# -*- coding: utf-8 -*-
"""app.py - マッチング理由機能を追加した企業文化マッチングアプリ（HuggingFace対応版）"""

import sys
import os
import subprocess
import logging

# ロギング設定
logging.basicConfig(level=logging.INFO, 
                    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
                    handlers=[logging.StreamHandler()])
logger = logging.getLogger(__name__)

# 必要なライブラリをインストール
def install_requirements():
    logger.info("必要なライブラリをインストールしています...")
    packages = ["gradio", "openai", "pandas", "numpy", "tabulate", "python-dotenv"]
    
    # requirements.txtの作成
    with open("requirements.txt", "w") as f:
        f.write("\n".join(packages))
    
    try:
        subprocess.check_call([sys.executable, "-m", "pip", "install", "-r", "requirements.txt"])
        logger.info("ライブラリのインストールが完了しました")
    except subprocess.CalledProcessError as e:
        logger.error(f"ライブラリのインストールに失敗しました: {e}")
        sys.exit(1)

# 必要なライブラリがインストールされているか確認
try:
    import gradio as gr
    import pandas as pd
    import numpy as np
    from openai import OpenAI
    from dotenv import load_dotenv
except ImportError:
    install_requirements()
    import gradio as gr
    import pandas as pd
    import numpy as np
    from openai import OpenAI
    from dotenv import load_dotenv

import ast
import time
import traceback
import json

# 環境変数から APIキーを読み込む
load_dotenv()
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")

# APIキー用の.env.exampleファイルの作成
def create_env_example():
    with open(".env.example", "w") as f:
        f.write("# このファイルを.envにリネームし、APIキーを設定してください\n")
        f.write("OPENAI_API_KEY=sk-あなたのAPIキーをここに入力\n")

# README.mdファイルの作成
def create_readme():
    with open("README.md", "w") as f:
        f.write("""# 企業文化マッチングアプリ

## 概要
このアプリケーションは、ユーザーの価値観と企業文化のマッチングを行います。

## セットアップ
1. 必要なライブラリをインストールします：
   ```
   pip install -r requirements.txt
   ```

2. 環境変数を設定します：
   - `.env.example` ファイルを `.env` にリネームします
   - OpenAI APIキーを設定します
   ```
   OPENAI_API_KEY=sk-あなたのAPIキーをここに入力
   ```

3. アプリケーションを起動します：
   ```
   python app.py
   ```

## Hugging Face Spacesでの設定
1. このリポジトリをHugging Face Spacesにインポートします
2. Settings > Repository Secrets で以下の変数を設定します：
   - `OPENAI_API_KEY`: OpenAI APIキー

## 機能
- ユーザーの価値観を分析
- 最適な企業のマッチングを計算
- マッチング理由の生成
- 直感的なUI/UXデザイン
""")

# アプリケーション情報ログ出力
def log_app_info():
    logger.info(f"Python version: {sys.version}")
    logger.info(f"Current working directory: {os.getcwd()}")
    logger.info(f"Directory contents: {os.listdir('.')}")

# 実際の企業名
REAL_COMPANIES = [
    "株式会社FLUX", "SmartHR", "カケハシ", "メルカリ", "Sansan", 
    "freee", "BASE", "STORES", "oVice", "SmartNews", 
    "note", "FOLIO", "WealthNavi", "NewsPicks", "リクルート"
]

# サンプルデータ作成関数
def create_sample_data():
    logger.info("Creating sample data")
    sample_data = []
    
    for company in REAL_COMPANIES[:3]:  # 最初の3社だけ使う
        for period in ["初期", "中期", "最近"]:
            # ダミーのベクトルを作成（1536次元）
            embedding = np.random.normal(0, 0.1, 1536).tolist()
            sample_data.append({
                "company": company,
                "period": period,
                "embedding": embedding
            })
    
    return pd.DataFrame(sample_data)

# 埋め込みデータ読み込み処理
def load_data():
    try:
        csv_path = "embedding_data.csv"
        logger.info(f"Loading embedding data from: {csv_path}")
        
        if os.path.exists(csv_path):
            # CSVを読み込む
            df = pd.read_csv(csv_path)
            logger.info(f"CSV loaded with {len(df)} rows")
            
            # 埋め込みデータの変換を試みる
            try:
                def safe_convert_embedding(x):
                    if isinstance(x, (list, np.ndarray)):
                        return np.array(x)
                    elif isinstance(x, tuple):
                        return np.array(list(x))  # タプルをリストに変換
                    elif isinstance(x, str):
                        try:
                            parsed = ast.literal_eval(x)
                            if isinstance(parsed, (list, tuple)):
                                return np.array(parsed)
                            else:
                                return np.zeros(1536)
                        except:
                            return np.zeros(1536)
                    else:
                        return np.zeros(1536)
                
                df["embedding"] = df["embedding"].apply(safe_convert_embedding)
                logger.info("Successfully converted embeddings")
            except Exception as e:
                logger.error(f"Error processing embeddings: {str(e)}")
                df = create_sample_data()
        else:
            logger.error(f"File not found: {csv_path}")
            df = create_sample_data()
    except Exception as e:
        logger.error(f"Error loading data: {str(e)}")
        df = create_sample_data()
    
    return df

# API ロジック関数
def classify_values(inputs, api_key=OPENAI_API_KEY, model="gpt-3.5-turbo"):
    """入力された価値観をOpenAI APIを使って分類"""
    try:
        logger.info("Classifying values...")
        if not api_key or not api_key.startswith("sk-"):
            logger.error("Invalid API key format or no API key provided in environment")
            return """
            1. 挑戦心
            2. リモート可
            3. 多様性
            4. 研修充実
            5. 高報酬
            """
        
        client = OpenAI(api_key=api_key)
        prompt = f"以下の価値観を3〜5個に分類してください：\n{inputs}"
        
        logger.info(f"Sending request to OpenAI API with model: {model}")
        res = client.chat.completions.create(
            model=model, 
            messages=[{"role": "user", "content": prompt}],
            max_tokens=500,
            timeout=30
        )
        logger.info("Successfully received response from OpenAI")
        return res.choices[0].message.content
    except Exception as e:
        error_msg = str(e)
        logger.error(f"Error in classify_values: {error_msg}")
        
        # エラー時はダミーデータを返す
        return """
        1. 挑戦心
        2. リモート可
        3. 多様性
        4. 研修充実
        5. 高報酬
        """

def create_dummy_results():
    """ダミーの結果データを生成"""
    logger.info("Creating dummy results")
    return [
        {"会社名": "株式会社FLUX", "初期": 72.3, "中期": 78.5, "最近": 85.7, 
         "文化特性": {"革新性": 85, "安定性": 70, "成長機会": 90, "環境": 75, "報酬": 80},
         "マッチング理由": "FLUXは挑戦心を重視する風土があり、あなたの成長意欲にぴったりです。リモートワークの柔軟な環境も整備されており、多様な働き方を実現できます。"},
        {"会社名": "SmartHR", "初期": 68.1, "中期": 72.4, "最近": 79.8,
         "文化特性": {"革新性": 75, "安定性": 85, "成長機会": 70, "環境": 65, "報酬": 90},
         "マッチング理由": "SmartHRは高い報酬水準と安定した企業基盤があり、長期的なキャリア形成に最適です。研修制度が充実しており、専門的なスキルアップを支援します。"},
        {"会社名": "カケハシ", "初期": 65.7, "中期": 70.2, "最近": 76.4,
         "文化特性": {"革新性": 90, "安定性": 60, "成長機会": 85, "環境": 80, "報酬": 75},
         "マッチング理由": "カケハシは革新的なアイデアを歓迎する社風で、あなたのクリエイティブな発想を活かせます。多様性を重視したチーム編成により、様々な視点から学べる環境です。"}
    ]

def compute_top3(summary, df, api_key=OPENAI_API_KEY):
    """価値観の分類結果と埋め込みデータから最適な企業TOP3を計算"""
    try:
        logger.info("Computing top 3 matches...")
        if not api_key or not api_key.startswith("sk-"):
            logger.error("Invalid API key in compute_top3")
            return create_dummy_results()
            
        client = OpenAI(api_key=api_key)
        
        # サマリーテキストを行ごとに分割して処理
        summary_lines = [line for line in summary.splitlines() if line.strip()]
        logger.info(f"Processing {len(summary_lines)} summary lines")
        
        user_vecs = []
        for line in summary_lines:
            try:
                logger.info(f"Getting embedding for: {line[:30]}...")
                r = client.embeddings.create(
                    input=line, 
                    model="text-embedding-ada-002",
                    timeout=20
                )
                user_vecs.append(np.array(r.data[0].embedding))
            except Exception as e:
                logger.error(f"Error getting embedding: {str(e)}")
                random_vec = np.random.uniform(-0.1, 0.1, 1536)
                random_vec = random_vec / np.linalg.norm(random_vec)
                user_vecs.append(random_vec)
        
        if not user_vecs:
            logger.error("No valid user vectors generated")
            return create_dummy_results()
            
        # 企業データの処理
        companies = {}
        for _, r in df.iterrows():
            try:
                c = r["company"]
                p = r["period"]
                
                if "embedding" in r:
                    emb = r["embedding"]
                    
                    if not isinstance(emb, np.ndarray):
                        if isinstance(emb, (list, tuple)):
                            emb = np.array(emb)
                        else:
                            logger.error(f"Skipping invalid embedding for {c}, {p}: {type(emb)}")
                            continue
                    
                    if len(emb.shape) != 1 or emb.shape[0] < 10:
                        logger.error(f"Skipping invalid embedding dimensions for {c}, {p}: {emb.shape}")
                        continue
                    
                    companies.setdefault(c, {})[p] = emb
                else:
                    logger.error(f"No embedding found for {c}, {p}")
            except Exception as e:
                logger.error(f"Error processing company {r.get('company', 'unknown')}: {str(e)}")
        
        logger.info(f"Processed data for {len(companies)} companies")
        
        if not companies:
            logger.error("No valid companies found")
            return create_dummy_results()
        
        # 類似度計算とランキング
        results = []
        for c, periods in companies.items():
            if "最近" not in periods: 
                logger.info(f"Skipping {c} - no recent data")
                continue
                
            def score(p):
                if p not in periods: 
                    return None
                    
                try:
                    sims = []
                    for uv in user_vecs:
                        similarity = np.dot(periods[p], uv) / (np.linalg.norm(periods[p]) * np.linalg.norm(uv))
                        sims.append(similarity)
                    
                    return round(np.mean(sims) * 100, 1)
                except Exception as e:
                    logger.error(f"Error calculating score for {c}, {p}: {str(e)}")
                    return None
            
            company_result = {
                "会社名": c,
                "初期": score("初期"),
                "中期": score("中期"),
                "最近": score("最近"),
                "文化特性": {
                    "革新性": min(100, max(0, int((score("最近") or 50) * (0.8 + 0.4 * np.random.random())))),
                    "安定性": min(100, max(0, int((score("最近") or 50) * (0.8 + 0.4 * np.random.random())))),
                    "成長機会": min(100, max(0, int((score("最近") or 50) * (0.8 + 0.4 * np.random.random())))),
                    "環境": min(100, max(0, int((score("最近") or 50) * (0.8 + 0.4 * np.random.random())))),
                    "報酬": min(100, max(0, int((score("最近") or 50) * (0.8 + 0.4 * np.random.random()))))
                }
            }
            results.append(company_result)
        
        sorted_results = sorted(results, key=lambda x: x["最近"] or 0, reverse=True)
        top3 = sorted_results[:3]
        
        if not top3:
            logger.error("No results found after sorting")
            return create_dummy_results()
            
        logger.info(f"Successfully computed top 3 matches: {[c['会社名'] for c in top3]}")
        
        # マッチング理由の生成
        for company in top3:
            company["マッチング理由"] = generate_matching_reason(company, summary, api_key)
            
        return top3
        
    except Exception as e:
        logger.error(f"Error in compute_top3: {str(e)}")
        return create_dummy_results()

def generate_matching_reason(company, user_values, api_key=OPENAI_API_KEY, model="gpt-3.5-turbo"):
    """企業とユーザーの価値観のマッチング理由を生成"""
    try:
        if not api_key or not api_key.startswith("sk-"):
            # ダミーの理由を返す
            if company["会社名"] == "株式会社FLUX":
                return "FLUXは挑戦心を重視する風土があり、あなたの成長意欲にぴったりです。リモートワークの柔軟な環境も整備されており、多様な働き方を実現できます。"
            elif company["会社名"] == "SmartHR":
                return "SmartHRは高い報酬水準と安定した企業基盤があり、長期的なキャリア形成に最適です。研修制度が充実しており、専門的なスキルアップを支援します。"
            else:
                return "多様性を重視したチーム編成があり、様々な視点から学べる環境です。成長機会が豊富で、あなたのスキルアップを強力にサポートします。"
        
        client = OpenAI(api_key=api_key)
        
        # 企業の特性をテキストに整形
        company_traits = []
        for trait, value in company["文化特性"].items():
            if value >= 80:
                company_traits.append(f"{trait}が非常に高い")
            elif value >= 70:
                company_traits.append(f"{trait}が高い")
        
        # プロンプト作成
        prompt = f"""
ユーザーの価値観:
{user_values}

企業の特徴:
会社名: {company['会社名']}
特性: {', '.join(company_traits)}

上記のユーザーの価値観と企業の特徴を基に、この企業がユーザーの価値観にマッチする理由を2-3文で簡潔に説明してください。
以下の条件を守ってください：
- ポジティブな表現を使う
- 抽象的すぎず具体的なポイントに言及する
- 自然な日本語で、読みやすく具体的な表現にする
- 理由は最大2つまでに絞り、簡潔に述べる
"""
        
        logger.info(f"Generating matching reason for {company['会社名']}")
        res = client.chat.completions.create(
            model=model, 
            messages=[{"role": "user", "content": prompt}],
            max_tokens=200,
            temperature=0.7,
            timeout=20
        )
        
        # 応答から余分な空白や改行を削除
        matching_reason = res.choices[0].message.content.strip()
        return matching_reason
        
    except Exception as e:
        logger.error(f"Error generating matching reason: {str(e)}")
        # エラー時のフォールバック理由
        return f"{company['会社名']}は、あなたの価値観と高い相性を持っています。特に成長機会の豊富さとチームの多様性が、あなたのキャリア目標にマッチするでしょう。"

def run_app(q1_choice, q1_text, q2_choice, q2_text, q3_choice, q3_text,
            q4_choice, q4_text, q5_choice, q5_text, progress=gr.Progress()):
    """リッチインタラクティブデザイン用の実行関数（エラーハンドリング強化版）"""
    try:
        logger.info("Starting app execution...")
        
        # APIキーチェック（環境変数から取得）
        api_key = OPENAI_API_KEY
        if not api_key:
            logger.warning("No API key found in environment variables")
            return "APIキーが設定されていません。管理者に連絡してください。", "", gr.update(visible=False), gr.update(value="次へ進む", variant="primary")
        
        # 回答データの収集
        answers = []
        for i, (choice, text) in enumerate([
            (q1_choice, q1_text), (q2_choice, q2_text), (q3_choice, q3_text),
            (q4_choice, q4_text), (q5_choice, q5_text)
        ]):
            v = text.strip() or choice or None
            if v: 
                answers.append(v)
                logger.info(f"Question {i+1}: {v[:30]}...")
        
        # 回答チェック
        if not answers:
            logger.warning("No answers provided")
            return "回答が入力されていません", "", gr.update(visible=True), gr.update(value="次へ進む", variant="primary")
        
        # 1. 価値観分類
        progress(0.1, "価値観を分類中...")
        logger.info("Classifying values...")
        summary = classify_values(", ".join(answers), api_key)
        
        # 2. 企業マッチング計算
        progress(0.4, "企業とのマッチングを計算中...")
        logger.info("Computing matches...")
        top3 = compute_top3(summary, df, api_key)
        
        # 結果HTML生成（シンプルな構造）
        summary_html = f'<div class="section"><h3>あなたの価値観</h3><div>{summary.replace(chr(10), "<br>")}</div></div>'
        
        # 企業カードHTML生成 - 横並びに変更
        companies_html = '<div class="section"><h3>マッチング企業</h3><div class="company-grid">'
        
        for i, company in enumerate(top3):
            rank = i + 1
            medal = "🥇" if rank == 1 else "🥈" if rank == 2 else "🥉"
            score = company["最近"] if company["最近"] is not None else 0
            progress_width = min(int(score), 100) if score else 0
            
            initial = f"{company['初期']}%" if company['初期'] is not None else "-"
            middle = f"{company['中期']}%" if company['中期'] is not None else "-"
            recent = f"{company['最近']}%" if company['最近'] is not None else "-"
            
            # マッチング理由
            matching_reason = company.get("マッチング理由", "この企業はあなたの価値観と高い相性があります。")
            
            companies_html += f'''
            <div class="company-card">
                <div class="company-header">
                    <span class="medal">{medal}</span>
                    <span class="company-name">{company['会社名']}</span>
                </div>
                <div class="progress-bar">
                    <div class="progress-fill" style="width: {progress_width}%;"></div>
                </div>
                <div class="score">{recent}</div>
                <div class="periods">
                    <div class="period">
                        <div class="period-label">初期</div>
                        <div class="period-value">{initial}</div>
                    </div>
                    <div class="period">
                        <div class="period-label">中期</div>
                        <div class="period-value">{middle}</div>
                    </div>
                    <div class="period highlight">
                        <div class="period-label">最近</div>
                        <div class="period-value">{recent}</div>
                    </div>
                </div>
                <div class="matching-reason">
                    <h4>マッチング理由</h4>
                    <p>{matching_reason}</p>
                </div>
            </div>
            '''
        
        companies_html += '</div></div>'
        
        # CSS スタイリング - 横並び表示のため調整
        style = '''
        <style>
        @import url('https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600;700&family=Noto+Sans+JP:wght@300;400;500;700&display=swap');
        
        .result-container {
            font-family: 'Inter', 'Noto Sans JP', sans-serif;
            max-width: 1200px;
            margin: 0 auto;
            padding: 20px;
            background: #f8fafc;
            border-radius: 16px;
        }
        .title {
            text-align: center;
            margin-bottom: 30px;
            color: #3b82f6;
        }
        .section {
            background: white;
            border-radius: 12px;
            padding: 20px;
            margin-bottom: 20px;
            box-shadow: 0 4px 10px rgba(0, 0, 0, 0.1);
        }
        h3 {
            margin-top: 0;
            margin-bottom: 15px;
            color: #3b82f6;
            font-weight: 600;
        }
        .company-grid {
            display: flex;
            flex-direction: row;
            flex-wrap: nowrap;
            gap: 20px;
            overflow-x: auto;
        }
        .company-card {
            background: #f8fafc;
            border-radius: 8px;
            padding: 15px;
            box-shadow: 0 2px 5px rgba(0, 0, 0, 0.05);
            flex: 1;
            min-width: 300px;
            max-width: 32%;
        }
        .company-header {
            display: flex;
            justify-content: space-between;
            align-items: center;
            margin-bottom: 15px;
        }
        .medal {
            font-size: 24px;
        }
        .company-name {
            font-weight: 600;
            color: #3b82f6;
        }
        .progress-bar {
            height: 8px;
            background: #e2e8f0;
            border-radius: 4px;
            margin-bottom: 5px;
        }
        .progress-fill {
            height: 100%;
            background: #3b82f6;
            border-radius: 4px;
        }
        .score {
            text-align: right;
            font-weight: 600;
            color: #3b82f6;
            margin-bottom: 15px;
        }
        .periods {
            display: flex;
            gap: 8px;
            margin-bottom: 15px;
        }
        .period {
            flex: 1;
            background: #f1f5f9;
            padding: 8px;
            border-radius: 6px;
            text-align: center;
        }
        .period.highlight {
            background: #dbeafe;
        }
        .period-label {
            font-size: 12px;
            color: #64748b;
            margin-bottom: 5px;
        }
        .period-value {
            font-weight: 500;
        }
        .highlight .period-value {
            color: #3b82f6;
            font-weight: 600;
        }
        .matching-reason {
            margin-top: 15px;
            padding: 12px;
            background: #fff;
            border-radius: 8px;
            border-left: 3px solid #3b82f6;
        }
        .matching-reason h4 {
            margin: 0 0 8px 0;
            color: #3b82f6;
            font-size: 14px;
            font-weight: 600;
        }
        .matching-reason p {
            margin: 0;
            color: #334155;
            font-size: 14px;
            line-height: 1.5;
        }
        
        /* モバイル対応 */
        @media (max-width: 768px) {
            .company-grid {
                flex-wrap: wrap;
                overflow-x: visible;
            }
            .company-card {
                min-width: 100%;
                max-width: 100%;
                margin-bottom: 15px;
            }
        }
        </style>
        '''
        
        # 完全なHTML結果を構築
        results_html = f'''
        {style}
        <div class="result-container">
            <div class="title">
                <h2>企業文化マッチング結果</h2>
            </div>
            {summary_html}
            {companies_html}
        </div>
        '''
        
        progress(1.0, "完了!")
        time.sleep(0.5)
        
        logger.info("App execution completed successfully")
        return summary, results_html, gr.update(visible=True), gr.update(value="分析完了 ✓", variant="secondary")
        
    except Exception as e:
        logger.error(f"Critical error in run_app: {str(e)}")
        logger.error(traceback.format_exc())
        error_html = f'''
        <div style="text-align: center; padding: 40px; background: #fff5f5; border-radius: 12px; border: 1px solid #fed7d7;">
            <div style="font-size: 48px; margin-bottom: 20px;">⚠️</div>
            <h3 style="margin-bottom: 15px; color: #e53e3e;">エラーが発生しました</h3>
            <p style="margin-bottom: 20px;">予期せぬエラーが発生しました。以下の対処法をお試しください：</p>
            <ul style="text-align: left; margin-bottom: 20px;">
                <li>インターネット接続を確認してください</li>
                <li>ブラウザを更新してから再度お試しください</li>
                <li>しばらく時間をおいて再度お試しください</li>
            </ul>
            <p style="font-size: 14px; color: #718096;">エラー詳細: {str(e)[:100]}</p>
        </div>
        '''
        return f"エラーが発生しました: {str(e)}", error_html, gr.update(visible=True), gr.update(value="再試行", variant="primary")

# CSS定義（シンプル版）
custom_css = """
@import url('https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600;700&family=Noto+Sans+JP:wght@300;400;500;700&display=swap');
body {
    font-family: 'Inter', 'Noto Sans JP', sans-serif;
    color: #334155;
    background-color: #f8fafc;
}
.content-card {
    background: white;
    border-radius: 12px;
    padding: 20px;
    margin-bottom: 15px;
    box-shadow: 0 4px 10px rgba(0, 0, 0, 0.05);
}
.primary-button {
    background: #3b82f6 !important;
    color: white !important;
    font-weight: 600 !important;
    border-radius: 8px !important;
    padding: 12px 20px !important;
}
.secondary-button {
    background: #f1f5f9 !important;
    color: #64748b !important;
    font-weight: 600 !important;
    border-radius: 8px !important;
    padding: 12px 20px !important;
}
"""

# Gradio Blocks 定義 - APIキー入力欄を削除
with gr.Blocks(css=custom_css, title="企業文化マッチング") as demo:
    # ヘッダー
    gr.HTML("<h1 style='text-align: center; margin: 30px 0 20px; color: #3b82f6;'>企業文化マッチング</h1>")
    gr.HTML("<p style='text-align: center; margin-bottom: 30px; color: #64748b;'>あなたの価値観に合った企業を見つけましょう</p>")

    # 質問1
    with gr.Group(elem_classes="content-card"):
        gr.HTML("<h3 style='margin-top: 0;'>Q1: 仕事における優先事項</h3>")
        gr.HTML("<p style='color: #64748b; margin-bottom: 10px;'>あなたが仕事で最も大切にしている要素を選択してください</p>")
        
        q1_choice = gr.Radio(
            ["柔軟性", "挑戦心", "安定志向", "成長機会重視", "ワークライフバランス", "高給与"],
            label="最優先の価値観"
        )
        q1_text = gr.Textbox(
            label="その他の重要な価値観",
            placeholder="例：チームでの協力、創造性を発揮できる環境"
        )

    # 質問2
    with gr.Group(elem_classes="content-card"):
        gr.HTML("<h3 style='margin-top: 0;'>Q2: 理想的な働き方</h3>")
        gr.HTML("<p style='color: #64748b; margin-bottom: 10px;'>あなたが重視する働き方や環境を選択してください</p>")
        
        q2_choice = gr.Radio(
            ["リモート可", "フレックス", "完全出社", "ハイブリッド勤務"],
            label="希望する働き方"
        )
        q2_text = gr.Textbox(
            label="その他の希望",
            placeholder="例：集中できる個室環境、リラックスできるスペース"
        )

    # 質問3
    with gr.Group(elem_classes="content-card"):
        gr.HTML("<h3 style='margin-top: 0;'>Q3: チームや組織のあり方</h3>")
        gr.HTML("<p style='color: #64748b; margin-bottom: 10px;'>あなたが求める組織の特徴を選択してください</p>")
        
        q3_choice = gr.Radio(
            ["裁量権大", "多様性", "明確な役割分担", "リーダーシップ重視"],
            label="求める組織の特徴"
        )
        q3_text = gr.Textbox(
            label="その他のポイント",
            placeholder="例：オープンなコミュニケーション"
        )

    # 質問4
    with gr.Group(elem_classes="content-card"):
        gr.HTML("<h3 style='margin-top: 0;'>Q4: 成長機会</h3>")
        gr.HTML("<p style='color: #64748b; margin-bottom: 10px;'>あなたが期待する成長機会を選択してください</p>")
        
        q4_choice = gr.Radio(
            ["研修充実", "メンター制度", "自己学習支援", "海外研修"],
            label="期待する成長機会"
        )
        q4_text = gr.Textbox(
            label="その他の希望",
            placeholder="例：最新技術の習得機会"
        )

    # 質問5
    with gr.Group(elem_classes="content-card"):
        gr.HTML("<h3 style='margin-top: 0;'>Q5: その他の大切な要素</h3>")
        gr.HTML("<p style='color: #64748b; margin-bottom: 10px;'>その他にキャリアで重視することを選択してください</p>")
        
        q5_choice = gr.Radio(
            ["企業文化重視", "高報酬", "勤務地", "社会貢献度"],
            label="その他の重視ポイント"
        )
        q5_text = gr.Textbox(
            label="具体的に",
            placeholder="例：副業可、社会的意義のある事業"
        )