Create app.py

app.py

@@ -0,0 +1,623 @@
+"""
+TenAI PMAI Pro - 기업 자산관리 AI 플랫폼
+Zero Hardware | Data Monopoly | AI Transformation
+Fireworks Vision API + Groq LLM
+"""
+import gradio as gr
+import requests
+import os, json, base64, re
+from typing import Generator, Optional, List, Dict
+import pandas as pd
+import numpy as np
+try:
+    import fitz
+    PDF_AVAILABLE = True
+except ImportError:
+    PDF_AVAILABLE = False
+try:
+    from PIL import Image
+    IMAGE_AVAILABLE = True
+except ImportError:
+    IMAGE_AVAILABLE = False
+try:
+    import folium
+    from folium.plugins import HeatMap
+    FOLIUM_AVAILABLE = True
+except ImportError:
+    FOLIUM_AVAILABLE = False
+try:
+    import plotly.express as px
+    import plotly.graph_objects as go
+    PLOTLY_AVAILABLE = True
+except ImportError:
+    PLOTLY_AVAILABLE = False
+try:
+    from datasets import load_dataset
+    DATASETS_AVAILABLE = True
+except ImportError:
+    DATASETS_AVAILABLE = False
+FIREWORKS_API_KEY = os.environ.get("FIREWORKS_API_KEY", "")
+GROQ_API_KEY = os.environ.get("GROQ_API_KEY", "")
+FIREWORKS_VISION_URL = "https://api.fireworks.ai/inference/v1/chat/completions"
+FIREWORKS_VISION_MODEL = "accounts/fireworks/models/qwen3-vl-235b-a22b-thinking"
+DEMO_MODE = not FIREWORKS_API_KEY and not GROQ_API_KEY
+groq_client = None
+if GROQ_API_KEY:
+    try:
+        from groq import Groq
+        groq_client = Groq(api_key=GROQ_API_KEY)
+    except:
+        pass
+PMAI_SYSTEM_PROMPT = """당신은 TenAI의 PMAI(Property Management AI)입니다. 기업 자산관리를 위한 24시간 AI 비서입니다.
+핵심 역량: Vision AI + RAG + 추론엔진 기반 문서 분석, 비정형 문서와 도면 이해
+제공 가치: AMC(자산운용)-실시간 가치평가, PMC(임대관리)-공실관리 자동화, FMC(시설관리)-시설점검 자동화
+특징: Zero Hardware-센서 없이 즉시 도입, 문서 기반 분석, 비용 절감 & 수익 증대
+한국어로 친절하고 전문적으로 응답하세요."""
+DOCUMENT_ANALYSIS_PROMPT = """당신은 TenAI의 문서 분석 AI입니다. 업로드된 문서를 분석하여:
+1. 핵심 정보 추출 2. 잠재적 리스크 식별 3. 비용 최적화 포인트 도출 4. 실행 가능한 인사이트 제공"""
+COST_ANALYSIS_PROMPT = """당신은 TenAI의 비용 분석 AI입니다. 운영비용 데이터를 분석하여:
+1. 비용 구조 분석 2. 누수 지점 식별 3. 절감 가능 항목 도출 4. ROI 기반 우선순위 제안"""
+SOMA_AGENTS = {
+    "coordinator": {"name": "🎯 종합 코디네이터", "role": "SOMA 팀장", "prompt": "당신은 SOMA 팀의 종합 코디네이터입니다. 각 전문가의 분석 결과를 종합하여 Executive Summary를 작성합니다. 한국어로 응답하세요."},
+    "document_analyst": {"name": "📋 문서 분석가", "role": "문서/계약서 전문", "prompt": "당신은 SOMA 팀의 문서 분석 전문가입니다. 임대차계약서, 유지보수 계약 등을 정밀 분석합니다. 한국어로 응답하세요."},
+    "financial_expert": {"name": "💰 재무 전문가", "role": "비용/수익 분석", "prompt": "당신은 SOMA 팀의 재무 분석 전문가입니다. 재무적 영향을 분석하고 비용 절감 방안을 제시합니다. 한국어로 응답하세요."},
+    "legal_advisor": {"name": "⚖️ 법률 자문가", "role": "법적 리스크 검토", "prompt": "당신은 SOMA 팀의 법률 자문 전문가입니다. 법적 리스크, 불리한 조항을 식별합니다. 한국어로 응답하세요."},
+    "facility_manager": {"name": "🔧 시설 관리자", "role": "운영/시설 전문", "prompt": "당신은 SOMA 팀의 시설 관리 전문가입니다. 시설 운영 관점에서 분석합니다. 한국어로 응답하세요."},
+    "market_analyst": {"name": "📊 상권 분석가", "role": "입지/상권 전문", "prompt": "당신은 SOMA 팀의 상권 분석 전문가입니다. 입지, 주변 상권, 유동인구를 분석합니다. 한국어로 응답하세요."}
+}
+SEOUL_DISTRICTS = {
+    "강남구": {"lat": 37.5172, "lng": 127.0473, "특성": "IT/금융 중심, 고급 오피스", "평균임대료": 85000},
+    "서초구": {"lat": 37.4837, "lng": 127.0324, "특성": "법조타운, 교육/문화", "평균임대료": 75000},
+    "송파구": {"lat": 37.5145, "lng": 127.1050, "특성": "잠실 상권, 주거/상업 복합", "평균임대료": 65000},
+    "마포구": {"lat": 37.5663, "lng": 126.9014, "특성": "홍대/합정 상권, 문화/예술", "평균임대료": 55000},
+    "영등포구": {"lat": 37.5264, "lng": 126.8963, "특성": "여의도 금융, 타임스퀘어", "평균임대료": 70000},
+    "용산구": {"lat": 37.5324, "lng": 126.9903, "특성": "이태원/한남, 재개발", "평균임대료": 60000},
+    "성동구": {"lat": 37.5634, "lng": 127.0369, "특성": "성수동 핫플, 지식산업", "평균임대료": 55000},
+    "종로구": {"lat": 37.5735, "lng": 126.9790, "특성": "도심 CBD, 전통 상권", "평균임대료": 80000},
+    "중구": {"lat": 37.5641, "lng": 126.9979, "특성": "명동/을지로, ��광/상업", "평균임대료": 90000},
+    "강서구": {"lat": 37.5510, "lng": 126.8495, "특성": "마곡지구, 산업단지", "평균임대료": 45000},
+    "구로구": {"lat": 37.4954, "lng": 126.8874, "특성": "디지털단지, 산업", "평균임대료": 40000},
+    "금천구": {"lat": 37.4569, "lng": 126.8956, "특성": "가산디지털, IT", "평균임대료": 38000},
+}
+MARKET_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'}
+class MarketDataLoader:
+    @staticmethod
+    def load_region_data(region: str, sample_size: int = 20000) -> pd.DataFrame:
+        if not DATASETS_AVAILABLE:
+            return pd.DataFrame()
+        try:
+            file_name = f"소상공인시장진흥공단_상가(상권)정보_{MARKET_REGIONS[region]}.csv"
+            dataset = load_dataset("ginipick/market", data_files=file_name, split="train")
+            df = dataset.to_pandas()
+            return df.sample(n=min(sample_size, len(df)), random_state=42)
+        except:
+            return pd.DataFrame()
+    @staticmethod
+    def load_multiple_regions(regions: List[str], sample_per_region: int = 20000) -> pd.DataFrame:
+        dfs = [MarketDataLoader.load_region_data(r, sample_per_region) for r in regions]
+        return pd.concat([d for d in dfs if not d.empty], ignore_index=True) if any(not d.empty for d in dfs) else pd.DataFrame()
+class MarketAnalyzer:
+    def __init__(self, df: pd.DataFrame):
+        self.df = df
+        self.prepare_data()
+    def prepare_data(self):
+        for col in ['경도', '위도']:
+            if col in self.df.columns:
+                self.df[col] = pd.to_numeric(self.df[col], errors='coerce')
+        self.df = self.df.dropna(subset=['경도', '위도'])
+        if '층정보' in self.df.columns:
+            self.df['층정보_숫자'] = self.df['층정보'].apply(self._parse_floor)
+    def _parse_floor(self, floor_str):
+        if pd.isna(floor_str): return None
+        s = str(floor_str)
+        if '지하' in s or 'B' in s:
+            m = re.search(r'\d+', s)
+            return -int(m.group()) if m else -1
+        m = re.search(r'\d+', s)
+        return int(m.group()) if m else None
+    def get_summary(self) -> Dict:
+        return {
+            '총점포수': len(self.df),
+            '업종수': self.df['상권업종중분류명'].nunique() if '상권업종중분류명' in self.df.columns else 0,
+            '상위업종': self.df['상권업종중분류명'].value_counts().head(5).to_dict() if '상권업종중분류명' in self.df.columns else {},
+        }
+    def create_category_chart(self):
+        if not PLOTLY_AVAILABLE or '상권업종중분류명' not in self.df.columns: return None
+        top = self.df['상권업종중분류명'].value_counts().head(15)
+        fig = px.bar(x=top.values, y=top.index, orientation='h', title='🏆 상위 업종 TOP 15', color=top.values, color_continuous_scale='blues')
+        fig.update_layout(showlegend=False, height=450)
+        return fig
+    def create_district_chart(self):
+        if not PLOTLY_AVAILABLE or '시군구명' not in self.df.columns: return None
+        counts = self.df['시군구명'].value_counts().head(15)
+        fig = px.bar(x=counts.values, y=counts.index, orientation='h', title='📍 지역별 점포 밀집도', color=counts.values, color_continuous_scale='reds')
+        fig.update_layout(showlegend=False, height=450)
+        return fig
+    def create_heatmap(self, sample_size: int = 2000) -> str:
+        if not FOLIUM_AVAILABLE: return "<p>folium 설치 필요</p>"
+        df_sample = self.df.sample(n=min(sample_size, len(self.df)), random_state=42)
+        m = folium.Map(location=[df_sample['위도'].mean(), df_sample['경도'].mean()], zoom_start=11, tiles='cartodbpositron')
+        HeatMap([[r['위도'], r['경도']] for _, r in df_sample.iterrows()], radius=15, blur=25).add_to(m)
+        return m._repr_html_()
+class AppState:
+    def __init__(self):
+        self.analyzer = None
+app_state = AppState()
+def encode_image_to_base64(image_path: str) -> str:
+    with open(image_path, "rb") as f:
+        return base64.b64encode(f.read()).decode('utf-8')
+def get_image_mime_type(file_path: str) -> str:
+    ext = file_path.lower().split('.')[-1]
+    return {'jpg': 'image/jpeg', 'jpeg': 'image/jpeg', 'png': 'image/png', 'gif': 'image/gif', 'webp': 'image/webp'}.get(ext, 'image/jpeg')
+def extract_text_from_image_fireworks(image_path: str) -> str:
+    """Fireworks AI Vision API를 사용한 이미지 OCR"""
+    if not FIREWORKS_API_KEY:
+        return """[데모 모드] 이미지 OCR 결과:
+---
+임대차 계약서
+제1조 (목적) 임대인은 ��래 부동산을 임차인에게 임대한다.
+소재지: 서울시 강남구 테헤란로 123, 5층
+임대면적: 330.58㎡ (100평)
+임대기간: 2024.01.01 ~ 2026.12.31 (3년)
+보증금: 금 삼억원정 (₩300,000,000)
+월임대료: 금 일천오백만원정 (₩15,000,000)
+관리비: 평당 25,000원 (월 250만원)
+---
+⚠️ FIREWORKS_API_KEY 설정 시 실제 OCR 결과 제공"""
+    try:
+        base64_image = encode_image_to_base64(image_path)
+        mime_type = get_image_mime_type(image_path)
+        headers = {
+            "Accept": "application/json",
+            "Content-Type": "application/json",
+            "Authorization": f"Bearer {FIREWORKS_API_KEY}"
+        }
+        payload = {
+            "model": FIREWORKS_VISION_MODEL,
+            "max_tokens": 4096,
+            "temperature": 0.2,
+            "messages": [
+                {
+                    "role": "user",
+                    "content": [
+                        {
+                            "type": "text",
+                            "text": """이 이미지는 부동산 관련 문서(계약서, 도면, 관리문서 등)입니다.
+이미지에 있는 모든 텍스트를 정확하게 추출해주세요.
+표나 도표가 있다면 구조를 유지하여 텍스트로 변환해주세요.
+한국어와 영어 모두 정확하게 인식해주세요.
+추출한 텍스트만 출력하고, 다른 설명은 하지 마세요."""
+                        },
+                        {
+                            "type": "image_url",
+                            "image_url": {
+                                "url": f"data:{mime_type};base64,{base64_image}"
+                            }
+                        }
+                    ]
+                }
+            ]
+        }
+        response = requests.post(FIREWORKS_VISION_URL, headers=headers, json=payload, timeout=60)
+        if response.status_code == 200:
+            result = response.json()
+            content = result.get("choices", [{}])[0].get("message", {}).get("content", "")
+            if content:
+                if "<think>" in content and "</think>" in content:
+                    content = re.sub(r'<think>.*?</think>', '', content, flags=re.DOTALL).strip()
+                return content
+            return "⚠️ OCR 결과가 비어있습니다."
+        else:
+            return f"❌ API 오류 ({response.status_code}): {response.text[:200]}"
+    except requests.exceptions.Timeout:
+        return "❌ API 응답 시간 초과. 다시 시도해주세요."
+    except Exception as e:
+        return f"❌ OCR 처리 오류: {str(e)}"
+def extract_text_from_pdf(file_path: str) -> str:
+    if not PDF_AVAILABLE:
+        return "❌ PyMuPDF 설치 필요: pip install pymupdf"
+    try:
+        doc = fitz.open(file_path)
+        texts = [f"--- 페이지 {i+1} ---\n{page.get_text()}" for i, page in enumerate(doc) if page.get_text().strip()]
+        doc.close()
+        return "\n\n".join(texts) if texts else "⚠️ 텍스트 추출 실패 (이미지 PDF일 수 있음)"
+    except Exception as e:
+        return f"❌ PDF 오류: {e}"
+def generate_response_fireworks(message: str, history: list, system_prompt: str) -> Generator:
+    """Fireworks AI를 사용한 텍스트 생성 (스트리밍)"""
+    if not FIREWORKS_API_KEY:
+        demo = f"""## 🏢 PMAI 분석 결과
+**질문**: {message}
+---
+### 📋 분석 내용
+1. **현황**: 입력 내용 기반 자산관리 관점 분석 완료
+2. **핵심**: Zero Hardware 접근, 문서 기반 비용 절감 포인트 도출
+3. **권장**: 운영비용 구조 재검토, 에너지 효율화, 공실률 관리 전략
+> ⚠️ 데모 모드 - FIREWORKS_API_KEY 설정 시 상세 분석 제공"""
+        for i in range(0, len(demo), 20):
+            yield demo[:i+20]
+        return
+    messages = [{"role": "system", "content": system_prompt}]
+    for h in history:
+        if isinstance(h, (list, tuple)) and len(h) >= 2:
+            messages.extend([{"role": "user", "content": str(h[0])}, {"role": "assistant", "content": str(h[1])}])
+    messages.append({"role": "user", "content": message})
+    headers = {"Accept": "application/json", "Content-Type": "application/json", "Authorization": f"Bearer {FIREWORKS_API_KEY}"}
+    payload = {"model": "accounts/fireworks/models/qwen3-235b-a22b-instruct-2507", "max_tokens": 4096, "temperature": 0.7, "stream": True, "messages": messages}
+    try:
+        response = requests.post(FIREWORKS_VISION_URL, headers=headers, json=payload, stream=True, timeout=60)
+        if response.status_code == 200:
+            full_response = ""
+            for line in response.iter_lines():
+                if line:
+                    line_text = line.decode('utf-8')
+                    if line_text.startswith('data: '):
+                        data_str = line_text[6:]
+                        if data_str.strip() == '[DONE]':
+                            break
+                        try:
+                            data = json.loads(data_str)
+                            content = data.get('choices', [{}])[0].get('delta', {}).get('content', '')
+                            if content:
+                                full_response += content
+                                clean = re.sub(r'<think>.*?</think>', '', full_response, flags=re.DOTALL).strip()
+                                yield clean
+                        except:
+                            continue
+        else:
+            yield f"❌ API 오류: {response.status_code}"
+    except Exception as e:
+        yield f"❌ 오류: {e}"
+def generate_response(message: str, history: list, system_prompt: str = PMAI_SYSTEM_PROMPT) -> Generator:
+    """Groq 또는 Fireworks를 사용한 응답 생성"""
+    if groq_client:
+        messages = [{"role": "system", "content": system_prompt}]
+        for h in history:
+            if isinstance(h, (list, tuple)) and len(h) >= 2:
+                messages.extend([{"role": "user", "content": str(h[0])}, {"role": "assistant", "content": str(h[1])}])
+        messages.append({"role": "user", "content": message})
+        try:
+            completion = groq_client.chat.completions.create(model="llama-3.3-70b-versatile", messages=messages, temperature=0.7, max_tokens=4096, stream=True)
+            response = ""
+            for chunk in completion:
+                if chunk.choices[0].delta.content:
+                    response += chunk.choices[0].delta.content
+                    yield response
+            return
+        except:
+            pass
+    yield from generate_response_fireworks(message, history, system_prompt)
+def chat_respond(message: str, history: list):
+    if not message or not message.strip():
+        yield history or []
+        return
+    history = history or []
+    history_api = []
+    for h in history:
+        if isinstance(h, dict):
+            r, c = h.get("role", ""), h.get("content", "")
+            if r == "user": history_api.append([c, ""])
+            elif r == "assistant" and history_api: history_api[-1][1] = c
+    new_history = list(history) + [{"role": "user", "content": message}, {"role": "assistant", "content": ""}]
+    for chunk in generate_response(message, history_api, PMAI_SYSTEM_PROMPT):
+        new_history[-1] = {"role": "assistant", "content": chunk}
+        yield new_history
+def run_soma_analysis(document_text: str, selected_agents: List[str]) -> Generator:
+    if not document_text.strip():
+        yield "📄 문서 내용이 필요합니다."
+        return
+    if not selected_agents:
+        selected_agents = ["document_analyst", "financial_expert", "legal_advisor"]
+    output = "# 🤖 SOMA 멀티 에이전트 협업 분석\n\n---\n\n"
+    yield output
+    results = {}
+    for key in selected_agents:
+        agent = SOMA_AGENTS.get(key)
+        if not agent: continue
+        output += f"## {agent['name']}\n**역할**: {agent['role']}\n\n⏳ 분석 중...\n\n"
+        yield output
+        prompt = f"{agent['prompt']}\n\n분석할 문서:\n---\n{document_text[:6000]}\n---\n구체적인 인사이트를 제공하세요."
+        agent_response = ""
+        for chunk in generate_response(prompt, [], agent['prompt']):
+            agent_response = chunk
+        results[key] = agent_response
+        output = output.replace("⏳ 분석 중...\n\n", f"{agent_response}\n\n---\n\n")
+        yield output
+    if len(results) > 1 and "coordinator" not in selected_agents:
+        output += f"## {SOMA_AGENTS['coordinator']['name']}\n⏳ 종합 분석 중...\n\n"
+        yield output
+        summary_prompt = f"각 전문가 분석을 종합하여 Executive Summary를 작성하세요:\n" + "\n".join([f"### {SOMA_AGENTS[k]['name']}:\n{v[:1000]}" for k, v in results.items()])
+        coord_response = ""
+        for chunk in generate_response(summary_prompt, [], SOMA_AGENTS['coordinator']['prompt']):
+            coord_response = chunk
+        output = output.replace("⏳ 종합 분석 중...\n\n", f"{coord_response}\n\n")
+        yield output
+    yield output + "\n✅ **SOMA 분석 완료**"
+def analyze_document(document_text: str, document_type: str, file_upload: Optional[str] = None) -> Generator:
+    if file_upload:
+        ext = file_upload.lower().split('.')[-1]
+        if ext == 'pdf':
+            yield "📄 PDF 텍스트 추출 중..."
+            extracted = extract_text_from_pdf(file_upload)
+            if extracted.startswith("❌") or extracted.startswith("⚠️"):
+                yield extracted
+                return
+            document_text = extracted
+            yield f"📄 PDF 추출 완료 ({len(extracted):,}자)\n\n분석 중..."
+        elif ext in ['jpg', 'jpeg', 'png', 'gif', 'webp', 'bmp']:
+            yield f"🖼️ 이미지 OCR 처리 중... (Fireworks Vision AI)"
+            extracted = extract_text_from_image_fireworks(file_upload)
+            if extracted.startswith("❌"):
+                yield extracted
+                return
+            document_text = extracted
+            yield f"🖼️ OCR 완료 ({len(extracted):,}자)\n\n**추출된 텍스���:**\n```\n{extracted[:2000]}{'...' if len(extracted) > 2000 else ''}\n```\n\n분석 중..."
+        else:
+            yield f"❌ 지원하지 않는 형식: .{ext}"
+            return
+    if not document_text or not document_text.strip():
+        yield "📄 문서 내용을 입력하거나 파일을 업로드해주세요."
+        return
+    prompt = f"""다음 {document_type} 문서를 분석해주세요:
+---
+{document_text[:8000]}
+---
+다음 형식으로 분석:
+## 📋 문서 요약 (3줄)
+## 🔍 핵심 정보
+## ⚠️ 리스크 포인트
+## 💡 최적화 제안
+## 📊 액션 아이템"""
+    full_output = ""
+    for chunk in generate_response(prompt, [], DOCUMENT_ANALYSIS_PROMPT):
+        full_output = chunk
+        yield full_output
+    full_output += "\n\n---\n\n## 🤖 SOMA 전문가 추가 인사이트\n\n"
+    yield full_output
+    mini_agents = [("legal_advisor", "⚖️ 법률 자문가"), ("financial_expert", "💰 재무 전문가")]
+    for agent_key, agent_label in mini_agents:
+        agent = SOMA_AGENTS.get(agent_key)
+        if not agent: continue
+        full_output += f"### {agent_label}\n"
+        yield full_output + "분석 중...\n"
+        mini_prompt = f"{agent['prompt']}\n\n문서 내용:\n{document_text[:3000]}\n\n핵심 포인트 3가지만 간결하게 분석해주세요. 각 포인트는 1-2문장으로."
+        agent_response = ""
+        for chunk in generate_response(mini_prompt, [], agent['prompt']):
+            agent_response = chunk
+        full_output += f"{agent_response}\n\n"
+        yield full_output
+def analyze_cost(building_name, monthly_rent, maintenance, utility, personnel, repair, other, vacancy_rate, additional_info) -> Generator:
+    total = maintenance + utility + personnel + repair + other
+    noi = monthly_rent * (1 - vacancy_rate/100) - total
+    cost_data = f"""건물명: {building_name}
+월 임대수입: {monthly_rent:,.0f}원 | 공실률: {vacancy_rate}%
+운영비용 내역:
+- 관리비: {maintenance:,.0f}원 ({maintenance/total*100:.1f}%)
+- 유틸리티: {utility:,.0f}원 ({utility/total*100:.1f}%)
+- 인건비: {personnel:,.0f}원 ({personnel/total*100:.1f}%)
+- 수선유지비: {repair:,.0f}원 ({repair/total*100:.1f}%)
+- 기타: {other:,.0f}원 ({other/total*100:.1f}%)
+- 총 운영비용: {total:,.0f}원
+- 순운영수익(NOI): {noi:,.0f}원
+추가정보: {additional_info or '없음'}"""
+    prompt = f"""건물 운영비용을 분석해주세요:
+{cost_data}
+분석 형식:
+## 📊 비용 구조 분석
+## 🔴 누수 포인트 식별
+## 💰 절감 가능 항목 (구체적 금액 제시)
+## 📈 ROI 기반 우선순위
+## 💵 예상 절감 효과 (월간/연간)"""
+    full_output = ""
+    for chunk in generate_response(prompt, [], COST_ANALYSIS_PROMPT):
+        full_output = chunk
+        yield full_output
+    full_output += "\n\n---\n\n## 🤖 SOMA 전문가 추가 인사이트\n\n"
+    yield full_output
+    mini_agents = [("financial_expert", "💰 재무 전문가"), ("facility_manager", "🔧 시설 관리자")]
+    for agent_key, agent_label in mini_agents:
+        agent = SOMA_AGENTS.get(agent_key)
+        if not agent: continue
+        full_output += f"### {agent_label}\n"
+        yield full_output + "분석 중...\n"
+        mini_prompt = f"{agent['prompt']}\n\n비용 데이터:\n{cost_data}\n\n당신의 전문 분야 관점에서 핵심 인사이트 3가지만 간결하게 제시해주세요."
+        agent_response = ""
+        for chunk in generate_response(mini_prompt, [], agent['prompt']):
+            agent_response = chunk
+        full_output += f"{agent_response}\n\n"
+        yield full_output
+def create_seoul_map(selected: str = None) -> str:
+    if not FOLIUM_AVAILABLE:
+        return "<div style='padding:40px;text-align:center;'><p>folium 설치 필요</p></div>"
+    m = folium.Map(location=[37.5665, 126.9780], zoom_start=11, tiles='cartodbpositron')
+    for name, info in SEOUL_DISTRICTS.items():
+        color = 'red' if name == selected else 'blue'
+        popup = f"<b>{name}</b><br>{info['특성']}<br>임대료: {info['평균임대료']:,}원/평"
+        folium.Marker([info['lat'], info['lng']], popup=popup, tooltip=name, icon=folium.Icon(color=color, icon='building', prefix='fa')).add_to(m)
+        if name == selected:
+            folium.Circle([info['lat'], info['lng']], radius=1500, color='red', fill=True, fillOpacity=0.2).add_to(m)
+    return m._repr_html_()
+def analyze_location(district: str) -> Generator:
+    if district not in SEOUL_DISTRICTS:
+        yield "지역 정보 없음"
+        return
+    info = SEOUL_DISTRICTS[district]
+    location_data = f"""지역: 서울시 {district}
+특성: {info['특성']}
+평균 임대료: {info['평균임대료']:,}원/평
+위치: 위도 {info['lat']}, 경도 {info['lng']}"""
+    prompt = f"""서울시 {district}의 상권 및 부동산 입지를 분석해주세요.
+{location_data}
+다음 관점에서 상세히 분석:
+## 📍 상권 특성 분석
+(주요 업종, 유동인구 패턴, 소비 특성)
+## 🏢 오피스/상가 시장 현황
+(임대료 수준, 공실률 추이, 수요-공급)
+## 📈 투자 매력도 평가
+(자산가치 상승 가능성, 개발 호재)
+## ⚠️ 리스크 요인
+## 🎯 추천 전략"""
+    full_output = ""
+    for chunk in generate_response(prompt, [], SOMA_AGENTS['market_analyst']['prompt']):
+        full_output = chunk
+        yield full_output
+    full_output += "\n\n---\n\n## 🤖 SOMA 전문가 추가 인사이트\n\n"
+    yield full_output
+    mini_agents = [("financial_expert", "💰 재무 전문가"), ("facility_manager", "🔧 시설 관리자")]
+    for agent_key, agent_label in mini_agents:
+        agent = SOMA_AGENTS.get(agent_key)
+        if not agent: continue
+        full_output += f"### {agent_label}\n"
+        yield full_output + "분석 중...\n"
+        mini_prompt = f"{agent['prompt']}\n\n입지 정보:\n{location_data}\n\n이 지역에서 자산관리 시 당신의 전문 분야 관점에서 핵심 조언 3가지만 간결하게 제시해주세요."
+        agent_response = ""
+        for chunk in generate_response(mini_prompt, [], agent['prompt']):
+            agent_response = chunk
+        full_output += f"{agent_response}\n\n"
+        yield full_output
+def create_cost_chart(m, u, p, r, o):
+    if not PLOTLY_AVAILABLE: return None
+    fig = go.Figure(data=[go.Pie(labels=['관리비','유틸리티','인건비','수선비','기타'], values=[m,u,p,r,o], hole=0.4, marker_colors=['#3B82F6','#10B981','#F59E0B','#EF4444','#8B5CF6'])])
+    fig.update_layout(title='월간 운영비용', height=350, paper_bgcolor='#ffffff', font=dict(color='#1e293b'))
+    return fig
+CSS = """
+@import url('https://fonts.googleapis.com/css2?family=Noto+Sans+KR:wght@400;500;700&display=swap');
+.gradio-container { background: linear-gradient(135deg, #f8fafc 0%, #e2e8f0 50%, #f1f5f9 100%) !important; font-family: 'Noto Sans KR', sans-serif !important; min-height: 100vh; }
+.gr-button-primary { background: linear-gradient(135deg, #2563eb, #3b82f6) !important; border: none !important; color: white !important; font-weight: 600 !important; box-shadow: 0 4px 14px rgba(37,99,235,0.35) !important; }
+.gr-button-primary:hover { background: linear-gradient(135deg, #1d4ed8, #2563eb) !important; transform: translateY(-1px) !important; box-shadow: 0 6px 20px rgba(37,99,235,0.4) !important; }
+.gr-panel, .block { background: #ffffff !important; border: 1px solid #e2e8f0 !important; border-radius: 16px !important; box-shadow: 0 4px 20px rgba(0,0,0,0.08) !important; }
+textarea, input[type="text"], input[type="number"] { background: #ffffff !important; border: 2px solid #e2e8f0 !important; color: #1e293b !important; border-radius: 10px !important; }
+textarea:focus, input:focus { border-color: #3b82f6 !important; box-shadow: 0 0 0 3px rgba(59,130,246,0.15) !important; }
+label, .gr-input-label { color: #334155 !important; font-weight: 500 !important; }
+.gr-markdown { color: #334155 !important; }
+.gr-markdown h1, .gr-markdown h2, .gr-markdown h3 { color: #1e40af !important; font-weight: 700 !important; }
+.gr-markdown h1 { font-size: 1.8em !important; }
+.gr-markdown h2 { font-size: 1.4em !important; }
+.gr-markdown h3 { font-size: 1.2em !important; }
+.gr-chatbot { background: #ffffff !important; border: 1px solid #e2e8f0 !important; border-radius: 16px !important; }
+.gr-tab-nav { background: #f1f5f9 !important; border-radius: 12px !important; padding: 4px !important; }
+.gr-tab-nav button { color: #64748b !important; font-weight: 500 !important; border-radius: 8px !important; }
+.gr-tab-nav button.selected { background: #ffffff !important; color: #2563eb !important; box-shadow: 0 2px 8px rgba(0,0,0,0.1) !important; }
+.gr-accordion { background: #f8fafc !important; border: 1px solid #e2e8f0 !important; border-radius: 12px !important; }
+.gr-dropdown { background: #ffffff !important; border: 2px solid #e2e8f0 !important; border-radius: 10px !important; }
+.gr-checkbox-group { background: #f8fafc !important; border-radius: 10px !important; padding: 12px !important; }
+::-webkit-scrollbar { width: 8px; height: 8px; }
+::-webkit-scrollbar-track { background: #f1f5f9; border-radius: 4px; }
+::-webkit-scrollbar-thumb { background: #94a3b8; border-radius: 4px; }
+::-webkit-scrollbar-thumb:hover { background: #64748b; }
+footer { display: none !important; }
+"""
+def create_demo():
+    with gr.Blocks(title="TenAI PMAI Pro", css=CSS) as demo:
+        gr.HTML("""<div style="text-align:center;padding:35px 20px;background:linear-gradient(135deg,#ffffff,#f8fafc);border-radius:20px;border:1px solid #e2e8f0;margin-bottom:25px;box-shadow:0 8px 30px rgba(0,0,0,0.08);">
+<h1 style="color:#1e40af;font-size:2.6em;margin:0;font-weight:800;">🏢 TenAI PMAI Pro</h1>
+<p style="color:#475569;margin:12px 0 5px 0;font-size:1.15em;font-weight:500;">기업 자산관리 AI 플랫폼</p>
+<p style="color:#64748b;margin:5px 0 20px 0;font-size:0.95em;">"하드웨어 없는 건물 운영체제(OS), TenAI"</p>
+<div style="display:flex;justify-content:center;gap:12px;flex-wrap:wrap;">
+<span style="background:linear-gradient(135deg,#2563eb,#3b82f6);padding:10px 22px;border-radius:25px;color:white;font-size:0.9em;font-weight:600;box-shadow:0 4px 12px rgba(37,99,235,0.3);">⚡ Zero Hardware</span>
+<span style="background:linear-gradient(135deg,#059669,#10b981);padding:10px 22px;border-radius:25px;color:white;font-size:0.9em;font-weight:600;box-shadow:0 4px 12px rgba(16,185,129,0.3);">🖼️ Fireworks Vision AI</span>
+<span style="background:linear-gradient(135deg,#7c3aed,#8b5cf6);padding:10px 22px;border-radius:25px;color:white;font-size:0.9em;font-weight:600;box-shadow:0 4px 12px rgba(139,92,246,0.3);">🤖 SOMA Multi-Agent</span>
+</div></div>""")
+        with gr.Tabs():
+            with gr.Tab("💬 PMAI 상담"):
+                gr.Markdown("### 🤖 24시간 AI 자산관리 비서")
+                chatbot = gr.Chatbot(height=400)
+                with gr.Row():
+                    msg = gr.Textbox(placeholder="질문을 입력하세요...", show_label=False, scale=9)
+                    btn = gr.Button("전송", variant="primary", scale=1)
+                gr.Examples(["공실률을 낮추는 방법은?", "건물 유지보수 비용 절감 전략", "임대차 계약 갱신 시 주의점"], inputs=msg)
+                msg.submit(chat_respond, [msg, chatbot], [chatbot]).then(lambda: "", None, [msg])
+                btn.click(chat_respond, [msg, chatbot], [chatbot]).then(lambda: "", None, [msg])
+            with gr.Tab("📄 문서 분석"):
+                gr.Markdown("### 📋 Vision AI 문서 분석\n**PDF** 또는 **이미지**(계약서 사진, 스캔본) 업로드 시 자동 OCR 처리")
+                with gr.Row():
+                    with gr.Column(scale=1):
+                        doc_type = gr.Dropdown(["임대차계약서", "유지보수 문서", "시설점검 보고서", "관리비 내역서", "건물 도면", "기타"], value="임대차계약서", label="문서 유형")
+                        file_upload = gr.File(label="📎 파일 업로드 (PDF/이미지)", file_types=[".pdf",".jpg",".jpeg",".png",".gif",".webp"], type="filepath")
+                        gr.Markdown("<small>✅ 지원: PDF, JPG, PNG, GIF, WEBP | 🖼️ 이미지는 Fireworks Vision AI로 OCR</small>")
+                        doc_input = gr.Textbox(lines=6, placeholder="또는 텍스트 직접 입력...", label="문서 내용")
+                        analyze_btn = gr.Button("🔍 분석 시작", variant="primary", size="lg")
+                    with gr.Column(scale=1):
+                        analysis_output = gr.Markdown("### 📊 분석 결과\n파일 업로드 또는 텍스트 입력 후 분석 시작")
+                analyze_btn.click(analyze_document, [doc_input, doc_type, file_upload], analysis_output)
+            with gr.Tab("💰 비용 분석"):
+                gr.Markdown("### 📈 운영비용 최적화 분석")
+                with gr.Row():
+                    with gr.Column():
+                        building = gr.Textbox(label="건물명", value="강남테크타워")
+                        rent = gr.Number(label="월 임대수입 (원)", value=50000000)
+                        vacancy = gr.Slider(0, 100, 10, label="공실률 (%)")
+                        gr.Markdown("#### 월간 운영비용")
+                        m_cost = gr.Number(label="관리비", value=5000000)
+                        u_cost = gr.Number(label="유틸리티", value=8000000)
+                        p_cost = gr.Number(label="인건비", value=12000000)
+                        r_cost = gr.Number(label="수선유지비", value=3000000)
+                        o_cost = gr.Number(label="기타", value=2000000)
+                        add_info = gr.Textbox(label="추가 정보", lines=2)
+                        cost_btn = gr.Button("💡 비용 분석", variant="primary")
+                    with gr.Column():
+                        cost_chart = gr.Plot()
+                        cost_output = gr.Markdown("### 📊 분석 결과")
+                cost_btn.click(lambda m,u,p,r,o: create_cost_chart(m,u,p,r,o), [m_cost,u_cost,p_cost,r_cost,o_cost], cost_chart)
+                cost_btn.click(analyze_cost, [building,rent,m_cost,u_cost,p_cost,r_cost,o_cost,vacancy,add_info], cost_output)
+            with gr.Tab("🗺️ 입지 분석"):
+                gr.Markdown("### 📍 서울시 상권 분석")
+                with gr.Row():
+                    with gr.Column():
+                        district = gr.Dropdown(list(SEOUL_DISTRICTS.keys()), value="강남구", label="지역 선택")
+                        loc_btn = gr.Button("📊 입지 분석", variant="primary")
+                    with gr.Column():
+                        map_html = gr.HTML(value=create_seoul_map())
+                        loc_output = gr.Markdown("### 분석 결과")
+                district.change(create_seoul_map, [district], [map_html])
+                loc_btn.click(analyze_location, [district], loc_output)
+            with gr.Tab("🤖 SOMA 협업"):
+                gr.Markdown("### 🤖 멀티 에이전트 협업 분석\n6명�� AI 전문가가 문서를 다각도로 분석")
+                with gr.Row():
+                    with gr.Column():
+                        soma_agents = gr.CheckboxGroup([("📋 문서분석가","document_analyst"),("💰 재무전문가","financial_expert"),("⚖️ 법률자문가","legal_advisor"),("🔧 시설관리자","facility_manager"),("📊 상권분석가","market_analyst")], value=["document_analyst","financial_expert","legal_advisor"], label="분석 팀")
+                        soma_file = gr.File(label="파일 업로드", file_types=[".pdf",".jpg",".jpeg",".png"], type="filepath")
+                        soma_text = gr.Textbox(lines=5, placeholder="또는 텍스트 입력...", label="문서 내용")
+                        soma_btn = gr.Button("🚀 SOMA 분석", variant="primary")
+                    with gr.Column():
+                        soma_output = gr.Markdown("### SOMA 분석 결과")
+                def soma_with_file(text, agents, file):
+                    doc = text or ""
+                    if file:
+                        ext = file.lower().split('.')[-1]
+                        if ext == 'pdf':
+                            doc = extract_text_from_pdf(file)
+                        elif ext in ['jpg','jpeg','png','gif','webp']:
+                            doc = extract_text_from_image_fireworks(file)
+                        if doc.startswith("❌"): 
+                            yield doc
+                            return
+                    if not doc.strip():
+                        yield "문서를 입력해주세요."
+                        return
+                    yield from run_soma_analysis(doc, agents)
+                soma_btn.click(soma_with_file, [soma_text, soma_agents, soma_file], soma_output)
+            with gr.Tab("ℹ️ About"):
+                gr.Markdown("""
+## 🏢 TenAI PMAI Pro
+### 비전: "하드웨어 없는 건물 운영체제(OS)"
+### 핵심 기능
+| 기능 | 설명 |
+|-----|-----|
+| 🖼️ **Fireworks Vision AI** | 이미지 OCR (Qwen3-VL-235B) |
+| 📄 **문서 분석** | PDF/이미지 자동 텍스트 추출 및 분석 |
+| 🤖 **SOMA 멀티에이전트** | 6명 AI 전문가 협업 |
+| 🗺️ **상권 분석** | 서울시 12개 구 입지 분석 |
+### API 설정
+```
+FIREWORKS_API_KEY=your_key  # Vision AI + LLM
+GROQ_API_KEY=your_key       # 빠른 LLM (선택)
+```
+### Contact
+📧 ten@tenspace.co.kr | 📱 010-2710-6246
+""")
+        gr.HTML("<div style='text-align:center;padding:20px;margin-top:10px;border-top:1px solid #e2e8f0;background:#f8fafc;border-radius:0 0 16px 16px;'><p style='color:#64748b;font-size:0.9em;margin:0;'>🚀 Powered by <strong style='color:#2563eb;'>Ten-AX Engine</strong> | Fireworks Vision AI | SOMA Multi-Agent</p></div>")
+    return demo
+if __name__ == "__main__":
+    demo = create_demo()
+    demo.launch(server_name="0.0.0.0", server_port=7860)