Upload Advisernote.py

Advisernote.py

@@ -61,6 +61,9 @@ NOTION_DB_ID = get_config_value("NOTION_DATABASE_ID")
 ALL_MAILBOXES = [item.strip() for item in get_config_value("ALL_MAILBOXES").split(",") if item.strip()]
 allowed_users = parse_allowed_users(get_config_value("ALLOWED_USERS"))
 MAX_EMAILS_PER_FOLDER = 250
+GEMINI_25_FLASH_INPUT_USD_PER_1M = 0.30
+GEMINI_25_FLASH_OUTPUT_USD_PER_1M = 2.50
+ESTIMATED_OUTPUT_TOKENS_PER_STAGE = 350
 
 def save_rules_to_db(df):
     conn = sqlite3.connect("data.db")
@@ -767,10 +770,10 @@ if check_password():
     # --- Helper Functions ---
     # (기존 add_line_to_docx, load_docs_from_path, update_status 등은 그대로 유지)
 
-    def ask_ai_note(stage_key, items_data, row_info, manual_note=""):
-        # 🚨 [파이썬 강력 통제 1] 매핑된 이메일 데이터가 단 한 개도 없고, 추가 수기 메모도 완전히 비어있다면
-        # AI 호출 자체를 생략하고 즉시 완벽한 3줄 공란을 리턴하여 비용과 오류를 원천 차단합니다.
-        if not items_data and not manual_note.strip(): 
+    def ask_ai_note(stage_key, items_data, row_info, manual_note=""):
+        # 🚨 [파이썬 강력 통제 1] 매핑된 이메일 데이터가 단 한 개도 없고, 추가 수기 메모도 완전히 비어있다면
+        # AI 호출 자체를 생략하고 즉시 완벽한 3줄 공란을 리턴하여 비용과 오류를 원천 차단합니다.
+        if not items_data and not manual_note.strip(): 
             return "Date: \nAction: \nPurpose: \n"
 
         try:
@@ -855,12 +858,69 @@ if check_password():
                 
             return res_text
             
-        except Exception as e:
-            return f"⚠️ Vertex AI Error: {str(e)}"
-
-
-
-    # ─────────────────────────────────────────────────────────────────
+        except Exception as e:
+            return f"⚠️ Vertex AI Error: {str(e)}"
+
+    def estimate_text_tokens(text):
+        return max(1, int(len(str(text or "")) / 4) + 1)
+
+    def estimate_ai_summary_cost(full_df, rules_df, manual_note=""):
+        if full_df is None or full_df.empty:
+            return {"calls": 0, "input_tokens": 0, "output_tokens": 0, "usd": 0.0}
+
+        current_mode = st.session_state.get('active_mode', 'NOTION')
+        if current_mode == "NOTION" and 'Type' in full_df.columns:
+            df = full_df[full_df['Type'] == "NOTION"].copy()
+        elif 'Type' in full_df.columns:
+            df = full_df[full_df['Type'] != "NOTION"].copy()
+        else:
+            df = full_df.copy()
+
+        calls = 0
+        input_tokens = 0
+        output_tokens = 0
+        manual_has_text = bool(str(manual_note or "").strip())
+
+        for _, row in rules_df.iterrows():
+            s1 = str(row.get('Sub 1', '')).strip()
+            s2 = str(row.get('Sub 2', '')).strip()
+            targets = pd.DataFrame()
+            if not df.empty and 'Sec' in df.columns:
+                stage_values = [s1]
+                if s2 and s2 not in ["nan", "x", "None", "-"]:
+                    stage_values.append(s2)
+                targets = df[df['Sec'].isin(stage_values)]
+
+            if targets.empty and not manual_has_text:
+                continue
+
+            calls += 1
+            row_text = " ".join([str(row.get(k, "")) for k in ["Stage Title", "Sub 1", "Sub 2", "Action", "Purpose"]])
+            source_text = ""
+            for item in targets.to_dict('records') if not targets.empty else []:
+                source_text += " ".join([
+                    str(item.get("Date", "")),
+                    str(item.get("Subject", "")),
+                    str(item.get("From", "")),
+                    str(item.get("To", "")),
+                    str(item.get("Cc", "")),
+                    str(item.get("Channel", "")),
+                    str(item.get("Body", ""))[:1500],
+                    str(item.get("Comments", "")),
+                ]) + "\n"
+            prompt_overhead = 1200
+            input_tokens += prompt_overhead + estimate_text_tokens(row_text) + estimate_text_tokens(source_text) + estimate_text_tokens(manual_note)
+            output_tokens += ESTIMATED_OUTPUT_TOKENS_PER_STAGE
+
+        usd = (
+            input_tokens / 1_000_000 * GEMINI_25_FLASH_INPUT_USD_PER_1M
+            + output_tokens / 1_000_000 * GEMINI_25_FLASH_OUTPUT_USD_PER_1M
+        )
+        return {"calls": calls, "input_tokens": input_tokens, "output_tokens": output_tokens, "usd": usd}
+
+
+
+    # ─────────────────────────────────────────────────────────────────
     # 🟢 [실시간 동기화 마법의 엔진] 사이드바를 그리기 전에 드롭다운 값을 먼저 가로채서 계산!
     # ─────────────────────────────────────────────────────────────────
     def sync_and_update_status():
@@ -973,14 +1033,31 @@ if check_password():
             is_email = (current_mode == "EMAIL")
 
             # 🟢 2. 이메일 탭일 경우 체크박스를 강제로 끄고(False), 클릭 못 하게 잠급니다(disabled).
-            use_ai = st.checkbox(
-                "🤖 AI로 자동 작성하기 (API 비용 발생)", 
-                value=False, 
-                disabled=is_email, 
-                help="🚫 이메일 모드에서는 AI 요약이 제한되며 빈 템플릿만 생성됩니다." if is_email else "체크를 끄면 비용 없이 날짜만 추출된 빈 템플릿이 즉시 생성됩니다."
-            )
-
-            col_ai, col_dl = st.columns(2)
+            use_ai = st.checkbox(
+                "🤖 AI로 자동 작성하기 (API 비용 발생)", 
+                value=False, 
+                disabled=is_email, 
+                help="🚫 이메일 모드에서는 AI 요약이 제한되며 빈 템플릿만 생성됩니다." if is_email else "체크를 끄면 비용 없이 날짜만 추출된 빈 템플릿이 즉시 생성됩니다."
+            )
+
+            if use_ai:
+                cost_estimate = estimate_ai_summary_cost(
+                    st.session_state.get('results'),
+                    st.session_state['rules_df'],
+                    ai_manual_note
+                )
+                approx_nzd = cost_estimate["usd"] * 1.7
+                st.info(
+                    f"Estimated Gemini cost before run: "
+                    f"{cost_estimate['calls']} call(s), "
+                    f"~{cost_estimate['input_tokens']:,} input tokens, "
+                    f"~{cost_estimate['output_tokens']:,} output tokens, "
+                    f"about USD ${cost_estimate['usd']:.4f} / NZD ${approx_nzd:.4f}."
+                )
+            else:
+                st.caption("AI cost estimate: USD $0.0000 because AI auto-write is off.")
+
+            col_ai, col_dl = st.columns(2)
 
             with col_ai: