app.py

import gradio as gr
import pandas as pd
import numpy as np
import os
from openai import OpenAI

# --- OpenAI設定 ---
api_key = os.getenv("OPENAI_API_KEY")

def analyze_cd_logic(m_file, p_file, target_brand):
    if not api_key:
        return "❌ OpenAI APIキーが設定されていません。Settings > Secretsを確認してください。"
    if m_file is None or p_file is None or not target_brand:
        return "⚠️ 原紙マスタ、製品マップの両方をアップロードし、銘柄名を入力してください。"

    client = OpenAI(api_key=api_key)

    try:
        # データ読み込み
        m_df = pd.read_csv(m_file.name)
        if '1' in m_df.columns:
            m_df.columns = m_df.iloc[0]
            m_df = m_df[1:].reset_index(drop=True)
            
        p_df = pd.read_csv(p_file.name)
        if '基礎情報' in p_df.columns:
            p_df.columns = p_df.iloc[0]
            p_df = p_df[1:].reset_index(drop=True)

        # 1. 銘柄特定ロジック
        mask = (m_df['親品番'].astype(str) == target_brand) | \
               (m_df['銘柄名'].astype(str) == target_brand) | \
               (m_df.iloc[:, 2].astype(str) == target_brand)
        
        brand_data = m_df[mask]
        if brand_data.empty:
            return f"❌ 銘柄「{target_brand}」は見つかりませんでした。"
        
        spec = brand_data.iloc[0]
        findings = []

        # --- ロジック抽出 ---
        # A. 共用銘柄化（単価差）
        all_same_parent = m_df[m_df['親品番'] == spec['親品番']].copy()
        all_same_parent['price'] = pd.to_numeric(all_same_parent['仕入単価（新）'], errors='coerce')
        if all_same_parent['製紙会社'].nunique() > 1:
            findings.append(f"【共用銘柄化】同一品番内で単価乖離あり(最大差:{all_same_parent['price'].max() - all_same_parent['price'].min()}円)。安値メーカーへの集約。")

        # B. 環境対応（1Gナレッジ）
        if str(spec.get('古紙使用フラグ')) == '1':
            findings.append("【環境対応見直し】古紙配合品からFSC認証紙へのスペック変更。1G成功事例(▲18M)に基づくコストダウン。")

        # C. 一般品化
        if '1' in [str(spec.get('特抄フラグ')), str(spec.get('特寸フラグ'))]:
            findings.append("【価値の再定義】特抄・特寸仕様を廃止し、汎用JIS規格品へ切り替え。競争環境の再構築。")

        # D. 坪量適正化
        gram = pd.to_numeric(spec['坪量　g/㎡'], errors='coerce')
        if not np.isnan(gram) and gram > 70:
            findings.append(f"【仕様変更】現行{gram}g/㎡。製品要件を再定義し薄物化による面積単価低減。")

        if not findings:
            return "💡 明確な自動判定ロジックに該当する施策が見つかりませんでした。個別交渉を検討してください。"

        # OpenAIによる詳細化
        prompt = f"""
        あなたは調達戦略スペシャリストです。以下の分析結果を、実務的な「CD施策シート」に変換してください。
        交渉メール、挨拶、反論対策は一切不要です。論理性と具体的アクションのみを出力してください。

        【対象銘柄】: {target_brand} ({spec['製紙会社']} / {spec['仕入単価（新）']}円)
        【抽出された事実】:
        {"/".join(findings)}

        【出力項目】
        各項目について以下を記載：
        1. 切り口
        2. 具体的な方法
        3. 現状の課題（データ根拠）
        4. 提案内容と期待効果（具体的アクション）
        """

        response = client.chat.completions.create(
            model="gpt-4o",
            messages=[{"role": "system", "content": "論理的な調達分析官として振る舞ってください。"},
                      {"role": "user", "content": prompt}],
            temperature=0.3
        )
        return response.choices[0].message.content

    except Exception as e:
        return f"解析エラー: {str(e)}"

# --- Gradio UI ---
with gr.Blocks(title="CDG AI Strategist") as demo:
    gr.Markdown("# 🛡️ CDG AI Strategist - 資材1G論理分析")
    gr.Markdown("原紙マスタと製品マップから、利益貢献の切り口に基づいた具体的CD案を生成します。")
    
    with gr.Row():
        with gr.Column():
            m_input = gr.File(label="1. 原紙マスタ(CSV)をアップロード")
            p_input = gr.File(label="2. 製品マップ(CSV)をアップロード")
            brand_input = gr.Textbox(label="3. 分析対象の銘柄名を入力", placeholder="例: Jｳﾒ70AC")
            btn = gr.Button("分析実行", variant="primary")
        
        with gr.Column():
            output = gr.Markdown(label="CD施策詳細レポート")

    btn.click(fn=analyze_cd_logic, inputs=[m_input, p_input, brand_input], outputs=output)

# HuggingFace用の起動設定
if __name__ == "__main__":
    demo.launch()