config.py

import streamlit as st
import os

# OpenAI Configuration
def get_openai_api_key():
    """Get OpenAI API key from user input in session state"""
    api_key = st.session_state.get('openai_api_key', '')
    if not api_key:
        return None
    return api_key

# Application Configuration
MAX_IMAGE_SIZE = 10 * 1024 * 1024  # 10MB
SUPPORTED_FORMATS = ['jpg', 'jpeg', 'png', 'webp']
AI_MODEL = "gpt-5"

# Analysis Settings
ANALYSIS_TIMEOUT = 60  # seconds
MAX_RETRY_ATTEMPTS = 3

# UI Configuration
PRIMARY_COLOR = "#FF6B6B"
BACKGROUND_COLOR = "#FFFFFF"
SECONDARY_BACKGROUND_COLOR = "#F0F2F6"
TEXT_COLOR = "#262730"

# Prompt Templates
ANALYSIS_PROMPT_TEMPLATE = """
Jesteś ekspertem w analizie ekspozycji produktów w sklepach detalicznych. 
Przeanalizuj to zdjęcie półki pod kątem obecności produktu: "{product_name}".

Zwróć wyniki w formacie JSON z następującymi polami:
{{
    "product_found": true/false,
    "facing_count": liczba_widocznych_sztuk,
    "shelf_position": "top"/"middle"/"bottom",
    "price_visible": true/false,
    "product_condition": "good"/"dusty"/"damaged",
    "overall_score": ocena_1_10,
    "confidence": pewność_0_1,
    "description": "szczegółowy_opis_sytuacji",
    "competitors_nearby": ["lista_konkurencyjnych_produktów"],
    "shelf_share": procent_zajętości_półki
}}

Poziom analizy: {analysis_depth}
"""

RECOMMENDATIONS_RULES = {
    "position": {
        "eye_level": "Przenieś produkty na poziom oczu (zwiększa sprzedaż o 30%)",
        "visibility": "Popraw widoczność produktów"
    },
    "quantity": {
        "increase_facings": "Dodaj dodatkowe facings",
        "restock": "Uzupełnij brakujące produkty"
    },
    "condition": {
        "cleaning": "Wyczyść produkty i opakowania",
        "replace_damaged": "Wymień uszkodzone produkty"
    },
    "pricing": {
        "add_price": "Dodaj widoczną cenę",
        "update_price": "Zaktualizuj cenę"
    }
}