app.py

# app.py

#!pip install gradio transformers  # <--- เอาออกได้หากใช้ requirements.txt

import re
import gradio as gr
from transformers import pipeline

# โหลดโมเดลจาก Hugging Face (เลือกได้ตามต้องการ)
prompt_analyzer = pipeline("text2text-generation", model="google/flan-t5-base")

def analyze_prompt(user_prompt: str):
    """
    ฟังก์ชันนี้จะ:
      1. ตรวจสอบความว่างเปล่าของ Prompt
      2. ส่ง Prompt เข้าโมเดล text2text-generation เพื่อขอ:
         - Rating (1–10)
         - Feedback (เหตุผลหรือคำแนะนำ)
         - Improvements (ตัวอย่าง Prompt ที่ปรับปรุงแล้ว)
      3. แยกวิเคราะห์ (Parse) ข้อความที่โมเดลตอบมา ด้วย Regex
      4. คืนค่าผลลัพธ์เป็น (rating, feedback, suggestions)
    """
    
    if not user_prompt.strip():
        return "N/A", "กรุณากรอก Prompt ที่ถูกต้อง", "ไม่มีคำแนะนำ"
    
    instruction = f"""
    คุณคือนักออกแบบ Prompt มืออาชีพ
    โปรดวิเคราะห์ Prompt ด้านล่างสำหรับการสร้างภาพด้วย AI

    Prompt: {user_prompt}

    1. ให้คะแนน (Rating) Prompt นี้แบบเต็ม 10 คะแนน
    2. อธิบายสั้น ๆ ว่าทำไมถึงได้คะแนนนี้ (Feedback)
    3. เขียน Prompt ที่ปรับปรุงให้ดีขึ้น (Improvements) อย่างน้อย 3 รูปแบบ

    กรุณาเรียบเรียงผลลัพธ์ตามโครงสร้าง:

    Rating: X
    Feedback: (อธิบาย)
    Improvements:
    1. ...
    2. ...
    3. ...
    """

    # เรียกใช้งานโมเดล
    model_response = prompt_analyzer(instruction, max_length=300)[0]["generated_text"]
    
    # ใช้ Regex เพื่อค้นหา Rating, Feedback และ Improvements
    # โดยสมมติว่าตัวโมเดลจะมีคำว่า "Rating:", "Feedback:", และ "Improvements:" อยู่จริง
    rating_pattern = r"Rating:\s*(\d+)"
    feedback_pattern = r"Feedback:\s*(.*?)(?=Improvements:|$)"
    improvements_pattern = r"Improvements:\s*(.*)"

    rating_match = re.search(rating_pattern, model_response)
    feedback_match = re.search(feedback_pattern, model_response, re.DOTALL)
    improvements_match = re.search(improvements_pattern, model_response, re.DOTALL)

    if rating_match:
        rating = rating_match.group(1).strip()
    else:
        rating = "N/A"
        
    if feedback_match:
        feedback = feedback_match.group(1).strip()
    else:
        feedback = "ไม่พบคำแนะนำ"

    if improvements_match:
        suggestions = improvements_match.group(1).strip()
    else:
        suggestions = "ไม่พบคำแนะนำ"

    return rating, feedback, suggestions

# ตัวอย่าง Prompt ที่มีไว้ให้ผู้ใช้เลือก (Dropdown)
example_prompts = [
    "A majestic dragon soaring above a medieval castle, fantasy art style, highly detailed",
    "A peaceful countryside landscape with rolling hills and a small cottage at sunset",
    "A cyberpunk city scene with neon lights, flying cars, and towering skyscrapers",
]

# ฟังก์ชันสำหรับโหลด Prompt ตัวอย่าง
def set_example_prompt(example):
    return example

# สร้าง Gradio Interface
with gr.Blocks() as demo:
    gr.Markdown("""
    # แอปพลิเคชันเรียนรู้ Prompt Engineering แบบโต้ตอบ
    **(โดย สถาบัน Prompt Engineers Academy)**

    1. พิมพ์ Prompt ของคุณในช่องด้านล่าง  
    2. คลิก "Evaluate Prompt" เพื่อรับคะแนน (Rating), ข้อเสนอแนะ (Feedback) และตัวอย่าง Prompt ที่ปรับปรุงแล้ว (Improvements)  
    3. เลือก Prompt จากตัวอย่าง (Dropdown) เพื่อศึกษาเพิ่มเติมได้
    """)

    with gr.Row():
        with gr.Column():
            example_dropdown = gr.Dropdown(
                label="ตัวอย่าง Prompt ที่มีให้",
                choices=example_prompts,
                value=None,
                interactive=True
            )
            user_prompt_input = gr.Textbox(
                label="ใส่ Prompt ของคุณ:",
                lines=4,
                placeholder="เช่น 'A futuristic cityscape with neon lights at night, highly detailed...'"
            )
            load_example_btn = gr.Button("Load Example Prompt")
            analyze_btn = gr.Button("Evaluate Prompt")
        
        with gr.Column():
            score_output = gr.Textbox(
                label="คะแนน (Rating)",
                interactive=False
            )
            feedback_output = gr.Textbox(
                label="คำแนะนำ (Feedback)",
                lines=3,
                interactive=False
            )
            suggestions_output = gr.Textbox(
                label="Prompt ที่ปรับปรุงแล้ว (Improvements)",
                lines=6,
                interactive=False
            )
    
    load_example_btn.click(
        fn=set_example_prompt,
        inputs=[example_dropdown],
        outputs=[user_prompt_input]
    )

    analyze_btn.click(
        fn=analyze_prompt,
        inputs=[user_prompt_input],
        outputs=[score_output, feedback_output, suggestions_output]
    )

# เปิดใช้งานแอป Gradio
demo.launch()