Deploy chatbot update

app.py

@@ -1,18 +1,19 @@
 
 import os
 import pdfplumber
-from huggingface_hub import hf_hub_download
+import gradio as gr
+from huggingface_hub import hf_hub_download, login
 from langchain.text_splitter import RecursiveCharacterTextSplitter
-from langchain_huggingface import HuggingFaceEmbeddings, HuggingFaceEndpoint
+from langchain_huggingface import HuggingFaceEndpoint, HuggingFaceEmbeddings
 from langchain_community.vectorstores import FAISS
 from langchain.chains import RetrievalQA
-import gradio as gr
 
-# 1. 환경 변수 확인
+# 1. Hugging Face 인증
 if "HUGGINGFACEHUB_API_TOKEN" not in os.environ:
-    raise ValueError("❌ HUGGINGFACEHUB_API_TOKEN 환경 변수가 설정되지 않았습니다. (Spaces > Settings > Repository secrets)")
+    raise ValueError("❌ HUGGINGFACEHUB_API_TOKEN 환경 변수가 없습니다. Spaces → Settings → Repository secrets 에 추가하세요.")
+login(token=os.getenv("HUGGINGFACEHUB_API_TOKEN"))
 
-# 2. 모델 설정
+# 2. LLM 모델 설정
 repo_id = "meta-llama/Llama-3.2-3B-Instruct"
 llm = HuggingFaceEndpoint(
     repo_id=repo_id,
@@ -21,8 +22,10 @@ llm = HuggingFaceEndpoint(
     task="text-generation"
 )
 
-# 3. 데이터셋 (PDF 파일 리스트)
+# 3. 대상 데이터셋 Repo 정보
 dataset_repo = "dgmos/ericsson-manuals"
+
+# 4. 처리할 PDF 파일 리스트 (데이터셋에 올라간 실제 파일명과 동일해야 함)
 pdf_files = [
     "(20220324) L2 Switch 운용 매뉴얼_Innovation TF_Ver3.1_OCR.pdf",
     "(20230504) 23년 기술교육 교재 1 (LTE)_가치혁신팀_OCR.pdf",
@@ -65,59 +68,60 @@ pdf_files = [
     "차단기 종류 및 용도_OCR.pdf"
 ]
 
-# 4. PDF → 텍스트 추출
+# 5. PDF 텍스트 추출
 docs = []
-for filename in pdf_files:
+for fname in pdf_files:
     try:
-        pdf_path = hf_hub_download(repo_id=dataset_repo, filename=filename)
+        pdf_path = hf_hub_download(repo_id=dataset_repo, repo_type="dataset", filename=fname)
+        texts = []
         with pdfplumber.open(pdf_path) as pdf:
-            texts = []
             for page in pdf.pages:
                 content = page.extract_text()
                 if content:
                     texts.append(content)
-            text = "\n".join(texts).strip()
-            if text:
-                docs.append({"page_content": text, "metadata": {"source": filename}})
-                print(f"✅ {filename} 처리 완료 (길이 {len(text)}자)")
-            else:
-                print(f"⚠️ 텍스트 없음: {filename}")
+        text = "
+".join(texts).strip()
+        if text:
+            docs.append({"page_content": text, "metadata": {"source": fname}})
+        else:
+            print(f"⚠️ 텍스트 없음: {fname}")
     except Exception as e:
-        print(f"🚨 오류 발생: {filename} - {e}")
+        print(f"🚨 오류 발생: {fname} - {str(e)}")
 
 if not docs:
     raise ValueError("❌ PDF에서 추출된 텍스트가 없습니다. (docs 리스트 비어있음)")
 
-# 5. 텍스트 분할
+print(f"✅ 총 {len(docs)} 개 PDF에서 텍스트 추출 완료")
+
+# 6. 텍스트 분할
 splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
 texts = splitter.split_documents(docs)
 
-# 6. 임베딩 및 벡터 DB
+# 7. 임베딩 + 벡터 DB
 embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/multi-qa-mpnet-base-dot-v1")
 vectorstore = FAISS.from_documents(texts, embeddings)
 
-# 7. RAG 체인
+# 8. Retrieval QA 체인
 qa_chain = RetrievalQA.from_chain_type(
     llm=llm,
     chain_type="stuff",
     retriever=vectorstore.as_retriever(search_kwargs={"k": 3})
 )
 
-# 8. 챗봇 함수
-def chatbot(query):
+# 9. 챗봇 함수
+def chatbot(query: str):
     try:
-        response = qa_chain.run(query)
-        return response
+        return qa_chain.run(query)
     except Exception as e:
         return f"❌ 오류: {str(e)}"
 
-# 9. Gradio UI
+# 10. Gradio UI
 with gr.Blocks(title="Ericsson 장비 분석 챗봇") as demo:
-    gr.Markdown("# 📡 Ericsson 장비 매뉴얼 기반 불량/불요파 분석 챗봇")
-    gr.Markdown("업로드된 PDF 매뉴얼 기반으로 질문을 입력하세요.")
-    query = gr.Textbox(label="질문 입력", placeholder="예: Spurious Emission 원인은?", lines=2)
+    gr.Markdown("# 🚀 Ericsson 3G/LTE/5G 불량/불요파 분석 챗봇")
+    gr.Markdown("Hugging Face Datasets의 PDF 매뉴얼 기반 RAG QA")
+    query = gr.Textbox(label="질문 입력 (한국어/영어)", placeholder="예: Spurious Emission 원인은?")
     output = gr.Textbox(label="응답", lines=10)
-    btn = gr.Button("분석 실행")
+    btn = gr.Button("분석 시작")
     btn.click(chatbot, inputs=query, outputs=output)
 
 if __name__ == "__main__":