app.py

import gradio as gr
import google.generativeai as genai
import fitz  # PyMuPDF
import json
import os
import urllib.parse
import base64 # Diperlukan untuk client-side API call

# --- KONFIGURASI API KEY (TETAP SAMA) ---
API_CONFIGURED = False
try:
    api_key = os.environ.get('GEMINI_API_KEY') 
    if api_key:
        genai.configure(api_key=api_key)
        model = genai.GenerativeModel('gemini-pro-latest')
        API_CONFIGURED = True
        print("✅ Konfigurasi API dan model berhasil.")
    else:
        print("🛑 Secret 'GEMINI_API_KEY' tidak ditemukan.")
except Exception as e:
    print(f"🛑 Terjadi error saat inisialisasi: {e}")

# --- FUNGSI-FUNGSI UTAMA ---

def ekstrak_teks_dari_pdf(path_file_pdf):
    try:
        with fitz.open(path_file_pdf) as dokumen:
            teks_lengkap = "".join(halaman.get_text() for halaman in dokumen)
        return teks_lengkap
    except Exception as e:
        raise gr.Error(f"Gagal membaca file PDF: {e}")

def generate_search_links(keywords):
    if not keywords:
        return {}
    keywords_encoded = urllib.parse.quote_plus(keywords)
    keywords_hyphenated = keywords.lower().replace(" ", "-").replace("(", "").replace(")", "")
    links = {
        "LinkedIn": f"https://www.linkedin.com/jobs/search/?keywords={keywords_encoded}&location=Indonesia",
        "JobStreet": f"https://www.jobstreet.co.id/id/job-search/{keywords_hyphenated}-jobs/",
        "Glints": f"https://glints.com/id/opportunities/jobs/explore?keyword={keywords_encoded}",
        "Indeed": f"https://id.indeed.com/jobs?q={keywords_encoded}",
        "Google Jobs": f"https://www.google.com/search?q={keywords_encoded}+jobs+in+Indonesia&ibp=htl;jobs"
    }
    return links

def analyze_career_path(cv_file):
    """Fungsi utama pipeline: Analisis CV -> Buat Laporan JSON -> Buat Link -> Gabungkan."""
    if not API_CONFIGURED:
        raise gr.Error("API Key Gemini belum terkonfigurasi. Periksa Logs aplikasi.")
    if cv_file is None:
        raise gr.Error("Mohon upload file CV (PDF) Anda.")

    try:
        print("--- Memulai Proses Analisis Karir ---")
        
        teks_cv = ekstrak_teks_dari_pdf(cv_file.name)
        if not teks_cv:
            raise gr.Error("PDF kosong atau tidak dapat dibaca.")
        print("✅ Teks berhasil diekstrak.")

        print("2. Mengirim permintaan analisis karir ke Gemini...")
        prompt_analisis_karir = f"""
        Anda adalah seorang "Career Analyst AI". Baca teks CV dan buat laporan peluang karir dalam format JSON.
        Teks CV: --- {teks_cv} ---
        Struktur JSON yang diinginkan:
        - "jabatan_ideal": Jabatan paling ideal untuk kandidat.
        - "alasan_kecocokan": Array (list) berisi 3-4 poin MENGAPA kandidat cocok.
        - "deskripsi_pekerjaan": Array (list) berisi 5 poin deskripsi pekerjaan umum.
        - "potensi_karir": Array (list) berisi 3-4 jalur pengembangan karir.
        - "kisaran_gaji": Objek JSON berisi estimasi gaji untuk level "junior", "mid_level", dan "senior".
        - "kelebihan_tambahan": Array (list) berisi 1-2 poin saran atau kelebihan unik kandidat.
        Pastikan output hanya berupa JSON saja.
        """
        
        generation_config = genai.types.GenerationConfig(response_mime_type="application/json")
        response = model.generate_content(prompt_analisis_karir, generation_config=generation_config)
        
        response_json = json.loads(response.text)
        print("✅ Laporan karir komprehensif berhasil diterima.")

        print("3. Membuat tautan pencarian dari hasil analisis...")
        keywords_from_analysis = response_json.get("jabatan_ideal", "")
        search_links = generate_search_links(keywords_from_analysis)
        
        # ==================================================================
        # PERUBAHAN PENTING: Menambahkan link ke dalam JSON
        # ==================================================================
        response_json["tautan_pencarian"] = search_links
        print("✅ Tautan pencarian ditambahkan ke JSON.")

        print("--- Proses Selesai ---")
        # Mengembalikan dictionary/JSON mentah
        return response_json

    except Exception as e:
        print(f"🛑 ERROR DALAM FUNGSI ANALISIS: {e}")
        raise gr.Error(f"Terjadi kesalahan: {e}")

# --- MEMBUAT INTERFACE GRADIO ---
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("# 🚀 API Analis Peluang Karir Personal")
    gr.Markdown("Antarmuka ini dapat digunakan untuk pengujian. Endpoint API publik tersedia di `/run/predict` untuk integrasi ke website Anda.")
    
    with gr.Row():
        with gr.Column(scale=1):
            cv_pdf = gr.File(label="Upload CV (PDF) untuk Uji Coba", file_types=[".pdf"])
            analyze_button = gr.Button("🔍 Analisis Karir Saya", variant="primary")
        
        with gr.Column(scale=2):
            # Menggunakan gr.JSON untuk menampilkan dan menghasilkan data JSON sebagai output API
            output_analysis = gr.JSON(label="Output JSON dari API")
            
    analyze_button.click(
        fn=analyze_career_path,
        inputs=[cv_pdf],
        outputs=[output_analysis],
        show_progress='full'
    )

if __name__ == "__main__":
    demo.launch()