Spaces:
Sleeping
Sleeping
File size: 4,147 Bytes
f9385df |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 |
import os
from textwrap import dedent
from typing import Dict, List, Optional
import gradio as gr
from dotenv import load_dotenv
from pydantic import BaseModel, Field
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.firecrawl import FirecrawlTools
load_dotenv()
# Variables d’environnement depuis Hugging Face "Secrets"
os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY")
os.environ["FIRECRAWL_API_KEY"] = os.getenv("FIRECRAWL_API_KEY")
# Modèle de réponse structuré
class ContentSection(BaseModel):
heading: Optional[str] = Field(None, description="Section heading")
content: str = Field(..., description="Section content text")
class PageInformation(BaseModel):
url: str
title: str
description: Optional[str]
features: Optional[List[str]]
content_sections: Optional[List[ContentSection]]
links: Optional[Dict[str, str]]
contact_info: Optional[Dict[str, str]]
metadata: Optional[Dict[str, str]]
feedback: Optional[str]
# Définition de l'agent
agent = Agent(
model=OpenAIChat(id="gpt-4.1"),
tools=[FirecrawlTools(scrape=True, crawl=False)],
instructions=dedent("""
Analysez la page fournie et extrayez les informations clés en respectant ce format :
- Lisibilité
- Ergonomie / navigation
- Design
- Sécurité
- Pertinence des rubriques
- Améliorations à suggérer
Soyez clair et synthétique. Résumez les parties longues.
""").strip(),
response_model=PageInformation,
)
# Fonction utilisée par Gradio
def analyser_page(url: str):
prompt = (
f"Analyse la page {url} selon les critères suivants : lisibilité, ergonomie/navigation, "
"design, sécurité, pertinence des rubriques, améliorations à suggérer. Résume et structure la réponse."
)
result = agent.run(prompt)
print("DEBUG TYPE:", type(result))
print("DEBUG VALUE:", result)
# Utilise le vrai contenu structuré
content = getattr(result, "content", None)
if hasattr(content, "dict") and callable(content.dict):
data = content.dict()
elif isinstance(content, dict):
data = content
elif isinstance(content, str):
return f"Réponse brute :\n\n{content}"
else:
return f"Type inattendu pour content : {type(content)}\nValeur : {content}"
# Construction d'un markdown structuré
markdown = f"# Analyse de la page\n\n"
markdown += f"**URL :** {data.get('url', url)}\n\n"
if data.get("title"):
markdown += f"**Titre :** {data['title']}\n\n"
if data.get("description"):
markdown += f"**Description :** {data['description']}\n\n"
if data.get("features"):
markdown += "## Fonctionnalités\n"
for feat in data["features"]:
markdown += f"- {feat}\n"
markdown += "\n"
if data.get("content_sections"):
for section in data["content_sections"]:
if section.get("heading"):
markdown += f"## {section['heading']}\n"
markdown += f"{section['content']}\n\n"
if data.get("links"):
markdown += "## Liens\n"
for name, link in data["links"].items():
markdown += f"- [{name}]({link})\n"
markdown += "\n"
if data.get("contact_info"):
markdown += "## Contact\n"
for k, v in data["contact_info"].items():
markdown += f"- **{k}** : {v}\n"
markdown += "\n"
if data.get("metadata"):
markdown += "## Métadonnées\n"
for k, v in data["metadata"].items():
markdown += f"- **{k}** : {v}\n"
markdown += "\n"
if data.get("feedback"):
markdown += f"## Feedback\n{data['feedback']}\n"
return markdown
# Interface Gradio
demo = gr.Interface(
fn=analyser_page,
inputs=gr.Textbox(label="URL à analyser", placeholder="https://www.exemple.com"),
outputs=gr.Markdown(), # Affichage markdown structuré
title="🧠 Analyseur de Page Web",
description="Entrez une URL à analyser selon des critères UX/UI.",
)
if __name__ == "__main__":
demo.launch()
|