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

# --- KONFIGURASI API KEY DARI HUGGING FACE SECRETS ---
API_CONFIGURED = False
try:
    # PASTIKAN NAMA SECRET ANDA ADALAH 'GEMINI_API_KEY', BUKAN 'GOOGLE_API_KEY'
    api_key = os.environ.get('GEMINI_API_KEY') 
    if api_key:
        genai.configure(api_key=api_key)
        model = genai.GenerativeModel('gemini-1.5-flash-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 clean_and_parse_json(raw_text):
    """Fungsi yang lebih andal untuk membersihkan dan mem-parsing JSON dari teks mentah."""
    # Menemukan awal dan akhir blok JSON
    start_index = raw_text.find('{')
    end_index = raw_text.rfind('}')
    if start_index == -1 or end_index == -1:
        raise json.JSONDecodeError("Tidak ditemukan blok JSON valid dalam respons.", raw_text, 0)
    
    json_str = raw_text[start_index:end_index+1]
    return json.loads(json_str)

def format_output_markdown(parsed_json, hasil_analisis):
    """Menyusun hasil akhir menjadi string Markdown yang rapi."""
    nama = parsed_json.get('nama_lengkap', 'N/A')
    skor = hasil_analisis.get('skor_kecocokan', 'N/A')
    ringkasan = hasil_analisis.get('ringkasan_analisis', 'N/A')
    kekuatan = "\n".join([f"- {poin}" for poin in hasil_analisis.get('poin_kekuatan', [])])
    kelemahan = "\n".join([f"- {poin}" for poin in hasil_analisis.get('potensi_kelemahan', [])])

    return f"""
    ### HASIL ANALISIS KECOCOKAN KANDIDAT
    **👤 Nama Kandidat:** {nama}
    ***
    **⭐ Skor Kecocokan:** {skor} / 10
    
    **📝 Ringkasan Analisis:**
    {ringkasan}
    
    **✅ Poin Kekuatan Utama:**
    {kekuatan}
    
    **⚠️ Potensi Kelemahan / Pertanyaan Lanjutan:**
    {kelemahan}
    """

def analyze_cv(cv_file, deskripsi_pekerjaan):
    """Fungsi utama yang dijalankan oleh Gradio saat tombol ditekan."""
    if not API_CONFIGURED:
        raise gr.Error("API Key Gemini belum terkonfigurasi. Periksa Logs aplikasi di Hugging Face.")
    if cv_file is None or not deskripsi_pekerjaan.strip():
        raise gr.Error("Mohon upload file CV (PDF) dan isi deskripsi pekerjaan.")

    try:
        print("--- Memulai Proses Analisis ---")
        
        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 ekstraksi JSON ke Gemini...")
        prompt_ekstraksi = f"Ekstrak informasi dari teks CV berikut dan sajikan dalam format JSON. Pastikan JSON memiliki struktur: nama_lengkap, kontak, ringkasan, keterampilan, pengalaman_kerja, dan pendidikan. Teks CV:\n---\n{teks_cv}\n---\nOutput harus berupa JSON saja."
        response_ekstraksi = model.generate_content(prompt_ekstraksi)
        parsed_json = clean_and_parse_json(response_ekstraksi.text)
        print("✅ Ekstraksi JSON berhasil.")

        print("3. Mengirim permintaan analisis kecocokan ke Gemini...")
        prompt_analisis = f"Anda adalah Manajer Perekrutan. Analisis data kandidat (JSON) dan bandingkan dengan deskripsi pekerjaan. Deskripsi Pekerjaan: {deskripsi_pekerjaan}. Data Kandidat (JSON): {json.dumps(parsed_json, indent=2)}. Instruksi: Berikan output JSON dengan struktur: skor_kecocokan, ringkasan_analisis, poin_kekuatan, potensi_kelemahan. Output harus JSON saja."
        response_analisis = model.generate_content(prompt_analisis)
        hasil_analisis = clean_and_parse_json(response_analisis.text)
        print("✅ Analisis kecocokan berhasil.")

        print("4. Menyusun output akhir...")
        final_output = format_output_markdown(parsed_json, hasil_analisis)
        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 Analisis CV Otomatis")
    gr.Markdown("Upload CV dalam format PDF dan masukkan deskripsi pekerjaan untuk mendapatkan analisis kecocokan secara instan.")
    
    with gr.Row():
        with gr.Column(scale=1):
            cv_pdf = gr.File(label="1. Upload CV Anda (PDF)", file_types=[".pdf"])
            job_desc = gr.Textbox(lines=10, label="2. Masukkan Deskripsi Pekerjaan", placeholder="Contoh:\nPosisi: Senior Backend Engineer...")
            with gr.Row():
                clear_button = gr.ClearButton(value="Hapus Semua")
                analyze_button = gr.Button("✨ Analisis Sekarang", variant="primary")
        
        with gr.Column(scale=2):
            output_analysis = gr.Markdown(label="Hasil Analisis")
    
    # Menghubungkan tombol hapus ke semua komponen input dan output
    clear_button.add([cv_pdf, job_desc, output_analysis])

    analyze_button.click(
        fn=analyze_cv,
        inputs=[cv_pdf, job_desc],
        outputs=[output_analysis],
        show_progress='full' # Menampilkan status proses
    )

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