design

全3件を表示

• 

  

  

  00 自己紹介：
  AI System Engineer × DATA Scientist
  徐東秀(ソドンス) SEO DongSoo

  youtube動画をご覧ください。 ↓↓↓
  宜しくお願い致します。

   
  

  00 自己紹介：
  AI System Engineer × DATA Scientist
  徐東秀(ソドンス) SEO DongSoo

  Applications,Contest,design,Games,HomePage,Study,Utilitys
  続きを読む
  Quick View

• 

  31 39Safari 「ロゴデザイン」
  

  31 39Safari 「ロゴデザイン」

  design,HomePage
  続きを読む
  Quick View

• 

  32 雑誌のデザイン

  #core
  import os
  import sys
  import time
  from dotenv import load_dotenv

  import streamlit as st
  from langchain_openai import (
  AzureOpenAIEmbeddings,
  OpenAIEmbeddings,
  AzureChatOpenAI,
  ChatOpenAI
  )
  try:
  from langchain_google_vertexai import ChatVertexAI
  except ImportError:
  ChatVertexAI = None

  try:
  from langchain_google_genai import ChatGoogleGenerativeAI
  except ImportError:
  ChatGoogleGenerativeAI = None
  from langchain_community.vectorstores import FAISS
  from langchain_core.messages import(
  HumanMessage,
  AIMessage,
  )

  #tools
  import pandas as pd
  import numpy as np

  #import
  from src.config import system_config
  from src.rag_oop import B612ai
  from src.logo import logo_img
  from src.estimate_generator import EstimateGenerator
  from src.sidebar import render_common_sidebar, clear_chat_history

  USER_ICON = “user”
  ASSISTANT_ICON = “assistant”

  def create_embeddings():
  “””埋め込みモデルを作成”””
  api_config = system_config.api_config

  if api_config.is_azure_embedding_configured():
  # Azure OpenAI Embeddingsを使用
  embedding_config = api_config.get_azure_embedding_config()
  return AzureOpenAIEmbeddings(
  azure_deployment=embedding_config[‘deployment’],
  openai_api_version=embedding_config[‘api_version’]
  )
  elif api_config.is_openai_configured():
  # OpenAI Embeddingsを使用
  return OpenAIEmbeddings(model=’text-embedding-3-small’)
  else:
  st.error(‘埋め込みモデルのAPI Keyが設定されていません。’)
  return None

  def create_model(selected_model=None):
  “””言語モデルを作成”””
  api_config = system_config.api_config
  model_config = system_config.model_config

  if api_config.is_azure_configured():
  # Azure OpenAIを使用
  azure_config = api_config.get_azure_config()
  return AzureChatOpenAI(
  azure_deployment=azure_config[‘deployment’],
  openai_api_version=azure_config[‘api_version’],
  temperature=model_config.temperature
  )
  elif api_config.is_gemini_configured():
  # Google Geminiを使用
  gemini_config = api_config.get_gemini_config()

  # APIキー方式（Google AI Studio）
  if gemini_config[‘api_key’]:
  if ChatGoogleGenerativeAI is None:
  st.error(‘langchain-google-genai パッケージがインストールされていません。’)
  st.info(‘以下のコマンドでインストールしてください: pip install langchain-google-genai’)
  return None

  return ChatGoogleGenerativeAI(
  model=gemini_config[‘model_name’],
  google_api_key=gemini_config[‘api_key’],
  temperature=model_config.temperature
  )

  # Vertex AI方式
  elif gemini_config[‘project_id’]:
  if ChatVertexAI is None:
  st.error(‘langchain-google-vertexai パッケージがインストールされていません。’)
  st.info(‘以下のコマンドでインストールしてください: pip install langchain-google-vertexai’)
  return None

  return ChatVertexAI(
  model_name=gemini_config[‘model_name’],
  project=gemini_config[‘project_id’],
  location=gemini_config[‘location’],
  temperature=model_config.temperature
  )
  else:
  st.error(‘Geminiの設定が不完全です。APIキーまたはプロジェクトIDを設定してください。’)
  return None

  elif api_config.is_openai_configured():
  # OpenAI APIを使用（選択されたモデルに基づく）
  if selected_model:
  # 選択されたモデルに基づいてモデル名を決定
  model_mapping = {
  “gpt-3.5”: “gpt-3.5-turbo”,
  “gpt-4o”: “gpt-4o”,
  “gpt-o1”: “o1-preview”,
  “gpt-5”: “gpt-5” # 将来のモデル
  }
  model_name = model_mapping.get(selected_model, “gpt-3.5-turbo”)
  else:
  openai_config = api_config.get_openai_config()
  model_name = openai_config[‘api_version’] if openai_config[‘api_version’] else “gpt-3.5-turbo”

  return ChatOpenAI(
  model=model_name,
  temperature=model_config.temperature
  )
  else:
  st.error(‘言語モデルのAPI Keyが設定されていません。’)
  return None

  def main():
  # システム設定のチェック（load_dotenv()はconfig.pyで実行済み）
  if not system_config.check_system_health():
  st.stop()

  size = “large”
  logo_img(size)

  # 共通のサイドバーをレンダリング
  render_common_sidebar()
  clear_chat_history()

  st.title(‘📄 見積書作成ページ’)
  st.caption(“AIチャットの内容をもとに、Excel見積書を自動生成します”)

  # 埋め込みモデルと言語モデルの作成
  embeddings = create_embeddings()

  # セッション状態から選択されたモデルを取得
  selected_model = st.session_state.get(‘selected_model’, ‘gpt-3.5’)
  model = create_model(selected_model)

  if embeddings is None or model is None:
  st.error(“モデルの初期化に失敗しました。”)
  st.stop()

  # B612aiの初期化
  rag_system = B612ai(
  model=model,
  embeddings=embeddings,
  chunk_size=system_config.model_config.chunk_size,
  chunk_overlap=system_config.model_config.chunk_overlap
  )

  # FAISSベクトルストアの読み込み（存在しない場合はエラーメッセージを表示）
  retriever = rag_system.pull_from_faiss()

  # ベクトルストアをB612aiに設定
  rag_system.vectorstore = FAISS.load_local(“vector_store”, rag_system.embeddings, allow_dangerous_deserialization=True)
  rag_system.retriever = rag_system.vectorstore.as_retriever()

  if “chat_log” not in st.session_state:
  st.session_state.chat_log = []

  # チャット履歴の表示（プレーンテキストで表示してスマホエラーを回避）
  if len(st.session_state.chat_log) > 0:
  st.subheader(“💬 チャット履歴”)
  for chat in st.session_state.chat_log:
  if isinstance(chat, AIMessage):
  with st.chat_message(ASSISTANT_ICON):
  st.text(chat.content)
  else:
  with st.chat_message(USER_ICON):
  st.text(chat.content)

  # 見積書作成機能
  if len(st.session_state.chat_log) > 0:
  st.divider()
  st.subheader(“📄 見積書作成”)
  st.caption(“チャット履歴から見積書情報を抽出してExcel見積書を作成します”)

  # オレンジ色のボタンスタイル（スマホブラウザ対応）
  st.markdown(“””
  <style>
  /* Primaryボタンのスタイル */
  button[kind=”primary”] {
  background-color: #FFA421 !important;
  color: white !important;
  border: none !important;
  }
  button[kind=”primary”]:hover {
  background-color: #FFB84D !important;
  color: white !important;
  }

  /* ダウンロードボタンのスタイル */
  div[data-testid=”stDownloadButton”] button {
  background-color: #FFA421 !important;
  color: white !important;
  border: none !important;
  }
  div[data-testid=”stDownloadButton”] button:hover {
  background-color: #FFB84D !important;
  color: white !important;
  }
  </style>
  “””, unsafe_allow_html=True)

  col2, = st.columns([1])

  with col2:
  if st.button(” 見積書を作成”, type=”primary”, use_container_width=True):
  with st.spinner(“見積書情報を抽出中…”):
  try:
  # 見積書生成器を初期化
  estimate_generator = EstimateGenerator(model)

  # チャット履歴から見積書情報を抽出
  estimate_info = estimate_generator.extract_estimate_info(st.session_state.chat_log)

  # 見積書情報をExcel形式で表示
  with st.expander(“抽出された見積書情報”, expanded=True):
  # 基本情報を表示
  col_info1, col_info2 = st.columns(2)
  with col_info1:
  st.write(“**顧客名:**”)
  st.write(estimate_info.get(‘company_name’, ‘N/A’))
  st.write(“**見積番号:**”)
  st.write(estimate_info.get(‘estimate_number’, ‘N/A’))
  with col_info2:
  st.write(“**見積日:**”)
  st.write(estimate_info.get(‘estimate_date’, ‘N/A’))
  st.write(“**件名:**”)
  st.write(estimate_info.get(‘title’, ‘N/A’))

  st.divider()

  # 商品・サービス一覧をテーブル形式で表示
  if ‘items’ in estimate_info and estimate_info[‘items’]:
  items_data = []
  for idx, item in enumerate(estimate_info[‘items’], start=1):
  items_data.append({
  ‘No’: idx,
  ‘商品・サービス名’: item.get(‘name’, ”),
  ‘数量’: item.get(‘quantity’, 0),
  ‘単価’: f”¥{item.get(‘unit_price’, 0):,}”,
  ‘金額’: f”¥{item.get(‘amount’, 0):,}”,
  ‘説明’: item.get(‘description’, ”)
  })
  items_df = pd.DataFrame(items_data)
  st.write(“**商品・サービス一覧:**”)
  st.dataframe(items_df, use_container_width=True, hide_index=True)

  st.divider()

  # 金額情報を表示
  col_amount1, col_amount2, col_amount3 = st.columns(3)
  with col_amount1:
  st.write(“**小計:**”)
  st.write(f”¥{estimate_info.get(‘subtotal’, 0):,}”)
  with col_amount2:
  tax_rate = estimate_info.get(‘tax_rate’, 0.1)
  tax_rate_percent = int(tax_rate * 100)
  st.write(f”**消費税 ({tax_rate_percent}%):**”)
  st.write(f”¥{estimate_info.get(‘tax’, 0):,}”)
  with col_amount3:
  st.write(“**合計:**”)
  st.write(f”**¥{estimate_info.get(‘total’, 0):,}**”)

  # 備考がある場合
  if estimate_info.get(‘notes’):
  st.divider()
  st.write(“**備考:**”)
  st.write(estimate_info.get(‘notes’))

  # Excel見積書を作成
  with st.spinner(“Excel見積書を作成中…”):
  excel_path = estimate_generator.create_excel_estimate(estimate_info)

  # ファイルを読み込んでダウンロードボタンとキャンセルボタンを表示
  with open(excel_path, “rb”) as f:
  excel_data = f.read()
  col_download, col_cancel = st.columns(2)
  with col_download:
  st.download_button(
  label=”見積書をダウンロード”,
  data=excel_data,
  file_name=excel_path,
  mime=”application/vnd.openxmlformats-officedocument.spreadsheetml.sheet”,
  use_container_width=True
  )
  with col_cancel:
  if st.button(“キャンセル”, type=”secondary”, use_container_width=True):
  st.info(“見積書の作成をキャンセルしました。”)
  st.rerun()

  # 一時ファイルを削除
  if os.path.exists(excel_path):
  os.remove(excel_path)

  st.success(“✅ 見積書が正常に作成されました！”)

  except Exception as e:
  st.error(f”見積書作成中にエラーが発生しました: {str(e)}”)
  st.exception(e)

  else:
  st.info(“💬 まずチャットで会話を始めてください。会話内容から見積書情報を抽出します。”)

  # チャット入力（プレーンテキストで表示してスマホエラーを回避）
  user_msg = st.chat_input(“メッセージをご入力ください。”)
  if user_msg:
  with st.chat_message(USER_ICON):
  st.text(user_msg)

  # B612aiを使用して回答を生成
  with st.chat_message(ASSISTANT_ICON):
  msg_placeholder = st.empty()

  try:
  # 関連文書を検索
  relavant_docs = rag_system.search(user_msg, k=3)

  # 回答を生成
  response = rag_system.generate_response(user_msg, relavant_docs)

  # ストリーミング表示（プレーンテキストで表示してスマホエラーを回避）
  for i, char in enumerate(response):
  msg_placeholder.text(response[:i+1] + “*”)
  time.sleep(0.01) # ストリーミング効果
  msg_placeholder.text(response)

  # 関連資料の表示（B612aiクラスから）
  rag_system.display_related_images(user_msg, relavant_docs)

  except Exception as e:
  st.error(f”回答生成中にエラーが発生しました: {str(e)}”)
  response = “申し訳ございません。エラーが発生しました。”

  st.session_state.chat_log.extend([
  HumanMessage(content=user_msg),
  AIMessage(content=response)
  ])
  st.rerun()

  if __name__ == ‘__main__’:
  main()

   
  

  32 雑誌のデザイン

  design
  続きを読む
  Quick View