Create app.py

app.py

@@ -0,0 +1,1008 @@
+"""
+AI 기반 상권 분석 시스템 - 스트리밍 강화 버전 + Brave 웹검색
+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
+
+# ============================================================================
+# Brave 웹검색 클라이언트
+# ============================================================================
+
+class BraveSearchClient:
+    """Brave Search API 클라이언트"""
+    
+    def __init__(self, api_key: str = None):
+        self.api_key = api_key or os.getenv("BRAVE_API_KEY")
+        self.base_url = "https://api.search.brave.com/res/v1/web/search"
+    
+    def search(self, query: str, count: int = 5) -> str:
+        """웹 검색 수행"""
+        if not self.api_key:
+            return "⚠️ Brave Search API 키가 설정되지 않았습니다."
+        
+        headers = {
+            "Accept": "application/json",
+            "X-Subscription-Token": self.api_key
+        }
+        
+        params = {
+            "q": query,
+            "count": count,
+            "text_decorations": False,
+            "search_lang": "ko"
+        }
+        
+        try:
+            response = requests.get(self.base_url, headers=headers, params=params, timeout=10)
+            if response.status_code == 200:
+                data = response.json()
+                results = []
+                
+                if 'web' in data and 'results' in data['web']:
+                    for item in data['web']['results'][:count]:
+                        title = item.get('title', '')
+                        description = item.get('description', '')
+                        url = item.get('url', '')
+                        results.append(f"📄 **{title}**\n{description}\n🔗 {url}")
+                
+                return "\n\n".join(results) if results else "검색 결과가 없습니다."
+            else:
+                return f"⚠️ 검색 실패: {response.status_code}"
+        except Exception as e:
+            return f"⚠️ 검색 오류: {str(e)}"
+
+
+# ============================================================================
+# 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({
+                '지역': district,
+                '다양성지수': diversity_score,
+                '업종수': num_categories,
+                '점포수': total_stores
+            })
+        
+        diversity_df = pd.DataFrame(diversity_data).sort_values('다양성지수', ascending=False)
+        
+        fig = px.bar(
+            diversity_df,
+            x='다양성지수',
+            y='지역',
+            orientation='h',
+            title='🎨 지역별 업종 다양성 지수 (업종 수 / 점포 수 × 100)',
+            labels={'다양성지수': '다양성 지수', '지역': '시군구'},
+            color='다양성지수',
+            color_continuous_scale='viridis'
+        )
+        fig.update_layout(height=500)
+        return {'type': 'plot', 'data': fig, 'title': '상권 다양성 분석'}
+    
+    def _create_franchise_analysis(self) -> Dict:
+        """프랜차이즈 vs 개인사업자 분석"""
+        if '브랜드명' not in self.df.columns:
+            return None
+        
+        # 브랜드명이 있으면 프랜차이즈로 간주
+        franchise_count = self.df['브랜드명'].notna().sum()
+        individual_count = self.df['브랜드명'].isna().sum()
+        
+        fig = go.Figure(data=[
+            go.Pie(
+                labels=['개인사업자', '프랜차이즈'],
+                values=[individual_count, franchise_count],
+                hole=0.4,
+                marker_colors=['#3498db', '#e74c3c'],
+                textinfo='label+percent+value',
+                texttemplate='%{label}<br>%{value:,}개<br>(%{percent})'
+            )
+        ])
+        
+        fig.update_layout(
+            title='🏪 개인사업자 vs 프랜차이즈 비율',
+            height=400
+        )
+        return {'type': 'plot', 'data': fig, 'title': '사업자 유형 분석'}
+    
+    def _create_floor_preference(self) -> Dict:
+        """업종별 층 선호도"""
+        if '층정보_숫자' not in self.df.columns or '상권업종중분류명' not in self.df.columns:
+            return None
+        
+        # 상위 10개 업종 선택
+        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]
+            floor_dist = cat_df['층정보_숫자'].dropna()
+            
+            if len(floor_dist) > 0:
+                underground = (floor_dist < 0).sum()
+                first_floor = (floor_dist == 1).sum()
+                upper_floors = (floor_dist > 1).sum()
+                
+                floor_pref_data.append({
+                    '업종': category,
+                    '지하': underground,
+                    '1층': first_floor,
+                    '2층 이상': upper_floors
+                })
+        
+        pref_df = pd.DataFrame(floor_pref_data)
+        
+        fig = go.Figure()
+        fig.add_trace(go.Bar(name='지하', x=pref_df['업종'], y=pref_df['지하'], marker_color='#e74c3c'))
+        fig.add_trace(go.Bar(name='1층', x=pref_df['업종'], y=pref_df['1층'], marker_color='#3498db'))
+        fig.add_trace(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 업종)',
+            xaxis_title='업종',
+            yaxis_title='점포 수',
+            barmode='stack',
+            height=500,
+            xaxis_tickangle=-45
+        )
+        return {'type': 'plot', 'data': fig, 'title': '층별 선호도 분석'}
+    
+    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 점포 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': '지역 밀집도 분석'}
+    
+    def _create_category_correlation(self) -> Dict:
+        """업종 상관관계 (같은 지역에 자주 나타나는 업종)"""
+        if '시군구명' not in self.df.columns or '상권업종중분류명' not in self.df.columns:
+            return None
+        
+        # 상위 10개 업종만 선택
+        top_categories = self.df['상권업종중분류명'].value_counts().head(10).index.tolist()
+        
+        # 각 시군구별로 업종 존재 여부 매트릭스 생성
+        districts = self.df['시군구명'].unique()
+        correlation_matrix = np.zeros((len(top_categories), len(top_categories)))
+        
+        for i, cat1 in enumerate(top_categories):
+            for j, cat2 in enumerate(top_categories):
+                if i != j:
+                    # 두 업종이 같은 시군구에 존재하는 횟수
+                    coexist_count = 0
+                    for district in districts:
+                        district_df = self.df[self.df['시군구명'] == district]
+                        has_cat1 = cat1 in district_df['상권업종중분류명'].values
+                        has_cat2 = cat2 in district_df['상권업종중분류명'].values
+                        if has_cat1 and has_cat2:
+                            coexist_count += 1
+                    correlation_matrix[i][j] = coexist_count
+        
+        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 + 웹검색)
+# ============================================================================
+
+class LLMQueryProcessor:
+    """Fireworks AI 기반 자연어 처리 (스트리밍 지원 + 웹검색)"""
+    
+    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, web_search_results: str = None):
+        """자연어 쿼리 처리 (스트리밍 모드) - 웹검색 결과 포함"""
+        
+        # 웹검색 결과가 있으면 컨텍스트에 추가
+        web_context = ""
+        if web_search_results and "⚠️" not in web_search_results:
+            web_context = f"""
+
+🌐 **최신 웹 검색 정보**
+{web_search_results}
+
+위 웹 검색 결과를 참고하여 최신 정보와 트렌드를 반영해주세요.
+"""
+
+        system_prompt = f"""당신은 한국 상권 데이터 분석 전문가입니다.
+
+📊 **현재 분석 데이터**
+{json.dumps(data_context, ensure_ascii=False, indent=2)}
+{web_context}
+
+구체적인 숫자와 비율로 정량적 분석을 제공하세요.
+창업, 투자, 경쟁 분석 관점에서 실용적 인사이트를 제공하세요.
+웹 검색 결과가 제공된 경우 최신 트렌드와 함께 분석하세요."""
+
+        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.brave_client = 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 + 웹검색) - Generator 함수"""
+    if app_state.analyzer is None:
+        yield history + [[message, "❌ 먼저 데이터를 로드해주세요!"]]
+        return
+    
+    data_context = app_state.analyzer.analyze_for_llm()
+    
+    try:
+        # LLM 프로세서 초기화
+        if app_state.llm_processor is None:
+            app_state.llm_processor = LLMQueryProcessor()
+        
+        # Brave Search 클라이언트 초기화
+        if app_state.brave_client is None:
+            try:
+                app_state.brave_client = BraveSearchClient()
+            except:
+                app_state.brave_client = None
+        
+        # 🔍 자동 웹검색 수행
+        web_results = None
+        if app_state.brave_client and app_state.brave_client.api_key:
+            # 검색 쿼리 생성 (사용자 질문에서 핵심 키워드 추출)
+            search_query = f"한국 상권 창업 트렌드 {message}"
+            web_results = app_state.brave_client.search(search_query, count=3)
+        
+        # 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, ""]]
+        
+        # 웹검색 상태 표시
+        if web_results and "⚠️" not in web_results:
+            history[-1][1] = "🔍 웹 검색 중...\n\n"
+            yield history
+        
+        # 스트리밍 응답 (웹검색 결과 포함)
+        full_response = ""
+        for chunk in app_state.llm_processor.process_query_stream(message, data_context, chat_hist, web_results):
+            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"
+export BRAVE_API_KEY="your_brave_api_key_here"  # 웹검색용 (선택)
+```
+
+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 + 웹검색 🔍)
+    *전�� 상가(상권) 데이터 기반 실시간 분석 | Powered by Fireworks AI + Brave Search*
+    
+    **✨ 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)"
+            brave_status = "✅ 웹검색 활성화" if os.getenv("BRAVE_API_KEY") else "⚠️ 웹검색 비활성화"
+            gr.Markdown(f"**🔑 Fireworks AI**: {api_status}")
+            gr.Markdown(f"**🔍 Brave Search**: {brave_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 + 웹검색 ⚡🔍)", 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!
+                        🔍 **웹검색 자동**: 최신 상권 트렌드를 자동으로 검색하여 반영합니다!
+                        """)
+                        
+                        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 + 웹검색 활성화 방법
+    환경변수 설정:
+    ```bash
+    export FIREWORKS_API_KEY="your_api_key_here"
+    export BRAVE_API_KEY="your_brave_api_key_here"  # 웹검색 기능용 (선택)
+    ```
+    
+    Hugging Face Space에서는:
+    1. Settings 메뉴 클릭
+    2. Variables 탭 선택
+    3. New variable 추가: 
+       - `FIREWORKS_API_KEY` (필수 - AI 분석용)
+       - `BRAVE_API_KEY` (선택 - 웹검색 활성화용)
+    
+    🌐 **웹검색 기능**: BRAVE_API_KEY 설정 시 자동으로 최신 상권 트렌드를 검색하여 답변에 반영합니다!
+    
+    ### 📊 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 ��시간 스트리밍으로 응답합니다!
+    🔍 **NEW!** Brave Search 웹검색으로 최신 상권 트렌드를 자동 반영합니다!
+    """)
+
+# 실행
+if __name__ == "__main__":
+    demo.launch(server_name="0.0.0.0", server_port=7860, share=False)