Update app.py

app.py

@@ -3,16 +3,16 @@ import google.generativeai as genai
 import fitz  # PyMuPDF
 import json
 import os
+import re
 import urllib.parse
-import base64 # Diperlukan untuk client-side API call
 
-# --- KONFIGURASI API KEY (TETAP SAMA) ---
+# --- KONFIGURASI API KEY ---
 API_CONFIGURED = False
 try:
-    api_key = os.environ.get('GEMINI_API_KEY') 
+    api_key = os.environ.get('GEMINI_API_KEY')
     if api_key:
         genai.configure(api_key=api_key)
-        model = genai.GenerativeModel('gemini-flash-lite-latest')
+        model = genai.GenerativeModel('gemma-3-1b-it')  # Gemma 3 1B
         API_CONFIGURED = True
         print("✅ Konfigurasi API dan model berhasil.")
     else:
@@ -20,7 +20,7 @@ try:
 except Exception as e:
     print(f"🛑 Terjadi error saat inisialisasi: {e}")
 
-# --- KONSTANTA BATAS TOKEN OUTPUT ---
+# --- KONSTANTA ---
 MAX_OUTPUT_TOKENS = 8192
 
 # --- FUNGSI-FUNGSI UTAMA ---
@@ -39,31 +39,50 @@ def generate_search_links(keywords):
     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"
+        "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 parse_json_safe(text: str) -> dict:
-    clean = text.strip()
-    if clean.startswith("```"):
-        parts = clean.split("```")
-        for part in parts:
-            candidate = part.lstrip("json").strip()
-            if candidate.startswith("{"):
-                clean = candidate
-                break
-    start = clean.find("{")
-    end   = clean.rfind("}")
+    """
+    Parse JSON dari teks bebas model.
+    Strategi (urutan prioritas):
+      1. Cari blok ```json ... ``` atau ``` ... ```
+      2. Cari objek { ... } terluar
+      3. Raise error jika semua gagal
+    """
+    # Strategi 1: ambil dari blok markdown code fence
+    fence_match = re.search(r"```(?:json)?\s*(\{.*?\})\s*```", text, re.DOTALL)
+    if fence_match:
+        candidate = fence_match.group(1)
+        try:
+            return json.loads(candidate)
+        except json.JSONDecodeError:
+            pass  # lanjut ke strategi berikutnya
+
+    # Strategi 2: ambil objek { ... } terluar
+    start = text.find("{")
+    end   = text.rfind("}")
     if start != -1 and end != -1 and end > start:
-        clean = clean[start:end + 1]
-    return json.loads(clean)
+        candidate = text[start:end + 1]
+        try:
+            return json.loads(candidate)
+        except json.JSONDecodeError as e:
+            raise ValueError(
+                f"Ditemukan struktur JSON tapi gagal di-parse: {e}\n"
+                f"Cuplikan teks: {candidate[:300]}"
+            )
+
+    raise ValueError(
+        f"Tidak ditemukan JSON valid dalam respons model.\n"
+        f"Cuplikan respons: {text[:300]}"
+    )
 
 def log_token_usage(usage_metadata):
-    """Log penggunaan token dari usage_metadata ke console."""
     if usage_metadata is None:
         print("⚠️  Token usage: data tidak tersedia.")
         return
@@ -78,7 +97,6 @@ def log_token_usage(usage_metadata):
     print("=" * 40)
 
 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:
@@ -86,67 +104,87 @@ def analyze_career_path(cv_file):
 
     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...")
+        print("2. Mengirim permintaan analisis karir ke model...")
         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.
-        """
-        
-        # ✅ Tambahan: max_output_tokens untuk membatasi token output
+Anda adalah seorang "Career Analyst AI". Baca teks CV berikut dan buat laporan peluang karir.
+
+Teks CV:
+---
+{teks_cv}
+---
+
+PENTING: Balas HANYA dengan satu blok JSON murni. Jangan tambahkan teks, penjelasan, atau komentar apapun di luar JSON.
+Format output WAJIB persis seperti ini:
+
+{{
+  "jabatan_ideal": "string",
+  "alasan_kecocokan": ["poin 1", "poin 2", "poin 3", "poin 4"],
+  "deskripsi_pekerjaan": ["poin 1", "poin 2", "poin 3", "poin 4", "poin 5"],
+  "potensi_karir": ["poin 1", "poin 2", "poin 3", "poin 4"],
+  "kisaran_gaji": {{
+    "junior": "Rp X - Rp Y / bulan",
+    "mid_level": "Rp X - Rp Y / bulan",
+    "senior": "Rp X - Rp Y / bulan"
+  }},
+  "kelebihan_tambahan": ["poin 1", "poin 2"]
+}}
+"""
+
+        # ⚠️ Gemma 3 tidak support response_mime_type JSON — dihapus
         generation_config = genai.types.GenerationConfig(
-            response_mime_type="application/json",
             max_output_tokens=MAX_OUTPUT_TOKENS,
         )
         response = model.generate_content(prompt_analisis_karir, generation_config=generation_config)
 
-        # ✅ Tambahan: log penggunaan token ke console
         log_token_usage(getattr(response, 'usage_metadata', None))
-        
-        print(f"📝 Raw response preview: {response.text[:120]!r}")
-        response_json = parse_json_safe(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)
-        
+
+        raw_text = response.text
+        print(f"📝 Raw response preview: {raw_text[:200]!r}")
+
+        # Parse manual — tidak bergantung pada response_mime_type
+        try:
+            response_json = parse_json_safe(raw_text)
+            print("✅ JSON berhasil di-parse.")
+        except ValueError as parse_err:
+            print(f"🛑 Gagal parse JSON: {parse_err}")
+            raise gr.Error(
+                f"Model tidak menghasilkan JSON yang valid.\n"
+                f"Detail: {parse_err}"
+            )
+
+        print("3. Membuat tautan pencarian...")
+        search_links = generate_search_links(response_json.get("jabatan_ideal", ""))
         response_json["tautan_pencarian"] = search_links
-        print("✅ Tautan pencarian ditambahkan ke JSON.")
+        print("✅ Tautan pencarian ditambahkan.")
 
         print("--- Proses Selesai ---")
         return response_json
 
+    except gr.Error:
+        raise
     except Exception as e:
         print(f"🛑 ERROR DALAM FUNGSI ANALISIS: {e}")
         raise gr.Error(f"Terjadi kesalahan: {e}")
 
-# --- MEMBUAT INTERFACE GRADIO ---
+# --- 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):
             output_analysis = gr.JSON(label="Output JSON dari API")
-            
+
     analyze_button.click(
         fn=analyze_career_path,
         inputs=[cv_pdf],