Delete app-backup.py

app-backup.py

@@ -1,947 +0,0 @@
-"""
-AI 기반 상권 분석 시스템 - 스트리밍 강화 버전
-Dataset: https://huggingface.co/datasets/ginipick/market
-"""
-import gradio as gr
-import pandas as pd
-import numpy as np
-from typing import Dict, List, Tuple
-import json
-from datasets import load_dataset
-import plotly.express as px
-import plotly.graph_objects as go
-from plotly.subplots import make_subplots
-import folium
-from folium.plugins import HeatMap, MarkerCluster
-import requests
-from collections import Counter
-import re
-import os
-import time
-
-# ============================================================================
-# 데이터 로더 클래스
-# ============================================================================
-
-class MarketDataLoader:
-    """허깅페이스 상권 데이터 로더"""
-    
-    REGIONS = {
-        '서울': '서울_202506', '경기': '경기_202506', '부산': '부산_202506',
-        '대구': '대구_202506', '인천': '인천_202506', '광주': '광주_202506',
-        '대전': '대전_202506', '울산': '울산_202506', '세종': '세종_202506',
-        '경남': '경남_202506', '경북': '경북_202506', '전남': '전남_202506',
-        '전북': '전북_202506', '충남': '충남_202506', '충북': '충북_202506',
-        '강원': '강원_202506', '제주': '제주_202506'
-    }
-    
-    # 업종 분류 매핑
-    CATEGORY_MAPPING = {
-        'G2': '소매업',
-        'I1': '숙박업',
-        'I2': '음식점업',
-        'L1': '부동산업',
-        'M1': '전문/과학/기술',
-        'N1': '사업지원/임대',
-        'P1': '교육서비스',
-        'Q1': '보건의료',
-        'R1': '예술/스포츠/여가',
-        'S2': '수리/개인서비스'
-    }
-    
-    @staticmethod
-    def load_region_data(region: str, sample_size: int = 30000) -> pd.DataFrame:
-        """지역별 데이터 로드"""
-        try:
-            file_name = f"소상공인시장진흥공단_상가(상권)정보_{MarketDataLoader.REGIONS[region]}.csv"
-            dataset = load_dataset("ginipick/market", data_files=file_name, split="train")
-            df = dataset.to_pandas()
-            
-            if len(df) > sample_size:
-                df = df.sample(n=sample_size, random_state=42)
-            
-            return df
-        except Exception as e:
-            print(f"데이터 로드 실패: {str(e)}")
-            return pd.DataFrame()
-    
-    @staticmethod
-    def load_multiple_regions(regions: List[str], sample_per_region: int = 30000) -> pd.DataFrame:
-        """여러 지역 데이터 로드"""
-        dfs = []
-        for region in regions:
-            df = MarketDataLoader.load_region_data(region, sample_per_region)
-            if not df.empty:
-                dfs.append(df)
-        
-        if dfs:
-            return pd.concat(dfs, ignore_index=True)
-        return pd.DataFrame()
-
-
-# ============================================================================
-# 상권 분석 클래스
-# ============================================================================
-
-class MarketAnalyzer:
-    """상권 데이터 분석 엔진"""
-    
-    def __init__(self, df: pd.DataFrame):
-        self.df = df
-        self.prepare_data()
-    
-    def prepare_data(self):
-        """데이터 전처리"""
-        if '경도' in self.df.columns:
-            self.df['경도'] = pd.to_numeric(self.df['경도'], errors='coerce')
-        if '위도' in self.df.columns:
-            self.df['위도'] = pd.to_numeric(self.df['위도'], errors='coerce')
-        self.df = self.df.dropna(subset=['경도', '위도'])
-        
-        # 층 정보 정제
-        if '층정보' in self.df.columns:
-            self.df['층정보_숫자'] = self.df['층정보'].apply(self._parse_floor)
-    
-    def _parse_floor(self, floor_str):
-        """층 정보를 숫자로 변환"""
-        if pd.isna(floor_str):
-            return None
-        floor_str = str(floor_str)
-        if '지하' in floor_str or 'B' in floor_str:
-            match = re.search(r'\d+', floor_str)
-            return -int(match.group()) if match else -1
-        elif '1층' in floor_str or floor_str == '1':
-            return 1
-        else:
-            match = re.search(r'\d+', floor_str)
-            return int(match.group()) if match else None
-    
-    def get_comprehensive_insights(self) -> List[Dict]:
-        """포괄적인 인사이트 생성"""
-        insights = []
-        
-        # 1. 업종별 점포 수 (상권업종중분류)
-        insights.append(self._create_top_categories_chart())
-        
-        # 2. 대분류별 분포 (파이 차트)
-        insights.append(self._create_major_category_pie())
-        
-        # 3. 층별 분포 상세 분석
-        insights.append(self._create_floor_analysis())
-        
-        # 4. 지역별 업종 다양성 지수
-        insights.append(self._create_diversity_index())
-        
-        # 5. 프랜차이즈 vs 개인사업자 분석
-        insights.append(self._create_franchise_analysis())
-        
-        # 6. 업종별 층 선호도
-        insights.append(self._create_floor_preference())
-        
-        # 7. 시군구별 상권 밀집도 TOP 20
-        insights.append(self._create_district_density())
-        
-        # 8. 업종 상관관계 (같은 지역에 자주 나타나는 업종)
-        insights.append(self._create_category_correlation())
-        
-        # 9. 소분류 트렌드 (상위 20개)
-        insights.append(self._create_subcategory_trends())
-        
-        # 10. 지역별 특화 업종
-        insights.append(self._create_regional_specialization())
-        
-        return insights
-    
-    def _create_top_categories_chart(self) -> Dict:
-        """업종별 점포 수 차트"""
-        if '상권업종중분류명' not in self.df.columns:
-            return None
-        
-        top_categories = self.df['상권업종중분류명'].value_counts().head(15)
-        fig = px.bar(
-            x=top_categories.values,
-            y=top_categories.index,
-            orientation='h',
-            labels={'x': '점포 수', 'y': '업종'},
-            title='🏆 상위 업종 TOP 15',
-            color=top_categories.values,
-            color_continuous_scale='blues'
-        )
-        fig.update_layout(showlegend=False, height=500)
-        return {'type': 'plot', 'data': fig, 'title': '업종별 점포 수 분석'}
-    
-    def _create_major_category_pie(self) -> Dict:
-        """대분류별 분포"""
-        if '상권업종대분류코드' not in self.df.columns:
-            return None
-        
-        major_counts = self.df['상권업종대분류코드'].value_counts()
-        labels = [MarketDataLoader.CATEGORY_MAPPING.get(code, code) for code in major_counts.index]
-        
-        fig = px.pie(
-            values=major_counts.values,
-            names=labels,
-            title='📊 업종 대분류 분포',
-            hole=0.4,
-            color_discrete_sequence=px.colors.qualitative.Set3
-        )
-        fig.update_traces(textposition='inside', textinfo='percent+label')
-        return {'type': 'plot', 'data': fig, 'title': '대분류별 상권 구성'}
-    
-    def _create_floor_analysis(self) -> Dict:
-        """층별 분포 상세 분석"""
-        if '층정보_숫자' not in self.df.columns:
-            return None
-        
-        floor_data = self.df['층정보_숫자'].dropna()
-        floor_counts = floor_data.value_counts().sort_index()
-        
-        # 지하, 1층, 2층 이상으로 그룹화
-        underground = floor_counts[floor_counts.index < 0].sum()
-        first_floor = floor_counts.get(1, 0)
-        upper_floors = floor_counts[floor_counts.index > 1].sum()
-        
-        fig = go.Figure(data=[
-            go.Bar(
-                x=['지하', '1층', '2층 이상'],
-                y=[underground, first_floor, upper_floors],
-                text=[f'{underground:,}<br>({underground/len(floor_data)*100:.1f}%)',
-                      f'{first_floor:,}<br>({first_floor/len(floor_data)*100:.1f}%)',
-                      f'{upper_floors:,}<br>({upper_floors/len(floor_data)*100:.1f}%)'],
-                textposition='auto',
-                marker_color=['#e74c3c', '#3498db', '#95a5a6']
-            )
-        ])
-        fig.update_layout(
-            title='🏢 층별 점포 분포 (지하 vs 1층 vs 상층)',
-            xaxis_title='층 구분',
-            yaxis_title='점포 수',
-            height=400
-        )
-        return {'type': 'plot', 'data': fig, 'title': '층별 입지 분석'}
-    
-    def _create_diversity_index(self) -> Dict:
-        """지역별 업종 다양성 지수"""
-        if '시군구명' not in self.df.columns or '상권업종중분류명' not in self.df.columns:
-            return None
-        
-        # 각 시군구별 업종 다양성 계산 (업종 수 / 전체 점포 수)
-        diversity_data = []
-        for district in self.df['시군구명'].unique()[:20]:  # 상위 20개
-            district_df = self.df[self.df['시군구명'] == district]
-            num_categories = district_df['상권업종중분류명'].nunique()
-            total_stores = len(district_df)
-            diversity_score = (num_categories / total_stores) * 100
-            diversity_data.append({
-                '시군구': district,
-                '다양성 지수': diversity_score,
-                '업종 수': num_categories,
-                '총 점포': total_stores
-            })
-        
-        diversity_df = pd.DataFrame(diversity_data).sort_values('다양성 지수', ascending=False).head(15)
-        
-        fig = px.bar(
-            diversity_df,
-            x='다양성 지수',
-            y='시군구',
-            orientation='h',
-            title='🌈 지역별 업종 다양성 지수 (상위 15개)',
-            labels={'다양성 지수': '다양성 지수 (%)', '시군구': '지역'},
-            color='다양성 지수',
-            color_continuous_scale='viridis',
-            hover_data=['업종 수', '총 점포']
-        )
-        fig.update_layout(height=500)
-        return {'type': 'plot', 'data': fig, 'title': '업종 다양성 분석'}
-    
-    def _create_franchise_analysis(self) -> Dict:
-        """프랜차이즈 vs 개인사업자 분석"""
-        if '상호명' not in self.df.columns:
-            return None
-        
-        # 주요 프랜차이즈 키워드
-        franchise_keywords = [
-            'CU', 'GS25', '세븐일레븐', '이마트24', '미니스톱',
-            '스타벅스', '투썸플레이스', '이디야', '탐앤탐스', '커피빈',
-            '맥도날드', '버거킹', '롯데리아', 'KFC', '맘스터치',
-            'BBQ', '교촌', '굽네', 'bhc', '네네치킨'
-        ]
-        
-        franchise_counts = {}
-        for keyword in franchise_keywords:
-            count = self.df['상호명'].str.contains(keyword, case=False, na=False).sum()
-            if count > 0:
-                franchise_counts[keyword] = count
-        
-        total_franchise = sum(franchise_counts.values())
-        total_stores = len(self.df)
-        individual_stores = total_stores - total_franchise
-        
-        # 파이 차트
-        fig = make_subplots(
-            rows=1, cols=2,
-            specs=[[{'type': 'pie'}, {'type': 'bar'}]],
-            subplot_titles=('전체 비율', '프랜차이즈별 점포 수')
-        )
-        
-        # 전체 비율
-        fig.add_trace(
-            go.Pie(
-                labels=['개인사업자', '프랜차이즈'],
-                values=[individual_stores, total_franchise],
-                hole=0.3,
-                marker_colors=['#3498db', '#e74c3c']
-            ),
-            row=1, col=1
-        )
-        
-        # 프랜차이즈별
-        top_franchises = dict(sorted(franchise_counts.items(), key=lambda x: x[1], reverse=True)[:10])
-        fig.add_trace(
-            go.Bar(
-                x=list(top_franchises.keys()),
-                y=list(top_franchises.values()),
-                marker_color='#e74c3c'
-            ),
-            row=1, col=2
-        )
-        
-        fig.update_layout(
-            title_text='🏪 프랜차이즈 vs 개인사업자 분석',
-            showlegend=True,
-            height=400
-        )
-        return {'type': 'plot', 'data': fig, 'title': '프랜차이즈 점유율'}
-    
-    def _create_floor_preference(self) -> Dict:
-        """업종별 층 선호도"""
-        if '상권업종중분류명' not in self.df.columns or '층정보_숫자' not in self.df.columns:
-            return None
-        
-        # 상위 10개 업종의 층별 분포
-        top_categories = self.df['상권업종중분류명'].value_counts().head(10).index
-        
-        floor_pref_data = []
-        for category in top_categories:
-            cat_df = self.df[self.df['상권업종중분류명'] == category]
-            underground = (cat_df['층정보_숫자'] < 0).sum()
-            first_floor = (cat_df['층정보_숫자'] == 1).sum()
-            upper_floors = (cat_df['층정보_숫자'] > 1).sum()
-            
-            total = underground + first_floor + upper_floors
-            if total > 0:
-                floor_pref_data.append({
-                    '업종': category,
-                    '지하': (underground / total) * 100,
-                    '1층': (first_floor / total) * 100,
-                    '2층 이상': (upper_floors / total) * 100
-                })
-        
-        pref_df = pd.DataFrame(floor_pref_data)
-        
-        fig = go.Figure(data=[
-            go.Bar(name='지하', x=pref_df['업종'], y=pref_df['지하'], marker_color='#e74c3c'),
-            go.Bar(name='1층', x=pref_df['업종'], y=pref_df['1층'], marker_color='#3498db'),
-            go.Bar(name='2층 이상', x=pref_df['업종'], y=pref_df['2층 이상'], marker_color='#95a5a6')
-        ])
-        
-        fig.update_layout(
-            title='🎯 업종별 층 선호도 (상위 10개)',
-            xaxis_title='업종',
-            yaxis_title='비율 (%)',
-            barmode='stack',
-            height=500,
-            xaxis_tickangle=-45
-        )
-        return {'type': 'plot', 'data': fig, 'title': '층별 입지 선호도'}
-    
-    def _create_district_density(self) -> Dict:
-        """시군구별 상권 밀집도"""
-        if '시군구명' not in self.df.columns:
-            return None
-        
-        district_counts = self.df['시군구명'].value_counts().head(20)
-        
-        fig = px.bar(
-            x=district_counts.values,
-            y=district_counts.index,
-            orientation='h',
-            title='🌆 시군구별 상권 밀집도 TOP 20',
-            labels={'x': '점포 수', 'y': '시군구'},
-            color=district_counts.values,
-            color_continuous_scale='reds'
-        )
-        fig.update_layout(showlegend=False, height=600)
-        return {'type': 'plot', 'data': fig, 'title': '지역별 밀집도'}
-    
-    def _create_category_correlation(self) -> Dict:
-        """업종 상관관계 (같은 동에 자주 나타나는 업종)"""
-        if '행정동명' not in self.df.columns or '상권업종중분류명' not in self.df.columns:
-            return None
-        
-        # 상위 10개 업종만 분석
-        top_categories = self.df['상권업종중분류명'].value_counts().head(10).index.tolist()
-        
-        # 각 동별로 업종 카운트
-        correlation_matrix = []
-        for cat1 in top_categories:
-            row = []
-            for cat2 in top_categories:
-                # 두 업종이 같은 동에 있는 경우의 수
-                cat1_dongs = set(self.df[self.df['상권업종중분류명'] == cat1]['행정동명'].unique())
-                cat2_dongs = set(self.df[self.df['상권업종중분류명'] == cat2]['행정동명'].unique())
-                intersection = len(cat1_dongs & cat2_dongs)
-                union = len(cat1_dongs | cat2_dongs)
-                similarity = (intersection / union * 100) if union > 0 else 0
-                row.append(similarity)
-            correlation_matrix.append(row)
-        
-        fig = go.Figure(data=go.Heatmap(
-            z=correlation_matrix,
-            x=top_categories,
-            y=top_categories,
-            colorscale='Blues',
-            text=np.round(correlation_matrix, 1),
-            texttemplate='%{text}',
-            textfont={"size": 10}
-        ))
-        
-        fig.update_layout(
-            title='🔗 업종 상관관계 매트릭스 (같은 지역 동시 출현율)',
-            xaxis_title='업종',
-            yaxis_title='업종',
-            height=600,
-            xaxis_tickangle=-45
-        )
-        return {'type': 'plot', 'data': fig, 'title': '업종 공존 분석'}
-    
-    def _create_subcategory_trends(self) -> Dict:
-        """소분류 트렌드"""
-        if '상권업종소분류명' not in self.df.columns:
-            return None
-        
-        subcat_counts = self.df['상권업종소분류명'].value_counts().head(20)
-        
-        fig = px.treemap(
-            names=subcat_counts.index,
-            parents=[''] * len(subcat_counts),
-            values=subcat_counts.values,
-            title='🔍 소분류 업종 트렌드 TOP 20',
-            color=subcat_counts.values,
-            color_continuous_scale='greens'
-        )
-        fig.update_layout(height=600)
-        return {'type': 'plot', 'data': fig, 'title': '세부 업종 분석'}
-    
-    def _create_regional_specialization(self) -> Dict:
-        """지역별 특화 업종"""
-        if '시도명' not in self.df.columns or '상권업종중분류명' not in self.df.columns:
-            return None
-        
-        # 각 시도별 상위 3개 업종
-        specialization_data = []
-        for region in self.df['시도명'].unique():
-            region_df = self.df[self.df['시도명'] == region]
-            top_categories = region_df['상권업종중분류명'].value_counts().head(3)
-            for category, count in top_categories.items():
-                specialization_data.append({
-                    '지역': region,
-                    '특화업종': category,
-                    '점포수': count
-                })
-        
-        spec_df = pd.DataFrame(specialization_data)
-        
-        fig = px.sunburst(
-            spec_df,
-            path=['지역', '특화업종'],
-            values='점포수',
-            title='🎯 지역별 특화 업종 (각 지역 TOP 3)',
-            color='점포수',
-            color_continuous_scale='oranges'
-        )
-        fig.update_layout(height=700)
-        return {'type': 'plot', 'data': fig, 'title': '지역 특화 분석'}
-    
-    def create_density_map(self, sample_size: int = 1000) -> str:
-        """점포 밀집도 지도 생성"""
-        df_sample = self.df.sample(n=min(sample_size, len(self.df)), random_state=42)
-        
-        center_lat = df_sample['위도'].mean()
-        center_lon = df_sample['경도'].mean()
-        
-        m = folium.Map(location=[center_lat, center_lon], zoom_start=11, tiles='OpenStreetMap')
-        
-        # 히트맵
-        heat_data = [[row['위도'], row['경도']] for _, row in df_sample.iterrows()]
-        HeatMap(heat_data, radius=15, blur=25, max_zoom=13).add_to(m)
-        
-        return m._repr_html_()
-    
-    def analyze_for_llm(self) -> Dict:
-        """LLM 컨텍스트용 분석 데이터"""
-        context = {
-            '총_점포_수': len(self.df),
-            '지역_수': self.df['시도명'].nunique() if '시도명' in self.df.columns else 0,
-            '업종_수': self.df['상권업종중분류명'].nunique() if '상권업종중분류명' in self.df.columns else 0,
-        }
-        
-        if '상권업종중분류명' in self.df.columns:
-            context['상위_업종_5'] = self.df['상권업종중분류명'].value_counts().head(5).to_dict()
-        
-        if '층정보_숫자' in self.df.columns:
-            first_floor_ratio = (self.df['층정보_숫자'] == 1).sum() / len(self.df) * 100
-            context['1층_비율'] = f"{first_floor_ratio:.1f}%"
-        
-        return context
-
-
-# ============================================================================
-# LLM 쿼리 프로세서 (스트리밍 지원)
-# ============================================================================
-
-class LLMQueryProcessor:
-    """Fireworks AI 기반 자연어 처리 (스트리밍 지원)"""
-    
-    def __init__(self, api_key: str = None):
-        # 환경변수에서 API 키 가져오기
-        self.api_key = api_key or os.getenv("FIREWORKS_API_KEY")
-        self.base_url = "https://api.fireworks.ai/inference/v1/chat/completions"
-        
-        if not self.api_key:
-            raise ValueError("❌ FIREWORKS_API_KEY 환경변수를 설정하거나 API 키를 입력해주세요!")
-    
-    def process_query_stream(self, query: str, data_context: Dict, chat_history: List = None):
-        """자연어 쿼리 처리 (스트리밍 모드)"""
-        system_prompt = f"""당신은 한국 상권 데이터 분석 전문가입니다.
-
-📊 **현재 분석 데이터**
-{json.dumps(data_context, ensure_ascii=False, indent=2)}
-
-구체적인 숫자와 비율로 정량적 분석을 제공하세요.
-창업, 투자, 경쟁 분석 관점에서 실용적 인사이트를 제공하세요."""
-
-        messages = [{"role": "system", "content": system_prompt}]
-        if chat_history:
-            messages.extend(chat_history[-6:])
-        messages.append({"role": "user", "content": query})
-        
-        payload = {
-            "model": "accounts/fireworks/models/qwen3-235b-a22b-instruct-2507",
-            "max_tokens": 4800,
-            "temperature": 0.7,
-            "messages": messages,
-            "stream": True  # 🔥 스트리밍 활성화!
-        }
-        
-        headers = {
-            "Authorization": f"Bearer {self.api_key}",
-            "Content-Type": "application/json"
-        }
-        
-        try:
-            response = requests.post(
-                self.base_url, 
-                headers=headers, 
-                json=payload, 
-                timeout=60,
-                stream=True  # 스트리밍 모드
-            )
-            
-            if response.status_code == 200:
-                # 스트리밍 응답 처리
-                for line in response.iter_lines():
-                    if line:
-                        line_text = line.decode('utf-8')
-                        if line_text.startswith('data: '):
-                            data_str = line_text[6:]  # 'data: ' 제거
-                            if data_str.strip() == '[DONE]':
-                                break
-                            try:
-                                data = json.loads(data_str)
-                                if 'choices' in data and len(data['choices']) > 0:
-                                    delta = data['choices'][0].get('delta', {})
-                                    content = delta.get('content', '')
-                                    if content:
-                                        yield content
-                            except json.JSONDecodeError:
-                                continue
-            else:
-                yield f"⚠️ API 오류: {response.status_code}"
-                
-        except requests.exceptions.Timeout:
-            yield "⚠️ API 응답 시간 초과. 잠시 후 다시 시도해주세요."
-        except requests.exceptions.ConnectionError:
-            yield "⚠️ 네트워크 연결 오류. 인터넷 연결을 확인해주세요."
-        except Exception as e:
-            yield f"❌ 오류: {str(e)}"
-
-
-# ============================================================================
-# 전역 상태
-# ============================================================================
-
-class AppState:
-    def __init__(self):
-        self.analyzer = None
-        self.llm_processor = None
-        self.chat_history = []
-
-app_state = AppState()
-
-
-# ============================================================================
-# Gradio 인터페이스 함수
-# ============================================================================
-
-def load_data(regions):
-    """데이터 로드"""
-    if not regions:
-        return "❌ 최소 1개 지역을 선택해주세요!", None, None, None
-    
-    try:
-        df = MarketDataLoader.load_multiple_regions(regions, sample_per_region=30000)
-        if df.empty:
-            return "❌ 데이터 로드 실패!", None, None, None
-        
-        app_state.analyzer = MarketAnalyzer(df)
-        
-        # 기본 통계
-        stats = f"""
-✅ **데이터 로드 완료!**
-
-📊 **통계**
-- 총 점포: {len(df):,}개
-- 분석 지역: {', '.join(regions)}
-- 업종 수: {df['상권업종중분류명'].nunique()}개
-- 대분류: {df['상권업종대분류명'].nunique()}개
-"""
-        
-        return stats, gr.update(visible=True), gr.update(visible=True), gr.update(visible=True)
-    except Exception as e:
-        return f"❌ 오류: {str(e)}", None, None, None
-
-
-def generate_insights():
-    """인사이트 생성"""
-    if app_state.analyzer is None:
-        return [None] * 11
-    
-    insights = app_state.analyzer.get_comprehensive_insights()
-    map_html = app_state.analyzer.create_density_map(sample_size=2000)
-    
-    result = [map_html]
-    for insight in insights:
-        if insight and insight['type'] == 'plot':
-            result.append(insight['data'])
-        else:
-            result.append(None)
-    
-    # 부족한 차트는 None으로 채우기
-    while len(result) < 11:
-        result.append(None)
-    
-    return result[:11]
-
-
-def chat_respond(message, history):
-    """챗봇 응답 (스트리밍 모드) - Generator 함수"""
-    if app_state.analyzer is None:
-        yield history + [[message, "❌ 먼저 데이터를 로드해주세요!"]]
-        return
-    
-    data_context = app_state.analyzer.analyze_for_llm()
-    
-    # LLM 프로세서 초기화 (환경변수에서 API 키 자동 로드)
-    try:
-        if app_state.llm_processor is None:
-            app_state.llm_processor = LLMQueryProcessor()
-        
-        # 대화 히스토리 구성
-        chat_hist = []
-        for user_msg, bot_msg in history:
-            chat_hist.append({"role": "user", "content": user_msg})
-            chat_hist.append({"role": "assistant", "content": bot_msg})
-        
-        # 새 메시지 추가
-        history = history + [[message, ""]]
-        
-        # 스트리밍 응답
-        full_response = ""
-        for chunk in app_state.llm_processor.process_query_stream(message, data_context, chat_hist):
-            full_response += chunk
-            history[-1][1] = full_response
-            yield history
-        
-    except ValueError as e:
-        # API 키가 없는 경우 기본 통계 제공
-        response = f"""📊 **기본 데이터 분석 결과**
-
-**전체 현황**
-- 총 점포 수: {data_context['총_점포_수']:,}개
-- 업종 종류: {data_context['업종_수']}개
-- 1층 비율: {data_context.get('1층_비율', 'N/A')}
-
-⚠️ **AI 분석 사용 방법**
-환경변수를 설정하세요:
-```bash
-export FIREWORKS_API_KEY="your_api_key_here"
-```
-
-또는 Hugging Face Space에서는 Settings > Variables 에서 설정하세요."""
-        
-        history = history + [[message, response]]
-        yield history
-
-
-# ============================================================================
-# Gradio UI
-# ============================================================================
-
-with gr.Blocks(title="AI 상권 분석 시스템 Pro", theme=gr.themes.Soft()) as demo:
-    gr.Markdown("""
-    # 🏪 AI 상권 분석 시스템 Pro (스트리밍 지원 ⚡)
-    *전국 상가(상권) 데이터 기반 실시간 분석 | Powered by Fireworks AI*
-    
-    **✨ 10가지 심층 분석 제공**: 업종 트렌드, 경쟁 강도, 입지 분석, 프랜차이즈 비율, 지역 특화, 층별 선호도 등
-    """)
-
-# 웹 배지 추가
-    gr.HTML("""
-    <style>
-        .badges-container {
-            display: flex;
-            justify-content: center;
-            align-items: center;
-            gap: 15px;
-            flex-wrap: wrap;
-            margin: 20px 0;
-        }
-        
-        .badge {
-            display: inline-flex;
-            align-items: center;
-            gap: 8px;
-            padding: 10px 20px;
-            border-radius: 25px;
-            text-decoration: none;
-            font-weight: 600;
-            font-size: 0.95em;
-            transition: all 0.3s ease;
-            box-shadow: 0 4px 15px rgba(0,0,0,0.2);
-            position: relative;
-            overflow: hidden;
-        }
-        
-        .badge::before {
-            content: '';
-            position: absolute;
-            top: 0;
-            left: -100%;
-            width: 100%;
-            height: 100%;
-            background: linear-gradient(90deg, transparent, rgba(255,255,255,0.3), transparent);
-            transition: left 0.5s;
-        }
-        
-        .badge:hover::before {
-            left: 100%;
-        }
-        
-        .badge:hover {
-            transform: translateY(-3px);
-            box-shadow: 0 6px 25px rgba(0,0,0,0.3);
-        }
-        
-        .badge-kakao {
-            background: linear-gradient(135deg, #FEE500 0%, #FFEB3B 100%);
-            color: #3C1E1E;
-        }
-        
-        .badge-kakao:hover {
-            background: linear-gradient(135deg, #FFD700 0%, #FFC107 100%);
-        }
-        
-        .badge-ginigen {
-            background: linear-gradient(135deg, #00D9FF 0%, #0099FF 100%);
-            color: white;
-        }
-        
-        .badge-ginigen:hover {
-            background: linear-gradient(135deg, #00C4E6 0%, #0080E6 100%);
-        }
-        
-        .badge-icon {
-            font-size: 1.2em;
-        }
-    </style>
-    
-    <div class="badges-container">
-        <a href="https://open.kakao.com/o/peIe8KWh" target="_blank" class="badge badge-kakao">
-            <span class="badge-icon">💬</span>
-            <span>오픈채팅 바로가기</span>
-        </a>
-        <a href="https://ginigen.ai" target="_blank" class="badge badge-ginigen">
-            <span class="badge-icon">🍌</span>
-            <span>나노 바나나 애드온 무료 서비스</span>
-        </a>
-    </div>
-    """)
-
-    
-    with gr.Row():
-        with gr.Column(scale=1):
-            gr.Markdown("### ⚙️ 설정")
-            
-            # 환경변수 상태 표시
-            api_status = "✅ API 키 설정됨" if os.getenv("FIREWORKS_API_KEY") else "⚠️ API 키 미설정 (기본 통계만 제공)"
-            gr.Markdown(f"**🔑 API 상태**: {api_status}")
-            
-            region_select = gr.CheckboxGroup(
-                choices=list(MarketDataLoader.REGIONS.keys()),
-                value=['서울'],
-                label="📍 분석 지역 선택 (최대 5개 권장)"
-            )
-            
-            load_btn = gr.Button("📊 데이터 로드", variant="primary", size="lg")
-            
-            status_box = gr.Markdown("👈 지역을 선택하고 데이터를 로드하세요!")
-        
-        with gr.Column(scale=3):
-            with gr.Tabs() as tabs:
-                with gr.Tab("📊 인사이트 대시보드", id=0) as tab1:
-                    insights_content = gr.Column(visible=False)
-                    
-                    with insights_content:
-                        gr.Markdown("### 🗺️ 점포 밀집도 히트맵")
-                        map_output = gr.HTML()
-                        
-                        gr.Markdown("---")
-                        gr.Markdown("### 📈 10가지 심층 상권 인사이트")
-                        
-                        with gr.Row():
-                            chart1 = gr.Plot(label="업종별 점포 수")
-                            chart2 = gr.Plot(label="대분류 분포")
-                        
-                        with gr.Row():
-                            chart3 = gr.Plot(label="층별 분포")
-                            chart4 = gr.Plot(label="업종 다양성")
-                        
-                        with gr.Row():
-                            chart5 = gr.Plot(label="프랜차이즈 분석")
-                            chart6 = gr.Plot(label="층 선호도")
-                        
-                        with gr.Row():
-                            chart7 = gr.Plot(label="지역 밀집도")
-                            chart8 = gr.Plot(label="업종 상관관계")
-                        
-                        with gr.Row():
-                            chart9 = gr.Plot(label="소분류 트렌드")
-                            chart10 = gr.Plot(label="지역 특화")
-                
-                with gr.Tab("🤖 AI 분석 챗봇 (실시간 스트리밍 ⚡)", id=1) as tab2:
-                    chat_content = gr.Column(visible=False)
-                    
-                    with chat_content:
-                        gr.Markdown("""
-                        ### 💡 샘플 질문
-                        강남에서 카페 창업? | 치킨집 포화 지역? | 1층이 유리한 업종? | 프랜차이즈 점유율?
-                        
-                        ⚡ **스트리밍 모드**: AI 응답이 실시간으로 표시됩니다!
-                        """)
-                        
-                        chatbot = gr.Chatbot(height=400, label="AI 상권 분석 어시스턴트")
-                        
-                        with gr.Row():
-                            msg_input = gr.Textbox(
-                                placeholder="무엇이든 물어보세요! (예: 강남에서 카페 창업하려면?)",
-                                show_label=False,
-                                scale=4
-                            )
-                            submit_btn = gr.Button("전송", variant="primary", scale=1)
-                        
-                        # 샘플 버튼들
-                        with gr.Row():
-                            sample_btn1 = gr.Button("강남에서 카페 창업?", size="sm")
-                            sample_btn2 = gr.Button("치킨집 포화 지역?", size="sm")
-                            sample_btn3 = gr.Button("1층이 유리한 업종?", size="sm")
-                            sample_btn4 = gr.Button("프랜차이즈 점유율?", size="sm")
-    
-    # 이벤트 핸들러
-    load_btn.click(
-        fn=load_data,
-        inputs=[region_select],
-        outputs=[status_box, insights_content, chat_content, tab1]
-    ).then(
-        fn=generate_insights,
-        outputs=[map_output, chart1, chart2, chart3, chart4, chart5, chart6, chart7, chart8, chart9, chart10]
-    )
-    
-    # 챗봇 이벤트 (스트리밍 모드)
-    submit_btn.click(
-        fn=chat_respond,
-        inputs=[msg_input, chatbot],
-        outputs=[chatbot]
-    ).then(
-        fn=lambda: "",
-        outputs=[msg_input]
-    )
-    
-    msg_input.submit(
-        fn=chat_respond,
-        inputs=[msg_input, chatbot],
-        outputs=[chatbot]
-    ).then(
-        fn=lambda: "",
-        outputs=[msg_input]
-    )
-    
-    # 샘플 버튼 이벤트
-    def create_sample_click(text):
-        def handler(history):
-            for result in chat_respond(text, history or []):
-                yield result
-        return handler
-    
-    sample_btn1.click(fn=create_sample_click("강남에서 카페 창업?"), inputs=[chatbot], outputs=[chatbot])
-    sample_btn2.click(fn=create_sample_click("치킨집 포화 지역?"), inputs=[chatbot], outputs=[chatbot])
-    sample_btn3.click(fn=create_sample_click("1층이 유리한 업종?"), inputs=[chatbot], outputs=[chatbot])
-    sample_btn4.click(fn=create_sample_click("프랜차이즈 점유율?"), inputs=[chatbot], outputs=[chatbot])
-    
-    gr.Markdown("""
-    ---
-    ### 📖 사용 가이드
-    1. 지역 선택 → 2. 데이터 로드 → 3. 10가지 인사이트 확인 또는 AI에게 질문
-    
-    ### 🔑 AI 챗봇 활성화 방법
-    환경변수 설정:
-    ```bash
-    export FIREWORKS_API_KEY="your_api_key_here"
-    ```
-    
-    Hugging Face Space에서는:
-    1. Settings 메뉴 클릭
-    2. Variables 탭 선택
-    3. New variable 추가: `FIREWORKS_API_KEY`
-    
-    ### 📊 제공되는 10가지 분석
-    1. **업종별 점포 수**: 가장 많은 업종 TOP 15
-    2. **대분류 분포**: 소매/음식/서비스 등 대분류 비율
-    3. **층별 분포**: 지하/1층/상층 입지 분석
-    4. **업종 다양성**: 지역별 업종 다양성 지수
-    5. **프랜차이즈 분석**: 개인 vs 프랜차이즈 비율
-    6. **층 선호도**: 업종별 선호 층수
-    7. **지역 밀집도**: 점포 수 상위 지역
-    8. **업종 상관관계**: 같이 나타나는 업종 패턴
-    9. **소분류 트렌드**: 세부 업종 분포
-    10. **지역 특화**: 각 지역의 특화 업종
-    
-    💡 **Tip**: API 키 없이도 10가지 시각화 분석과 기본 통계를 확인할 수 있습니다!
-    
-    ⚡ **NEW!** 챗봇이 이제 실시간 스트리밍으로 응답합니다!
-    """)
-
-# 실행
-if __name__ == "__main__":
-    demo.launch(server_name="0.0.0.0", server_port=7860, share=False)