Update app.py

app.py

@@ -3,11 +3,11 @@ import os
 import pandas as pd
 import gradio as gr
 import comtradeapicall
-from huggingface_hub import InferenceClient
+import openai
 from deep_translator import GoogleTranslator
 import spaces  # برای مدیریت GPU کرایه‌ای
 
-# --- بارگذاری HS DATA از CSV گیت‌هاب ---
+# --- بارگذاری داده‌های HS Code ---
 HS_CSV_URL = (
     "https://raw.githubusercontent.com/"
     "datasets/harmonized-system/master/data/harmonized-system.csv"
@@ -19,7 +19,6 @@ def get_product_name(hs_code: str) -> str:
     row = hs_df[hs_df["hscode"] == code4]
     return row.iloc[0]["description"] if not row.empty else "–"
 
-# --- تابع دریافت واردات و پردازش ستون‌ها ---
 def get_importers(hs_code: str, year: str, month: str):
     product_name = get_product_name(hs_code)
     period = f"{year}{int(month):02d}"
@@ -33,31 +32,25 @@ def get_importers(hs_code: str, year: str, month: str):
     if df is None or df.empty:
         return product_name, pd.DataFrame()
 
-    # شناسایی ستون‌های مورد نیاز (کد کشور، نام کشور، ارزش)
-    # ابتدا سعی در استفاده از ستون‌های استاندارد
     std_map = {
         'کد کشور': 'ptCode',
         'نام کشور': 'ptTitle',
         'ارزش CIF': 'TradeValue'
     }
     code_col = std_map['کد کشور'] if 'ptCode' in df.columns else next((c for c in df.columns if 'code' in c.lower()), None)
-    title_col= std_map['نام کشور'] if 'ptTitle' in df.columns else next((c for c in df.columns if 'title' in c.lower()), None)
-    value_col= std_map['ارزش CIF'] if 'TradeValue' in df.columns else next((c for c in df.columns if 'value' in c.lower()), None)
+    title_col = std_map['نام کشور'] if 'ptTitle' in df.columns else next((c for c in df.columns if 'title' in c.lower()), None)
+    value_col = std_map['ارزش CIF'] if 'TradeValue' in df.columns else next((c for c in df.columns if 'value' in c.lower()), None)
 
     if not (code_col and title_col and value_col):
-        # اگر نتوانست ستون‌ها را شناسایی کند، برگرداندن DataFrame خام
         return product_name, df
 
-    # محدودسازی به 10 کشور برتر بر اساس ستون value_col
     df_sorted = df.sort_values(value_col, ascending=False).head(10)
-
     out = df_sorted[[code_col, title_col, value_col]]
     out.columns = ['کد کشور', 'نام کشور', 'ارزش CIF']
     return product_name, out
 
-# --- تابع تولید مشاوره تخصصی با GPU کرایه‌ای ---
-hf_token = os.getenv("HF_API_TOKEN")
-client = InferenceClient(token=hf_token)
+# --- اتصال به OpenAI با کلید سکرت HuggingFace ---
+openai.api_key = os.getenv("OPENAI")  # استفاده از سکرت تعریف‌شده در فضای HF
 translator = GoogleTranslator(source='en', target='fa')
 
 @spaces.GPU
@@ -65,7 +58,6 @@ def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str
     if table_data is None or table_data.empty:
         return "ابتدا نمایش داده‌های واردات را انجام دهید."
 
-    # محدودسازی تعداد ردیف‌های ورودی به 10 (در صورت بیشتر)
     df_limited = table_data.head(10)
     table_str = df_limited.to_string(index=False)
     period = f"{year}/{int(month):02d}"
@@ -75,13 +67,19 @@ def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str
         "Please provide a detailed and comprehensive analysis of market trends, risks, "
         "and opportunities for a new exporter entering this market."
     )
+
     try:
-        outputs = client.text_generation(
-            prompt=prompt,
-            model="mistralai/Mixtral-8x7B-Instruct-v0.1",
-            max_new_tokens=1024
+        response = openai.ChatCompletion.create(
+            model="gpt-3.5-turbo",
+            messages=[
+                {"role": "system", "content": "You are an expert in international trade and export consulting."},
+                {"role": "user", "content": prompt}
+            ],
+            max_tokens=1000,
+            temperature=0.7
         )
-        return translator.translate(outputs)
+        english_response = response['choices'][0]['message']['content']
+        return translator.translate(english_response)
     except Exception as e:
         return f"خطا در تولید مشاوره: {e}"
 
@@ -96,10 +94,7 @@ with gr.Blocks() as demo:
 
     btn_show = gr.Button("نمایش داده‌های واردات")
     out_name = gr.Markdown(label="**نام محصول**")
-    out_table = gr.Dataframe(
-        datatype="pandas",
-        interactive=True
-    )
+    out_table = gr.Dataframe(datatype="pandas", interactive=True)
 
     btn_show.click(
         fn=get_importers,
@@ -117,4 +112,4 @@ with gr.Blocks() as demo:
     )
 
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()