Create app.py

app.py

@@ -0,0 +1,115 @@
+Tady to je. Zachoval jsem **úplně celou logiku tvého kámoše** (stejné texty, stejná matematika pro výpočet procent i úplně stejný prompt pro Gemini). Jediné, co jsem udělal, je, že jsem „přeložil“ rozhraní ze Streamlitu do Gradia a odstranil Streamlit dekorátory, které by padaly.
+
+Tenhle kód stačí zkopírovat, vložit do `app.py` a váš projekt bezpečně poběží:
+
+```python
+import gradio as gr
+import google.generativeai as genai
+import pandas as pd
+import numpy as np
+from PIL import Image
+import os
+import tensorflow as tf
+import glob
+
+# ── Konfigurace API ────────────────────────────────
+# Ujistěte se, že máte GEMINI_API_KEY v Hugging Face "Settings" -> "Variables and secrets"
+if "GEMINI_API_KEY" in os.environ:
+    genai.configure(api_key=os.environ["GEMINI_API_KEY"])
+    llm = genai.GenerativeModel("gemini-1.5-flash")
+else:
+    llm = None
+    print("Chyba: API klíč není nastaven v Hugging Face Secrets.")
+
+# ── Funkce pro načtení všech CSV dat ──────────────
+def nacti_vsechna_data():
+    vsechna_data_text = ""
+    soubory = glob.glob("*.csv") # Najde všechny .csv soubory v repozitáři
+    
+    if not soubory:
+        return "Pozor: V repozitáři nebyla nalezena žádná data (.csv)."
+    
+    for soubor in soubory:
+        try:
+            # engine='python' a sep=None umožní AI automaticky poznat oddělovač (čárka/středník)
+            df = pd.read_csv(soubor, sep=None, engine='python')
+            vsechna_data_text += f"\n--- OBSAH SOUBORU: {soubor} ---\n"
+            vsechna_data_text += df.to_string() + "\n"
+        except Exception as e:
+            vsechna_data_text += f"\nChyba při čtení {soubor}: {str(e)}\n"
+            
+    return vsechna_data_text
+
+# ── Funkce pro model Teachable Machine ────────────
+def nacti_model():
+    if not os.path.exists("keras_model.h5") or not os.path.exists("labels.txt"):
+        return None, "Chybí soubory modelu (keras_model.h5, labels.txt)."
+    
+    model = tf.keras.models.load_model("keras_model.h5", compile=False)
+    labels = open("labels.txt", "r", encoding="utf-8").read().strip().split("\n")
+    return model, labels
+
+# Načtení modelu globálně při startu
+GLOBAL_MODEL, GLOBAL_LABELS = nacti_model()
+
+def vyhodnot_strechu(obrazek):
+    if obrazek is None:
+        return "Prosím, nahrajte snímek střechy."
+        
+    model, labels = GLOBAL_MODEL, GLOBAL_LABELS
+    if model is None: 
+        return labels # Vypíše chybu o chybějících souborech
+    
+    img = obrazek.resize((224, 224))
+    arr = np.array(img, dtype=np.float32) / 255.0
+    arr = np.expand_dims(arr, axis=0)
+    
+    predikce = model.predict(arr)[0]
+    index = np.argmax(predikce)
+    skore = float(predikce[index]) * 100
+    label = labels[index]
+    
+    # Nahrazuje st.metric a st.success/st.error z kámošova kódu
+    vysledek = f"Analýza: {label} ({skore:.1f}%)\n\n"
+    if skore > 70: 
+        vysledek += "✅ Závěr: Střecha je vhodná pro FVE"
+    else: 
+        vysledek += "❌ Závěr: Střecha není vhodná pro FVE"
+        
+    return vysledek
+
+# ── Funkce pro Chatbota (Gradio wrapper) ──────────
+def chatbot_odpoved(otazka, historie):
+    if llm is None:
+        return "Chyba: API klíč není nastaven v Hugging Face Secrets."
+        
+    data_text = nacti_vsechna_data()
+    prompt = f"Jsi expert na energetiku. Tady jsou data z mých souborů:\n{data_text}\n\nOtázka: {otazka}"
+    
+    try:
+        odpoved = llm.generate_content(prompt)
+        return odpoved.text
+    except Exception as e:
+        return f"Chyba při generování odpovědi: {str(e)}"
+
+# ── UI Rozhraní (Gradio) ──────────────────────────
+with gr.Blocks(title="Solární poradce") as demo:
+    gr.Markdown("# Solární poradce pro Ústecký kraj")
+
+    with gr.Tabs():
+        with gr.TabItem("Analýza střechy"):
+            gr.Markdown("### Nahrajte snímek střechy")
+            with gr.Row():
+                with gr.Column():
+                    vstup_img = gr.Image(type="pil", label="Vyberte obrázek")
+                    analyzovat_btn = gr.Button("Vyhodnotit", variant="primary")
+                with gr.Column():
+                    vystup_text = gr.Textbox(label="Výsledek", lines=4)
+                    
+            analyzovat_btn.click(fn=vyhodnot_strechu, inputs=vstup_img, outputs=vystup_text)
+
+        with gr.TabItem("Chatbot s daty"):
+            gr.Markdown("### Dotaz na energetická data")
+            gr.ChatInterface(fn=chatbot_odpoved)
+
+demo.launch()