import gradio as gr import json import time import os from datetime import datetime from llm_utils import LLM_PROVIDERS, get_llm_models, validate_api_key, call_llm, parse_llm_output, create_zip_from_files from project_types import PROJECT_TYPES from advanced_prompts import ( get_advanced_context_prompt, get_advanced_commands_prompt, get_advanced_prompts_prompt, calculate_project_complexity, get_industry_specific_requirements ) # Global state generated_files = {'context': {}, 'commands': {}, 'prompts': {}} stats = {'context': {'tokens': 0, 'time': 0}, 'commands': {'tokens': 0, 'time': 0}, 'prompts': {'tokens': 0, 'time': 0}} project_analysis = {} # Sektörler INDUSTRIES = [ "Teknoloji/Yazılım", "Finans/Fintech", "Sağlık/Healthcare", "E-ticaret", "Eğitim/EdTech", "Oyun/Gaming", "Sosyal Medya", "IoT/Akıllı Cihazlar", "Blockchain/Web3", "AI/ML Servisleri", "SaaS B2B", "SaaS B2C", "Marketplace", "Diğer" ] # Proje özellikleri PROJECT_FEATURES = [ "Kullanıcı Yönetimi", "Ödeme İşlemleri", "Gerçek Zamanlı Özellikler", "AI/ML Entegrasyonu", "Çoklu Platform", "3. Parti Entegrasyonlar", "Offline Çalışma", "Çoklu Dil Desteği", "Bildirim Sistemi", "Analytics/Raporlama", "Sosyal Özellikler", "Güvenlik/Compliance" ] def analyze_project(project_type, project_idea, industry, features): """Proje analizi yapar ve öneriler üretir""" analysis = { "complexity": calculate_project_complexity(project_type, project_idea, features), "industry_requirements": get_industry_specific_requirements(industry), "estimated_files": {}, "tech_recommendations": [], "architecture_suggestion": "" } # Teknoloji önerileri if "AI/ML" in project_type: analysis["tech_recommendations"] = ["Python", "TensorFlow/PyTorch", "MLflow", "Docker", "Kubernetes"] analysis["architecture_suggestion"] = "Microservices with ML Pipeline" elif "Web" in project_type: analysis["tech_recommendations"] = ["React/Next.js", "Node.js/Python", "PostgreSQL", "Redis", "Docker"] analysis["architecture_suggestion"] = "Modern Jamstack Architecture" elif "Mobil" in project_type: analysis["tech_recommendations"] = ["React Native/Flutter", "Firebase", "GraphQL", "Redux/MobX"] analysis["architecture_suggestion"] = "Clean Architecture with BLoC/MVVM" return analysis def generate_section_advanced(provider, model, api_key, project_type, project_idea, section, industry, features, tech_details, progress=gr.Progress()): """Gelişmiş section oluşturma""" try: start_time = time.time() # Proje analizi progress(0.05, desc="Proje analiz ediliyor...") analysis = analyze_project(project_type, project_idea, industry, features) global project_analysis project_analysis = analysis # Progress progress(0.1, desc=f"{section.capitalize()} için akıllı prompt hazırlanıyor...") # Section'a göre advanced prompt seç if section == 'context': prompt = get_advanced_context_prompt(project_type, project_idea, tech_details) elif section == 'commands': context_summary = f"Proje {len(generated_files['context'])} context dosyası içeriyor" prompt = get_advanced_commands_prompt(project_type, project_idea, context_summary) elif section == 'prompts': prompt = get_advanced_prompts_prompt(project_type, project_idea, tech_details) # Sektör gereksinimlerini ekle if industry != "Diğer": prompt += f"\n\nSEKTÖR GEREKSİNİMLERİ ({industry}):\n" prompt += "\n".join(f"- {req}" for req in analysis["industry_requirements"]) # Token tahmini prompt_tokens = len(prompt.split()) * 1.3 progress(0.3, desc="AI ile iletişim kuruluyor...") # LLM çağrısı llm_response = call_llm(provider, model, api_key, prompt) if not llm_response or "hata" in llm_response.lower(): return f"

❌ Hata: {llm_response}

", None, None progress(0.6, desc="Yanıt işleniyor ve optimize ediliyor...") # Response analizi response_tokens = len(llm_response.split()) * 1.3 total_tokens = prompt_tokens + response_tokens # Dosyaları parse et parsed_files = parse_llm_output(llm_response) if not parsed_files: return f"

❌ Dosyalar ayrıştırılamadı.

", None, None # Kaydet generated_files[section] = parsed_files # İstatistikleri güncelle elapsed_time = time.time() - start_time stats[section] = {'tokens': int(total_tokens), 'time': round(elapsed_time, 2)} progress(0.9, desc="Kalite kontrolü yapılıyor...") # Dosya listesi ve kalite skoru file_count = len(parsed_files) quality_score = min(100, 60 + (file_count * 4)) # Basit kalite skoru # Başarı mesajı file_list_html = "
" for i, (file, content) in enumerate(parsed_files.items()): size_kb = len(content.encode('utf-8')) / 1024 file_list_html += f"""
✅ {file} ({size_kb:.1f} KB)
""" file_list_html += "
" success_msg = f"""

✨ {section.capitalize()} Başarıyla Oluşturuldu!

{file_count}
Dosya Oluşturuldu
~{int(total_tokens)}
Token Kullanıldı
{elapsed_time:.1f}s
İşlem Süresi
📁 Oluşturulan Dosyalar:
{file_list_html}
Kalite Skoru: {quality_score}/100
""" # Analiz raporu analysis_report = f"""

📊 Proje Analizi

""" return success_msg + analysis_report, None, analysis except Exception as e: import traceback error_detail = traceback.format_exc() return f"

❌ Hata: {str(e)}

{error_detail}
", None, None def download_all_professional(): """Profesyonel ZIP paketi oluşturur""" all_files = {} # Dosyaları topla for section in ['context', 'commands', 'prompts']: if generated_files[section]: all_files.update(generated_files[section]) if not all_files: return None, "

❌ İndirilecek dosya yok.

" # README.md oluştur readme_content = f"""# {project_analysis.get('project_name', 'Project')} - Context Engineering ## 📋 Proje Özeti - **Tür:** {project_analysis.get('project_type', 'N/A')} - **Sektör:** {project_analysis.get('industry', 'N/A')} - **Karmaşıklık:** {project_analysis.get('complexity', {}).get('context', 0) + project_analysis.get('complexity', {}).get('commands', 0) + project_analysis.get('complexity', {}).get('prompts', 0)} puan ## 📁 Dosya Yapısı - `context/` - Proje bağlamı ve dokümantasyon ({len(generated_files['context'])} dosya) - `commands/` - Otomasyon ve yönetim komutları ({len(generated_files['commands'])} dosya) - `prompts/` - AI asistan prompt şablonları ({len(generated_files['prompts'])} dosya) ## 🚀 Başlangıç 1. Context dosyalarını okuyarak projeyi anlayın 2. Commands klasöründeki setup komutlarını çalıştırın 3. Prompts şablonlarını AI asistanınızla kullanın ## 📊 İstatistikler - Toplam Dosya: {len(all_files)} - Toplam Token: ~{sum(s['tokens'] for s in stats.values())} - Oluşturma Süresi: {sum(s['time'] for s in stats.values()):.1f} saniye --- Generated by Context Engineer v2.0 """ all_files['README.md'] = readme_content # Manifest dosyası manifest = { "version": "2.0", "generated_at": datetime.now().isoformat(), "statistics": stats, "project_analysis": project_analysis, "file_count": { "context": len(generated_files['context']), "commands": len(generated_files['commands']), "prompts": len(generated_files['prompts']) } } all_files['manifest.json'] = json.dumps(manifest, indent=2) # ZIP oluştur zip_data = create_zip_from_files(all_files) timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") zip_file_path = f"./context_engineering_pro_{timestamp}.zip" with open(zip_file_path, "wb") as f: f.write(zip_data) # Özet rapor total_size_kb = sum(len(content.encode('utf-8')) for content in all_files.values()) / 1024 summary = f"""

🎉 Proje Paketi Hazır!

📊 Genel İstatistikler

  • 📁 Toplam Dosya: {len(all_files)}
  • 💾 Paket Boyutu: {total_size_kb:.1f} KB
  • 🎯 Token Kullanımı: ~{sum(s['tokens'] for s in stats.values())}
  • ⏱️ Toplam Süre: {sum(s['time'] for s in stats.values()):.1f}s

📂 Klasör Detayları

  • 📘 Context: {len(generated_files['context'])} dosya
  • ⚡ Commands: {len(generated_files['commands'])} dosya
  • 💡 Prompts: {len(generated_files['prompts'])} dosya
  • 📄 Ekstra: README.md, manifest.json

✨ Profesyonel context engineering paketiniz başarıyla oluşturuldu!

""" return gr.File(value=zip_file_path, visible=True), summary # Ana arayüz with gr.Blocks(theme=gr.themes.Soft(), css=""" .gradio-container { font-family: 'Inter', sans-serif; } .gr-button-primary { background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); border: none; } .gr-button-secondary { background: linear-gradient(135deg, #f093fb 0%, #f5576c 100%); border: none; } """) as demo: gr.Markdown(""" # 🚀 Context Engineer Pro v2.0 ### Enterprise-Grade AI-Powered Project Structure Generator Projeleriniz için **akıllı**, **dinamik** ve **sektöre özgü** context engineering yapıları oluşturun. """) with gr.Tab("🎯 Proje Bilgileri"): with gr.Row(): with gr.Column(scale=1): gr.Markdown("### 🏢 Proje Detayları") project_type = gr.Dropdown( choices=PROJECT_TYPES, label="Proje Türü", value=PROJECT_TYPES[0] ) industry = gr.Dropdown( choices=INDUSTRIES, label="Sektör", value="Teknoloji/Yazılım" ) features = gr.CheckboxGroup( choices=PROJECT_FEATURES, label="Proje Özellikleri", value=["Kullanıcı Yönetimi"] ) with gr.Column(scale=2): gr.Markdown("### 📝 Proje Açıklaması") project_idea_input = gr.Textbox( label="Proje Fikri", lines=6, value="Detaylı proje açıklamanızı buraya yazın..." ) tech_details_input = gr.Textbox( label="Teknik Detaylar (Opsiyonel)", lines=4, value="Kullanmayı düşündüğünüz teknolojiler, özel gereksinimler..." ) with gr.Tab("🔧 LLM Konfigürasyonu"): with gr.Row(): with gr.Column(): llm_provider = gr.Dropdown( choices=list(LLM_PROVIDERS.keys()), label="AI Sağlayıcı", value="Gemini" ) llm_model = gr.Dropdown( choices=[], label="Model", interactive=False ) with gr.Column(): api_key_input = gr.Textbox( label="API Anahtarı", type="password" ) validate_button = gr.Button("🔐 API Doğrula", variant="secondary") validation_status = gr.Markdown() with gr.Tab("🏗️ Yapı Oluşturma"): gr.Markdown(""" ### 🎨 Akıllı Dosya Üretimi Her bölüm, projenizin özelliklerine göre **dinamik olarak** oluşturulur. """) with gr.Row(): context_btn = gr.Button("📘 Context Oluştur", variant="primary", size="lg") commands_btn = gr.Button("⚡ Commands Oluştur", variant="primary", size="lg") prompts_btn = gr.Button("💡 Prompts Oluştur", variant="primary", size="lg") with gr.Row(): generate_all_btn = gr.Button("🎯 Hepsini Oluştur (Sırayla)", variant="secondary") analyze_btn = gr.Button("🔍 Proje Analizi", variant="secondary") output_display = gr.Markdown() analysis_display = gr.Markdown() with gr.Tab("📦 İndirme & İstatistikler"): with gr.Row(): download_btn = gr.Button("📥 Profesyonel Paket İndir", variant="primary", size="lg") clear_btn = gr.Button("🗑️ Temizle", variant="secondary") download_file = gr.File(label="İndirilebilir Paket", visible=False) stats_display = gr.Markdown() # Event handlers def update_models(provider): if provider in LLM_PROVIDERS: return gr.Dropdown( choices=LLM_PROVIDERS[provider].get("models", []), interactive=True ) return gr.Dropdown(choices=[], interactive=False) def validate_api(provider, api_key): if not provider or not api_key: return gr.Markdown("

⚠️ Sağlayıcı ve API anahtarı gerekli.

"), gr.Dropdown() is_valid, message = validate_api_key(provider, api_key) if is_valid: models = get_llm_models(provider, api_key) return ( gr.Markdown(f"

✅ {message}

"), gr.Dropdown(choices=models, value=models[0] if models else None, interactive=True) ) return ( gr.Markdown(f"

❌ {message}

"), gr.Dropdown(choices=[], interactive=False) ) def analyze_project_details(project_type, project_idea, industry, features): analysis = analyze_project(project_type, project_idea, industry, features) report = f"""

🔍 Proje Analiz Raporu

📊 Karmaşıklık Analizi

  • Context dosyaları: ~{analysis['complexity']['context']} adet
  • Command dosyaları: ~{analysis['complexity']['commands']} adet
  • Prompt şablonları: ~{analysis['complexity']['prompts']} adet

🛠️ Teknoloji Önerileri

    {"".join(f"
  • {tech}
    • " for tech in analysis['tech_recommendations'][:5])}

🏗️ Önerilen Mimari

{analysis['architecture_suggestion']}

{f'''

🏢 Sektör Gereksinimleri ({industry})

''' if analysis['industry_requirements'] else ''}
""" return report def generate_all_sequential(provider, model, api_key, project_type, project_idea, industry, features, tech_details): results = [] for section in ['context', 'commands', 'prompts']: result, _, _ = generate_section_advanced( provider, model, api_key, project_type, project_idea, section, industry, features, tech_details ) results.append(result) time.sleep(2) # Rate limiting return "

".join(results) def clear_all(): global generated_files, stats, project_analysis generated_files = {'context': {}, 'commands': {}, 'prompts': {}} stats = {'context': {'tokens': 0, 'time': 0}, 'commands': {'tokens': 0, 'time': 0}, 'prompts': {'tokens': 0, 'time': 0}} project_analysis = {} return gr.Markdown("✅ Tüm veriler temizlendi."), gr.File(visible=False), gr.Markdown("") # Wire up events llm_provider.change(fn=update_models, inputs=llm_provider, outputs=llm_model) validate_button.click(fn=validate_api, inputs=[llm_provider, api_key_input], outputs=[validation_status, llm_model]) # Analyze button analyze_btn.click( fn=analyze_project_details, inputs=[project_type, project_idea_input, industry, features], outputs=analysis_display ) # Section buttons context_btn.click( fn=lambda p, m, a, pt, pi, i, f, t: generate_section_advanced(p, m, a, pt, pi, 'context', i, f, t), inputs=[llm_provider, llm_model, api_key_input, project_type, project_idea_input, industry, features, tech_details_input], outputs=[output_display, download_file, analysis_display] ) commands_btn.click( fn=lambda p, m, a, pt, pi, i, f, t: generate_section_advanced(p, m, a, pt, pi, 'commands', i, f, t), inputs=[llm_provider, llm_model, api_key_input, project_type, project_idea_input, industry, features, tech_details_input], outputs=[output_display, download_file, analysis_display] ) prompts_btn.click( fn=lambda p, m, a, pt, pi, i, f, t: generate_section_advanced(p, m, a, pt, pi, 'prompts', i, f, t), inputs=[llm_provider, llm_model, api_key_input, project_type, project_idea_input, industry, features, tech_details_input], outputs=[output_display, download_file, analysis_display] ) generate_all_btn.click( fn=generate_all_sequential, inputs=[llm_provider, llm_model, api_key_input, project_type, project_idea_input, industry, features, tech_details_input], outputs=output_display ) # Download and clear download_btn.click(fn=download_all_professional, outputs=[download_file, stats_display]) clear_btn.click(fn=clear_all, outputs=[output_display, download_file, stats_display]) if __name__ == "__main__": demo.launch(debug=True, share=False)