app.py

# Install dependensi yang dibutuhkan oleh Hugging Face Spaces
#!pip install -q gradio google-generativeai pymupdf

import gradio as gr
import google.generativeai as genai
import fitz  # PyMuPDF
import json
import os
import urllib.parse

# --- KONFIGURASI API KEY DARI HUGGING FACE SECRETS ---
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):
    """Membuat tautan pencarian dari kata kunci untuk berbagai platform."""
    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://id.jobstreet.com/id/{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_output_markdown(analysis_json, links):
    """Menyusun laporan komprehensif DAN tautan pencarian menjadi satu output."""
    jabatan = analysis_json.get("jabatan_ideal", "N/A")
    alasan_list = analysis_json.get("alasan_kecocokan", [])
    deskripsi_list = analysis_json.get("deskripsi_pekerjaan", [])
    potensi_list = analysis_json.get("potensi_karir", [])
    gaji = analysis_json.get("kisaran_gaji", {})
    kelebihan_list = analysis_json.get("kelebihan_tambahan", [])

    alasan_md = "\n".join([f"- {item}" for item in alasan_list])
    deskripsi_md = "\n".join([f"- {item}" for item in deskripsi_list])
    potensi_md = "\n".join([f"- {item}" for item in potensi_list])
    kelebihan_md = "\n".join([f"- {item}" for item in kelebihan_list])

    gaji_md = f"""
| Level | Estimasi Gaji / Bulan |
| :--- | :--- |
| **Junior** | {gaji.get("junior", "N/A")} |
| **Mid-Level** | {gaji.get("mid_level", "N/A")} |
| **Senior / Lead** | {gaji.get("senior", "N/A")} |
> (Estimasi berdasarkan data pasar kerja di Indonesia)
"""
    # ==================================================================
    # BAGIAN BARU: Membuat daftar tautan pencarian
    # ==================================================================
    markdown_links = ""
    for site, url in links.items():
        markdown_links += f"- **[{site}]({url})**\n"

    return f"""
    ### 🎯 {jabatan}
    ***
    #### 🧩 Alasan Kecocokan
    {alasan_md}

    #### 💼 Deskripsi Pekerjaan Umum
    Seorang **{jabatan.split('(')[0].strip()}** bertanggung jawab untuk:
    {deskripsi_md}

    #### 🚀 Potensi Jenjang Karir
    Dari posisi ini, Anda dapat berkembang menjadi:
    {potensi_md}

    #### 💰 Kisaran Gaji (Indonesia)
    {gaji_md}

    #### 📈 Kelebihan Tambahan untuk Karirmu
    {kelebihan_md}
    ***
    ### 🚀 Klik untuk Mencari Lowongan Terbaru
    {markdown_links}
    """

def analyze_career_path(cv_file):
    """Fungsi utama pipeline: Analisis CV -> Buat Laporan -> Buat Link."""
    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 ---")
        
        print("1. Mengekstrak teks dari PDF...")
        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" yang sangat berpengalaman. Tugas Anda adalah membaca teks CV, menganalisisnya secara mendalam, dan membuat laporan peluang karir yang komprehensif.

        Teks CV:
        ---
        {teks_cv}
        ---

        Lakukan analisis dan berikan output dalam format JSON yang ketat dengan struktur berikut:
        - "jabatan_ideal": Tentukan satu jabatan paling ideal untuk kandidat ini, termasuk spesialisasi jika ada (Contoh: "Frontend Developer (Web & Mobile)").
        - "alasan_kecocokan": Buat sebuah array (list) berisi 3-4 poin utama MENGAPA kandidat ini sangat cocok untuk jabatan tersebut, hubungkan langsung dengan data dari CV.
        - "deskripsi_pekerjaan": Buat sebuah array (list) berisi 5 poin deskripsi pekerjaan umum untuk jabatan ideal tersebut.
        - "potensi_karir": Buat sebuah array (list) berisi 3-4 jalur pengembangan karir dari posisi ini.
        - "kisaran_gaji": Buat sebuah objek JSON berisi estimasi gaji bulanan di Indonesia untuk level "junior", "mid_level", dan "senior". Gunakan format string seperti "Rp 6 - 9 juta".
        - "kelebihan_tambahan": Buat sebuah array (list) berisi 1-2 poin saran atau kelebihan unik yang dimiliki kandidat dari CV-nya.

        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.")

        # ==================================================================
        # LANGKAH TAMBAHAN: Gunakan hasil analisis untuk membuat link
        # ==================================================================
        print("3. Membuat tautan pencarian dari hasil analisis...")
        keywords_from_analysis = response_json.get("jabatan_ideal", "")
        search_links = generate_search_links(keywords_from_analysis)

        print("4. Menyusun output akhir...")
        final_output = format_output_markdown(response_json, search_links)
        print("--- Proses Selesai ---")
        return final_output

    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("# 🚀 Aplikasi Analis Peluang Karir Personal")
    gr.Markdown("Upload CV Anda, dan biarkan AI membuat laporan komprehensif tentang jalur karir terbaik Anda, lengkap dengan tautan pencarian kerja!")
    
    with gr.Row():
        with gr.Column(scale=1):
            cv_pdf = gr.File(label="Upload CV Anda (PDF)", file_types=[".pdf"])
            analyze_button = gr.Button("🔍 Analisis Karir Saya", variant="primary")
        
        with gr.Column(scale=2):
            output_analysis = gr.Markdown(label="Laporan Peluang Karir Anda")
            
    analyze_button.click(
        fn=analyze_career_path,
        inputs=[cv_pdf],
        outputs=[output_analysis],
        show_progress='full'
    )

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