Delete app.py

app.py

@@ -1,109 +0,0 @@
-import gradio as gr
-import zipfile
-import os
-import csv
-from sentence_transformers import SentenceTransformer, util
-from openai import OpenAI
-
-# OpenAIクライアントの初期化（APIキーは環境変数から取得）
-client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
-
-# 記事フォルダがなければZIPから展開
-if not os.path.exists("articles"):
-    with zipfile.ZipFile("articles.zip", "r") as zip_ref:
-        zip_ref.extractall("articles")
-
-# 記事CSVの読み込みと、内容・メタ情報の格納
-documents, file_map = [], {}
-with open("articles/articles.csv", "r", encoding="cp932") as f:
-    reader = csv.DictReader(f)
-    for row in reader:
-        content = row["text"]
-        documents.append(content)
-        file_map[content] = {"title": row["title"], "url": row["url"]}
-
-# 文章埋め込みモデルのロードと記事のベクトル化
-model = SentenceTransformer("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
-document_embeddings = model.encode(documents, convert_to_tensor=True)
-
-# 回答生成関数
-def generate_answer(query):
-    # ユーザーの質問をベクトル化し、記事と類似検索
-    query_embedding = model.encode(query, convert_to_tensor=True)
-    hits = util.semantic_search(query_embedding, document_embeddings, top_k=2)[0]
-
-    # 上位記事の内容とURLを抽出
-    context_parts, urls = [], []
-    for hit in hits:
-        content = documents[hit["corpus_id"]]
-        meta = file_map[content]
-        urls.append(meta["url"])
-        context_parts.append(content[:300])  # 300文字まで抜粋
-
-    # プロンプト作成（指示文＋質問＋記事抜粋）
-    context = "\n\n".join(context_parts)
-    prompt = (
-        "あなたは転職面接の専門家です。以下の参考記事をもとに、共感、具体策、応援の順で回答してください。"
-        "回答には、共感、具体策、応援という言葉は入れず、必ず改行を入れて、読みやすいフレンドリーで自然な日本語にしてください。\n\n"
-        f"質問: {query}\n\n---\n{context}\n---"
-    )
-
-    try:
-        # OpenAI APIで回答生成
-        response = client.chat.completions.create(
-            model="gpt-3.5-turbo",
-            messages=[{"role": "user", "content": prompt}],
-            temperature=0.6,
-        )
-        answer = response.choices[0].message.content.strip()
-
-        # 参考記事リンクのHTML生成
-        link_html = "<br>".join(
-            f'<a href="{url}" target="_blank" style="color:#1d4ed8;">{url}</a>' for url in urls
-        )
-        link_html = f"<br><br><strong>もっと詳しく知りたい方はこちら：</strong><br>{link_html}"
-
-        return answer, link_html
-    except Exception as e:
-        # エラー時のメッセージ
-        return f"エラーが発生しました：\n{str(e)}", ""
-
-# Gradio UIの構築
-with gr.Blocks(css="") as demo:
-    gr.Markdown("## 面接で不安なことを入力して下さい")
-
-    with gr.Row():
-        with gr.Column():
-            # 質問入力欄
-            question = gr.Textbox(
-                label="質問",
-                placeholder="例：面接で緊張してしまいます。どうすればよいですか？",
-                lines=2,
-            )
-            # 回答ボタン
-            submit_btn = gr.Button("転職面接ナビに回答してもらう", elem_id="submit-btn")
-            # リセットボタン
-            clear_btn = gr.Button("リセット")
-        with gr.Column():
-            # 回答表示欄
-            answer = gr.Textbox(label="回答", lines=10)
-            # 参考リンク表示欄
-            linkbox = gr.HTML(elem_id="custom-linkbox")
-
-    # ボタンクリック時の処理設定
-    submit_btn.click(fn=generate_answer, inputs=question, outputs=[answer, linkbox])
-    clear_btn.click(fn=lambda: ("", ""), inputs=[], outputs=[question, answer, linkbox])
-
-    # ボタンの色をカスタマイズ（JS）
-    demo.load(None, None, None, js="""
-    () => {
-        const btn = document.querySelector("#submit-btn");
-        if (btn) {
-            btn.style.backgroundColor = "#f97316";
-            btn.style.color = "white";
-        }
-    }
-    """)
-
-# アプリ起動
-demo.launch()