Update app.py

app.py

@@ -4,22 +4,26 @@ import fitz  # PyMuPDF
 import json
 import os
 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-pro-latest')
+        # ✅ Model paling murah & tersedia di Free Tier
+        model = genai.GenerativeModel('gemini-1.5-flash')
         API_CONFIGURED = True
-        print("✅ Konfigurasi API dan model berhasil.")
+        print("✅ Konfigurasi API dan model (gemini-1.5-flash) berhasil.")
     else:
         print("🛑 Secret 'GEMINI_API_KEY' tidak ditemukan.")
 except Exception as e:
     print(f"🛑 Terjadi error saat inisialisasi: {e}")
 
+# --- KONSTANTA TOKEN ---
+MAX_OUTPUT_TOKENS = 1024   # Batas token output (hemat kuota)
+MAX_INPUT_CHARS   = 12000  # Batas karakter teks CV agar tidak meledak input token
+
 # --- FUNGSI-FUNGSI UTAMA ---
 
 def ekstrak_teks_dari_pdf(path_file_pdf):
@@ -33,19 +37,36 @@ def ekstrak_teks_dari_pdf(path_file_pdf):
 def generate_search_links(keywords):
     if not keywords:
         return {}
-    keywords_encoded = urllib.parse.quote_plus(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}",
+    return {
+        "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 format_token_info(usage_metadata) -> str:
+    """Mengubah usage_metadata Gemini menjadi string ringkasan yang rapi."""
+    if usage_metadata is None:
+        return "ℹ️ Data penggunaan token tidak tersedia."
+
+    prompt_tokens    = getattr(usage_metadata, 'prompt_token_count',     'N/A')
+    candidate_tokens = getattr(usage_metadata, 'candidates_token_count', 'N/A')
+    total_tokens     = getattr(usage_metadata, 'total_token_count',      'N/A')
+
+    lines = [
+        "📊 **Penggunaan Token (gemini-1.5-flash)**",
+        f"• Input  (prompt)  : {prompt_tokens:,} token" if isinstance(prompt_tokens, int) else f"• Input  (prompt)  : {prompt_tokens}",
+        f"• Output (response): {candidate_tokens:,} token" if isinstance(candidate_tokens, int) else f"• Output (response): {candidate_tokens}",
+        f"• **Total          : {total_tokens:,} token**" if isinstance(total_tokens, int) else f"• Total            : {total_tokens}",
+        f"• Limit output     : {MAX_OUTPUT_TOKENS:,} token (konfigurasi saat ini)",
+    ]
+    return "\n".join(lines)
 
 def analyze_career_path(cv_file):
-    """Fungsi utama pipeline: Analisis CV -> Buat Laporan JSON -> Buat Link -> Gabungkan."""
+    """Pipeline utama: Analisis CV → Laporan JSON → Link → Gabung + Info Token."""
     if not API_CONFIGURED:
         raise gr.Error("API Key Gemini belum terkonfigurasi. Periksa Logs aplikasi.")
     if cv_file is None:
@@ -53,68 +74,93 @@ def analyze_career_path(cv_file):
 
     try:
         print("--- Memulai Proses Analisis Karir ---")
-        
+
+        # 1. Ekstrak teks PDF
         teks_cv = ekstrak_teks_dari_pdf(cv_file.name)
         if not teks_cv:
             raise gr.Error("PDF kosong atau tidak dapat dibaca.")
+
+        # Potong teks CV agar tidak melebihi batas input yang wajar
+        if len(teks_cv) > MAX_INPUT_CHARS:
+            teks_cv = teks_cv[:MAX_INPUT_CHARS]
+            print(f"⚠️ Teks CV dipotong hingga {MAX_INPUT_CHARS} karakter untuk efisiensi token.")
         print("✅ Teks berhasil diekstrak.")
 
-        print("2. Mengirim permintaan analisis karir ke Gemini...")
+        # 2. Kirim ke Gemini dengan batas token output
+        print("2. Mengirim permintaan ke gemini-1.5-flash...")
         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)
-        
+Anda adalah seorang "Career Analyst AI". Baca teks CV berikut dan buat laporan peluang karir dalam format JSON yang ringkas.
+
+Teks CV:
+---
+{teks_cv}
+---
+
+Buat JSON dengan struktur berikut (jawab singkat dan padat untuk menghemat token):
+- "jabatan_ideal": string — jabatan paling ideal.
+- "alasan_kecocokan": array 3 poin singkat MENGAPA kandidat cocok.
+- "deskripsi_pekerjaan": array 4 poin deskripsi pekerjaan umum.
+- "potensi_karir": array 3 jalur karir berikutnya.
+- "kisaran_gaji": objek dengan key "junior", "mid_level", "senior" (estimasi IDR/bulan).
+- "kelebihan_tambahan": array 2 saran atau kelebihan unik.
+
+Output HANYA berupa JSON. Tidak ada teks lain di luar JSON.
+"""
+
+        generation_config = genai.types.GenerationConfig(
+            response_mime_type="application/json",
+            max_output_tokens=MAX_OUTPUT_TOKENS,   # ← Batas token output
+            temperature=0.4,                        # Lebih deterministik & hemat
+        )
+
+        response = model.generate_content(
+            prompt_analisis_karir,
+            generation_config=generation_config
+        )
+
+        # 3. Parse JSON
         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("✅ Laporan karir berhasil diterima.")
+
+        # 4. Tambahkan link pencarian
+        keywords = response_json.get("jabatan_ideal", "")
+        response_json["tautan_pencarian"] = generate_search_links(keywords)
+        print("✅ Tautan pencarian ditambahkan.")
+
+        # 5. Ambil info token dari metadata respons
+        token_info = format_token_info(getattr(response, 'usage_metadata', None))
+        print(f"📊 Token usage: {getattr(response, 'usage_metadata', 'unavailable')}")
 
         print("--- Proses Selesai ---")
-        # Mengembalikan dictionary/JSON mentah
-        return response_json
+        return response_json, token_info
 
+    except json.JSONDecodeError:
+        raise gr.Error("Gagal mem-parse JSON dari Gemini. Coba lagi atau periksa CV Anda.")
     except Exception as e:
-        print(f"🛑 ERROR DALAM FUNGSI ANALISIS: {e}")
+        print(f"🛑 ERROR: {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.")
-    
+    gr.Markdown("# 🚀 Analis Peluang Karir Personal")
+    gr.Markdown(
+        "Powered by **Gemini 1.5 Flash** — model tercepat & termurah di Free Tier. "
+        f"Batas output: **{MAX_OUTPUT_TOKENS} token** per analisis."
+    )
+
     with gr.Row():
         with gr.Column(scale=1):
-            cv_pdf = gr.File(label="Upload CV (PDF) untuk Uji Coba", file_types=[".pdf"])
+            cv_pdf         = gr.File(label="📄 Upload CV (PDF)", 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")
-            
+            output_analysis = gr.JSON(label="📋 Hasil Analisis (JSON)")
+            token_display   = gr.Markdown(label="📊 Info Token", value="*Belum ada analisis.*")
+
     analyze_button.click(
         fn=analyze_career_path,
         inputs=[cv_pdf],
-        outputs=[output_analysis],
+        outputs=[output_analysis, token_display],
         show_progress='full'
     )