "比起把事情做到完美，我更傾向優先準時完成任務",
    "我總是在與他人比較",
    "我在派對中是屬於帶動氣氛的靈魂人物",
    "在社交場合中，我是比較活潑的類型",
    "我的工作成就必須被他人看見",
]

emotion_statements = [
    "對我而言，團隊合作在工作上是不可或缺的要素",
    "在朋友眼中，我是最適合傾訴心事的對象",
    "對我而言，樂在生活是最重要的",
    "我不太擅長批評他人",
    "我常需要「被別人需要」的感覺",
]

information_statements = [
    "很多事情，我傾向自己去找尋事實與資訊",
    "我喜歡與他人分享我所知道的事情",
]

possession_statements = [
    "我總是在尋找接下來想買的東西",
    "我認為從零開始是發揮創意的大好機會，並不是挑戰",
    "若家中環境不夠整潔，我無法放鬆",
    "我捨不得丟棄目前用不到的物品",
]

power_statements = [
    "當我有想要的東西時，我會排除任何阻礙",
    "我喜歡依照自己的方式做事，並自己做決定",
    "當事物成為大眾主流時，我就會對它失去興趣",
    "我總是能讓他人聽從我的要求做事",
    "我喜歡向他人展現自己比他們更為優越",
]

status_statements = [
    "我從不談論自己的缺點",
    "我不會去挑戰我認為會失敗的新事物",
    "我會用盡所有方法維護我的名聲",
    "比起和他人待在一起，我更喜歡獨處",
]

############################################
# 產生 Prompt
############################################
def generate_prompt(achievement: str, emotion: str, information: str,

                    possession: str, power: str, status: str) -> str:
    """

    根據使用者針對六個類型選擇「正」或「負」，產生對應的 Prompt。

    """
    category_map = {
        '成就型': achievement_statements,
        '情感型': emotion_statements,
        '資訊型': information_statements,
        '佔有型': possession_statements,
        '權力型': power_statements,
        '地位型': status_statements
    }
    user_choices = {
        '成就型': achievement,
        '情感型': emotion,
        '資訊型': information,
        '佔有型': possession,
        '權力型': power,
        '地位型': status,
    }

    # prompt 開頭
    prompt = "以下是你的性格特徵，請嚴格的基於這些句子塑造你的角色：\n\n"

    # 根據選擇加入相應的句子
    for category, choice in user_choices.items():
        if choice == "正":
            prompt += "同意以下觀點\n"
            for statement in category_map[category]:
                prompt += f"- {statement}\n"
            prompt += "\n"
        else:
            prompt += "不同意以下觀點\n"
            for statement in category_map[category]:
                prompt += f"- {statement}\n"
            prompt += "\n"

    # prompt 結尾
    prompt += "請以這些特徵為基礎，建構你的角色思考與表達方式，創造一個完整人設(包含姓名、性別、年齡、職業...等)，完成指定任務。\n"
    prompt += "你生活在台灣，一律使用繁體中文。"

    return prompt

############################################
# 呼叫模型 API (OpenAI / Claude)
############################################
def call_openai_api_4o(prompt: str) -> str:
    """專門呼叫 ChatGPT 4o 模型"""
    if not client.api_key:
        return "[OpenAI API Key 未設定，無法呼叫 API]"

    try:
        # 以 ChatCompletion 方式呼叫
        chat_completion = client.chat.completions.create(
            messages=[{"role": "user", "content": prompt}],
            model="gpt-4o",
            temperature=0.7,
            max_completion_tokens=2048,
        )
        return chat_completion.choices[0].message.content
    except Exception as e:
        return f"[OpenAI API 呼叫失敗]: {str(e)}"


def call_openai_api_o1(prompt: str) -> str:
    """專門呼叫 ChatGPT o1 模型"""
    if not client.api_key:
        return "[OpenAI API Key 未設定，無法呼叫 API]"

    try:
        # 以 ChatCompletion 方式呼叫
        chat_completion = client.chat.completions.create(
            messages=[{"role": "user", "content": prompt}],
            model="o1",
            max_completion_tokens=2048,
        )
        return chat_completion.choices[0].message.content
    except Exception as e:
        return f"[OpenAI API 呼叫失敗]: {str(e)}"

  
def call_openai_api(prompt: str, model_name: str) -> str:
    """參考新版 usage: from openai import OpenAI -> client.chat.completions.create()"""
    if not client.api_key:
        return "[OpenAI API Key 未設定，無法呼叫 API]"

    try:
        # 以 ChatCompletion 方式呼叫
        chat_completion = client.chat.completions.create(
            messages=[{"role": "user", "content": prompt}],
            model=model_name,
            temperature=0.7,
            max_completion_tokens=2048,
        )
        return chat_completion.choices[0].message.content
    except Exception as e:
        return f"[OpenAI API 呼叫失敗]: {str(e)}"


def call_claude_api(prompt: str) -> str:
    """呼叫 Claude API"""
    if not claude_api_key or not Anthropic:
        return "[Claude API Key 未設定或未安裝 anthropic 套件，無法呼叫 API]"
    try:
        client_claude = Anthropic(api_key=claude_api_key)
        # ====== 以下為原本的 completions.create 呼叫 (暫時保留為註解) ======
        # conversation = client_claude.completions.create(
        #     prompt=f"{HUMAN_PROMPT} {prompt}{AI_PROMPT}",
        #     model="claude-3-5-sonnet-20241022",
        #     max_tokens=1024,
        #     temperature=0.7,
        # )
        # return conversation.completion.strip()

        # ====== 依照新範例: system message 作為參數, 不放在 messages 裡 ======
        response = client_claude.messages.create(
            model="claude-3-5-sonnet-20241022",
            system="You are a helpful assistant.",  # system message
            messages=[
                {"role": "user", "content": prompt}
            ],
            max_tokens=2048,
            temperature=0.7,
        )
        text = response.content
        if isinstance(text, list):
            text = ' '.join(str(item) for item in text)

        # 移除或替換 TextBlock(...) 的外層結構，只保留其中文字
        import re
        text = re.sub(r"TextBlock\(.*?text='(.*?)'.*?\)", r"\1", text, flags=re.DOTALL)
        # 先將原本的 "\n"(backslash-n) 字串轉成真正的換行符
        text = text.replace('\\n', '\n')
        return text.strip()
    except Exception as e:
        return f"[Claude API 呼叫失敗]: {str(e)}"

def get_model_answer(model_choice: str, final_prompt: str, question: str) -> str:
    """

    根據 model_choice 呼叫對應的 API。

    """
    # 最終送出給模型的內容
    content_to_send = final_prompt + "\n\n" + question

    if model_choice == "ChatGPT 4o":
        return call_openai_api_4o(content_to_send)
    elif model_choice == "ChatGPT o1":
        return call_openai_api_o1(content_to_send)
    elif model_choice == "Claude 3.5 Sonnet":
        return call_claude_api(content_to_send)
    else:
        return "[錯誤] 未知的模型選擇"

############################################
# Gradio 介面
############################################
def main():
    # 預設問題
    predefined_questions = {
        "請介紹你自己": "請介紹你自己，讓我們了解你是什麼樣的人。你可以分享你的經歷、興趣、價值觀，以及未來規劃。特別說明一下，當你遇到挑戰時，你通常會如何面對？",
        "如何分配意外收入": "如果你突然收到一筆意外收入，你會如何分配這筆錢來購物？請列出前三項想購買的東西，並說明購買原因。",
        "新專案團隊問題": "假設你被指派帶領一個新專案，但發現團隊成員能力參差不齊，預算有限，且截止日期緊迫，你會如何處理？",
        "自訂提問": ""
    }

    def show_question_text(q_choice):
        return predefined_questions[q_choice]

    with gr.Blocks() as demo:
        gr.Markdown("## AI Persona 模擬")

        with gr.Row():
            achievement = gr.Radio(["正", "負"], label="成就型", value="正")
            emotion = gr.Radio(["正", "負"], label="情感型", value="正")
            information = gr.Radio(["正", "負"], label="資訊型", value="正")
            possession = gr.Radio(["正", "負"], label="佔有型", value="正")
            power = gr.Radio(["正", "負"], label="權力型", value="正")
            status = gr.Radio(["正", "負"], label="地位型", value="正")

        prompt_output = gr.Textbox(label="生成的 Prompt", lines=10)
        generate_button = gr.Button("生成 Prompt")

        # 下方選擇模型
        model_choice = gr.Radio(
            ["ChatGPT 4o", "ChatGPT o1", "Claude 3.5 Sonnet"],
            label="選擇模型",
            value="ChatGPT 4o"
        )

        # 選擇問題或自訂
        question_choice = gr.Radio(
            list(predefined_questions.keys()),
            label="選擇一個提問",
            value="請介紹你自己"
        )

        # 顯示該問題全文
        question_text = gr.Markdown(value=predefined_questions["請介紹你自己"], label="問題全文")

        # 自訂提問欄位
        custom_question = gr.Textbox(
            label="自訂提問 (若選擇 '自訂提問' 時才使用)",
            lines=2,
            placeholder="若上面選擇了 '自訂提問'，請在此輸入問題"
        )

        answer_output = gr.Textbox(label="模型回應", lines=10)
        ask_button = gr.Button("送出問題並取得回答")

        def on_generate_prompt(a, e, i, p, pow_, s):
            return generate_prompt(a, e, i, p, pow_, s)

        generate_button.click(
            fn=on_generate_prompt,
            inputs=[achievement, emotion, information, possession, power, status],
            outputs=prompt_output
        )

        # 當 question_choice 改變時，顯示對應的全文
        question_choice.change(
            fn=show_question_text,
            inputs=question_choice,
            outputs=question_text
        )

        def on_ask_question(m_choice, p_output, q_choice, c_question):
            if q_choice == "自訂提問":
                if not c_question.strip():
                    return "[錯誤] 你選擇了自訂提問，但沒有輸入內容"
                question = c_question.strip()
            else:
                question = predefined_questions[q_choice]

            # 呼叫對應的模型
            answer = get_model_answer(m_choice, p_output, question)
            return answer

        ask_button.click(
            fn=on_ask_question,
            inputs=[model_choice, prompt_output, question_choice, custom_question],
            outputs=answer_output
        )

    demo.launch()


if __name__ == "__main__":
    main()