Update app.py

app.py

@@ -1,172 +1,144 @@
 # app.py
 
+#!pip install gradio transformers  # <--- เอาออกได้หากใช้ requirements.txt
+
+import re
 import gradio as gr
 from transformers import pipeline
 
-# ---------------------------------------------------------
-# 1. Setup: Load a text2text-generation model from Hugging Face
-#    (You can choose another model if you prefer.)
-# ---------------------------------------------------------
+# โหลดโมเดลจาก Hugging Face (เลือกได้ตามต้องการ)
 prompt_analyzer = pipeline("text2text-generation", model="google/flan-t5-base")
 
-# ---------------------------------------------------------
-# 2. Define a function to analyze the user’s prompt
-#    - Returns a score (1–10)
-#    - Provides feedback on clarity/creativity/completeness
-#    - Suggests 3 improved versions of the prompt
-# ---------------------------------------------------------
 def analyze_prompt(user_prompt: str):
     """
-    Uses a text-to-text model to rate the prompt, provide feedback, 
-    and generate three improved prompt suggestions.
-    
-    Parameters:
-    user_prompt (str): The user's original image-generation prompt.
-    
-    Returns:
-    (str, str, str): A tuple containing:
-       1) Score (as text, 1–10),
-       2) Feedback (as a longer text),
-       3) Three improved prompt suggestions (as a single multiline string).
+    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", "Please enter a valid prompt.", "No suggestions available."
+        return "N/A", "กรุณากรอก Prompt ที่ถูกต้อง", "ไม่มีคำแนะนำ"
     
-    # Prepare an instruction to guide the model
-    # The model output will contain rating, feedback, and 3 improvements.
     instruction = f"""
-You are an expert prompt engineer. Analyze the following prompt for an AI image generation model.
+    คุณคือนักออกแบบ Prompt มืออาชีพ
+    โปรดวิเคราะห์ Prompt ด้านล่างสำหรับการสร้างภาพด้วย AI
 
-Prompt: {user_prompt}
+    Prompt: {user_prompt}
 
-1. Rate the prompt on a scale of 1 to 10 based on clarity, creativity, and completeness.
-2. Provide a short explanation (feedback) for your rating.
-3. Give three improved versions of the prompt to make it more descriptive or more creative.
+    1. ให้คะแนน (Rating) Prompt นี้แบบเต็ม 10 คะแนน
+    2. อธิบายสั้น ๆ ว่าทำไมถึงได้คะแนนนี้ (Feedback)
+    3. เขียน Prompt ที่ปรับปรุงให้ดีขึ้น (Improvements) อย่างน้อย 3 รูปแบบ
 
-Format your response in the following structure:
+    กรุณาเรียบเรียงผลลัพธ์ตามโครงสร้าง:
 
-Rating: X
-Feedback: <your feedback here>
-Improvements:
-1. <improvement 1>
-2. <improvement 2>
-3. <improvement 3>
+    Rating: X
+    Feedback: (อธิบาย)
+    Improvements:
+    1. ...
+    2. ...
+    3. ...
     """
+
+    # เรียกใช้งานโมเดล
+    model_response = prompt_analyzer(instruction, max_length=300)[0]["generated_text"]
     
-    # Generate model output
-    model_response = prompt_analyzer(instruction, max_length=200)[0]['generated_text']
-    
-    # Parse the output (very basic parsing logic for demonstration)
-    # We'll look for specific keywords: "Rating:", "Feedback:", "Improvements:"
-    rating = "N/A"
-    feedback = ""
-    suggestions = ""
-    
-    # Basic approach to splitting the text
-    for line in model_response.split("\n"):
-        line = line.strip()
-        if line.lower().startswith("rating:"):
-            rating = line.split(":", 1)[1].strip()
-        elif line.lower().startswith("feedback:"):
-            feedback = line.split(":", 1)[1].strip()
-        elif line.lower().startswith("1.") or line.lower().startswith("- 1."):
-            # Start collecting improvements
-            suggestions += line + "\n"
-        elif line.lower().startswith("2.") or line.lower().startswith("- 2."):
-            suggestions += line + "\n"
-        elif line.lower().startswith("3.") or line.lower().startswith("- 3."):
-            suggestions += line + "\n"
-        elif line.lower().startswith("improvements:"):
-            # If the model has a separate "Improvements:" heading
-            suggestions += "\n"
-    
-    # If the model didn't output lines with numbering, just set a fallback
-    if not suggestions.strip():
-        # We might handle the entire text as suggestions or produce a fallback
-        suggestions = "Could not parse suggestions properly.\n" + model_response
+    # 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
 
-# ---------------------------------------------------------
-# 3. Define some example prompts for reference
-# ---------------------------------------------------------
+# 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",
 ]
 
-# ---------------------------------------------------------
-# 4. Build the Gradio interface
-# ---------------------------------------------------------
+# ฟังก์ชันสำหรับโหลด Prompt ตัวอย่าง
 def set_example_prompt(example):
-    """
-    Utility function to load an example prompt into the text input box.
-    """
     return example
 
+# สร้าง Gradio Interface
 with gr.Blocks() as demo:
-    gr.Markdown(
-        """
-        # Interactive Prompt Engineering App
-        **Learn how to craft better prompts for AI image generation.**
-
-        1. Enter your prompt below.  
-        2. Click "Evaluate Prompt" to get a **score**, **feedback**, and **3 improved prompts**.  
-        3. Use the dropdown to load example prompts for inspiration.  
-        """
-    )
-    
+    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():
-            # Dropdown to select an example
             example_dropdown = gr.Dropdown(
-                label="Choose an example prompt to load",
+                label="ตัวอย่าง Prompt ที่มีให้",
                 choices=example_prompts,
                 value=None,
                 interactive=True
             )
-            
-            # Textbox for user prompt input
             user_prompt_input = gr.Textbox(
-                label="Enter your prompt here:",
+                label="ใส่ Prompt ของคุณ:",
                 lines=4,
-                placeholder="E.g. 'A futuristic cityscape with neon lights at night, highly detailed...'"
+                placeholder="เช่น 'A futuristic cityscape with neon lights at night, highly detailed...'"
             )
-            
-            # Button to set example prompt in the textbox
             load_example_btn = gr.Button("Load Example Prompt")
-            
-            # Button to analyze the user's prompt
             analyze_btn = gr.Button("Evaluate Prompt")
-            
+        
         with gr.Column():
             score_output = gr.Textbox(
-                label="Prompt Quality Score (1-10)",
+                label="คะแนน (Rating)",
                 interactive=False
             )
             feedback_output = gr.Textbox(
-                label="Feedback",
+                label="คำแนะนำ (Feedback)",
                 lines=3,
                 interactive=False
             )
             suggestions_output = gr.Textbox(
-                label="Improved Prompt Suggestions",
+                label="Prompt ที่ปรับปรุงแล้ว (Improvements)",
                 lines=6,
                 interactive=False
             )
     
-    # Define the interactions
-    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])
+    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]
+    )
 
-# ---------------------------------------------------------
-# 5. Launch the Gradio app
-# ---------------------------------------------------------
+# เปิดใช้งานแอป Gradio
 demo.launch()