Update app.py

app.py

@@ -1,103 +1,67 @@
-"""
-Install the Google AI Python SDK
-
-$ pip install google-generativeai
-
-See the getting started guide for more information:
-https://ai.google.dev/gemini-api/docs/get-started/python
-"""
-
 import os
 import time
+import gradio as gr
 
 import google.generativeai as genai
-import gradio as gr
 
-# Gemini API 키 설정
 genai.configure(api_key=os.environ["GEMINI_API_KEY"])
 
-# 모델 설정
+# Create the model
+# See https://ai.google.dev/api/python/google/generativeai/GenerativeModel
 generation_config = {
-    "temperature": 1,
-    "top_p": 0.95,
-    "top_k": 64,
-    "max_output_tokens": 8192,
-    "response_mime_type": "text/plain",
+  "temperature": 1,
+  "top_p": 0.95,
+  "top_k": 64,
+  "max_output_tokens": 8192,
+  "response_mime_type": "text/plain",
 }
+
 model = genai.GenerativeModel(
-    model_name="gemini-1.5-pro",
-    generation_config=generation_config,
+  model_name="gemini-1.5-pro",
+  generation_config=generation_config,
+  # safety_settings = Adjust safety settings
+  # See https://ai.google.dev/gemini-api/docs/safety-settings
 )
 
-def generate_research_plan(question):
-    """
-    주어진 질문에 대한 통합 탐구 계획을 생성합니다.
-
-    Args:
-        question (str): 탐구할 질문
-
-    Returns:
-        str: 생성된 통합 탐구 계획
-    """
-    
-    prompts = [
-        "과학자로서 통합탐구의 절차에 따라 실험을 설계하고 예상되는 결과를 설명해",
-        "질문 ",
-        "통합탐구 과정 변인 통제",
-        "질문 ",
-        "통합탐구 과정 자료 해석 방법 및 절차",
-        "질문 ",
-        "통합탐구 과정 결론 도출 방법 및 절차",
-        "질문 ",
-        "통합탐구 과정 예상되는 일반화",
-        "질문 문제 상황 및 질문",
-        "통합탐구 과정 문제 인식",
-        "질문 ",
-        "통합탐구 과정 가설 설정",
-        "질문 ",
-        "통합탐구 과정 "
-    ]
-    prompts[1] = question
-    prompts[13] = question
-    
-    response = model.generate_content(
-        prompts
-    )
-
-    return response.text
-
-def stream_output(question):
-    """
-    통합 탐구 계획 생성을 실시간으로 출력합니다.
-
-    Args:
-        question (str): 탐구할 질문
-
-    Yields:
-        str: 생성된 텍스트 조각
-    """
-
-    response = generate_research_plan(question)
-    for chunk in response.split("\n"):
-        yield chunk + "\n"
-        time.sleep(0.05)  # 출력 속도 조절
-
-with gr.Blocks() as demo:
-    gr.Markdown("# 🧪 통합 탐구 계획 생성기")
-    with gr.Row():
-        with gr.Column():
-            question = gr.Textbox(
-                lines=5,
-                label="🔬 탐구하고 싶은 질문을 입력하세요:",
-                placeholder="예: 색깔마다 에너지가 달라서 옷 색깔에 따라 마르는 속도가 다를까?",
-            )
-            submit_btn = gr.Button("🚀 계획 생성!")
-        with gr.Column():
-            plan_output = gr.Textbox(
-                lines=15,
-                label="📝 생성된 통합 탐구 계획:",
-            )
-
-    submit_btn.click(fn=stream_output, inputs=question, outputs=plan_output)
+def generate_research_plan(question, progress=gr.Progress(0, 1, label="생성 중...")):
+  """
+  질문이나 탐구주제를 입력받아 통합탐구 계획을 생성하는 함수
+  """
+  
+  # 프롬프트를 여러 부분으로 나누어 실시간 출력에 활용
+  prompts = [
+      "과학자로서 통합탐구의 절차에 따라 실험을 구체적, 단계적, 체계적으로 설계하고 예상되는 결과를 설명해줘.\n\n",
+      "질문 문제 상황 및 질문:\n\n", 
+      question + "\n\n",
+      "통합탐구 과정 1. 문제 인식\n\n2. 가설 설정\n\n3. 변인 통제\n\n4. 자료 해석 방법 및 절차\n\n5. 결론 도출 방법 및 절차\n\n6. 예상되는 일반화\n\n7. 탐구를 위한 팁\n\n",
+      "질문:\n\n", 
+      question + "\n\n",
+      "통합탐구 과정:\n\n"
+  ]
+
+  response_text = ""
+  for i, prompt in enumerate(prompts):
+    response_text += prompt
+    yield response_text  # 현재까지 생성된 텍스트를 출력
+    time.sleep(0.1)  # 약간의 지연 추가
+    progress.update(i / len(prompts))  # 진행 상태 업데이트
+
+  response = model.generate_content([response_text])
+  
+  # 모델 응답을 실시간으로 출력
+  for chunk in response.text.split(" "):
+    response_text += chunk + " "
+    yield response_text
+    time.sleep(0.05) 
+
+# Gradio 인터페이스 생성
+iface = gr.Interface(
+  fn=generate_research_plan, 
+  inputs=gr.Textbox(lines=5, label="질문이나 탐구주제를 입력하세요"), 
+  outputs=gr.Textbox(lines=10, label="통합탐구 계획"),
+  title="🔬 통합탐구 계획 생성기",
+  description="과학 탐구 주제에 대한 자세한 계획을 세우세요!"
+)
 
-demo.launch()
+# 인터페이스 실행
+iface.launch()