import re import gradio as gr import os import pandas as pd import time from langchain.schema import SystemMessage from langchain_community.chat_models.gigachat import GigaChat from openpyxl import load_workbook import plotly.graph_objects as go import random import pymorphy3 import string import json from mistralai import Mistral from collections import defaultdict import requests import base64 import io from transformers import AutoTokenizer, AutoModel from utils import best_text_choice import asyncio import inspect # Авторизация в GigaChat Pro gc_key = os.getenv('GC_KEY') tokenizer = AutoTokenizer.from_pretrained("Sergeyzh/rubert-tiny-turbo") model = AutoModel.from_pretrained("Sergeyzh/rubert-tiny-turbo") # Load the DataFrame used in the best_text_choice function unique_sms_df = pd.read_parquet('embeddings_tiny_bert.parquet') MISTRAL_API_KEY = os.getenv('MISTRAL_API_KEY') token = os.getenv('GITHUB_TOKEN') # Клиент для генерации сообщений client_mistral_generate = Mistral(api_key=MISTRAL_API_KEY) # Клиент для выполнения проверок client_mistral_check = Mistral(api_key=MISTRAL_API_KEY) morph = pymorphy3.MorphAnalyzer() chat_pro = GigaChat( credentials=gc_key, model='GigaChat-Pro-preview', base_url='https://gigachat-preview.devices.sberbank.ru/api/v1/', max_tokens=68, temperature=1.15, verify_ssl_certs=False ) chat_pro_check = GigaChat( credentials=gc_key, model='GigaChat-Pro-preview', base_url='https://gigachat-preview.devices.sberbank.ru/api/v1/', max_tokens=3000, temperature=0.8, verify_ssl_certs=False ) approach_stats = { "Начни сообщение с призыва к действию с продуктом. Не начинай с вопроса.": {"failed_checks": defaultdict(int), "total_attempts": 0}, "Начни сообщение с указания на пользу продукта. Используй глагол в побудительном наклонении. Не начинай с вопроса.": {"failed_checks": defaultdict(int), "total_attempts": 0}, "Начни сообщение с вопроса, который указывает на пользу продукта для клиента.": {"failed_checks": defaultdict(int), "total_attempts": 0} } # Загрузка данных из Excel-файла try: data = pd.read_excel('Признаки.xlsx', sheet_name=None) except Exception as e: print(f"Ошибка при загрузке Excel-файла: {e}") data = {} # Создание списка признаков и их значений features = {} for sheet_name, df in data.items(): try: if sheet_name == "Пол Поколение Психотип": features[sheet_name] = df.set_index(['Пол', 'Поколение', 'Психотип'])['Инструкция'].to_dict() elif sheet_name == "Подход": features[sheet_name] = df # Сохраняем как DataFrame else: features[sheet_name] = df.set_index(df.columns[0]).to_dict()[df.columns[1]] except Exception as e: print(f"Ошибка при обработке данных листа {sheet_name}: {e}") features[sheet_name] = {} def save_statistics_to_github(approach_stats): repo = "fruitpicker01/Storage_dev" timestamp = int(time.time()) json_path = f"check_{timestamp}.json" csv_path = "checks.csv" url_json = f"https://api.github.com/repos/{repo}/contents/{json_path}" url_csv = f"https://api.github.com/repos/{repo}/contents/{csv_path}" headers = { "Authorization": f"token {token}", "Content-Type": "application/json" } # Подготовка данных для JSON json_data = { "timestamp": timestamp, "approach_stats": approach_stats } json_content = json.dumps(json_data, ensure_ascii=False, indent=4) json_content_encoded = base64.b64encode(json_content.encode('utf-8')).decode('utf-8') data_json = { "message": f"Добавлен новый файл {json_path}", "content": json_content_encoded } # Сохранение JSON-файла response = requests.put(url_json, headers=headers, data=json.dumps(data_json)) if response.status_code in [200, 201]: print("JSON-файл успешно сохранен на GitHub") else: print(f"Ошибка при сохранении JSON-файла: {response.status_code} {response.text}") # Подготовка данных для CSV import pandas as pd rows = [] for approach, stats in approach_stats.items(): for check_name, count in stats["failed_checks"].items(): rows.append({ "Timestamp": timestamp, "Approach": approach, "Check": check_name, "Failed_Count": count, "Total_Attempts": stats["total_attempts"] }) df = pd.DataFrame(rows) # Проверяем, существует ли уже файл CSV response = requests.get(url_csv, headers=headers) if response.status_code == 200: # Файл существует, загружаем и добавляем данные content = response.json() csv_content = base64.b64decode(content['content']).decode('utf-8') existing_df = pd.read_csv(io.StringIO(csv_content)) df = pd.concat([existing_df, df], ignore_index=True) sha = content['sha'] else: # Файл не существует sha = None csv_content = df.to_csv(index=False) csv_content_encoded = base64.b64encode(csv_content.encode('utf-8')).decode('utf-8') data_csv = { "message": "Обновление файла checks.csv", "content": csv_content_encoded } if sha: data_csv["sha"] = sha # Сохранение CSV-файла response = requests.put(url_csv, headers=headers, data=json.dumps(data_csv)) if response.status_code in [200, 201]: print("CSV-файл успешно сохранен на GitHub") else: print(f"Ошибка при сохранении CSV-файла: {response.status_code} {response.text}") # Функция для смены вкладки def change_tab(id): return gr.Tabs(selected=id) # Вспомогательная функция для добавления префиксов и суффиксов def add_prefix_suffix(prompt, prefix, suffix, product_name): new_prompt = f"{prefix}\n" # Добавляем инструкцию после prefix new_prompt += f"Не изменяй название продукта: {product_name}.\n" new_prompt += f"{prompt}\n" # Добавляем инструкцию перед suffix new_prompt += f"Убедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n" new_prompt += f"{suffix}" return new_prompt # Функция для обрезки сообщения до последнего знака препинания def clean_message(message): if not message.endswith(('.', '!', '?')): last_period = max(message.rfind('.'), message.rfind('!'), message.rfind('?')) if last_period != -1: message = message[:last_period + 1] return message # Функция для генерации сообщения с GigaChat Pro #def generate_message_gigachat_pro(prompt): # try: # messages = [SystemMessage(content=prompt)] # res = chat_pro(messages) # cleaned_message = clean_message(res.content.strip()) # return cleaned_message # except Exception as e: # return f"Ошибка при обращении к GigaChat-Pro: {e}" #def generate_message_mistral_generate(prompt, max_retries=5): async def generate_message_mistral_generate(prompt): try: messages = [SystemMessage(content=prompt)] res = await chat_pro.ainvoke(messages) cleaned_message = clean_message(res.content.strip()) return cleaned_message except Exception as e: return f"Ошибка при обращении к GigaChat-Pro: {e}" # retries = 0 # while retries < max_retries: # try: # chat_response = client_mistral_generate.chat.complete( # model="mistral-large-latest", # temperature=1.0, # min_tokens=81, # max_tokens=108, # messages=[ # { # "role": "user", # "content": prompt # }, # ] # ) # cleaned_message = clean_message(chat_response.choices[0].message.content.strip()) # return cleaned_message # except Exception as e: # error_message = str(e) # if "Status 429" in error_message or "Server disconnected without sending a response" in error_message: # wait_time = 3 # print(f"Превышен лимит запросов или сервер не ответил. Ожидание {wait_time} секунд перед повторной попыткой...") # time.sleep(wait_time) # retries += 1 # else: # print(f"Ошибка при обращении к Mistral: {e}") # return None # print("Не удалось получить ответ от Mistral после максимального числа попыток.") # return None #def generate_message_mistral_check(prompt, max_retries=5): async def generate_message_mistral_check(prompt): try: messages = [SystemMessage(content=prompt)] res2 = await chat_pro_check.ainvoke(messages) cleaned_message = clean_message(res2.content.strip()) return cleaned_message except Exception as e: return f"Ошибка при обращении к GigaChat-Pro: {e}" # retries = 0 # while retries < max_retries: # try: # chat_response = client_mistral_check.chat.complete( # model="mistral-large-latest", # temperature=0.2, # messages=[ # { # "role": "user", # "content": prompt # }, # ] # ) # cleaned_message = clean_message(chat_response.choices[0].message.content.strip()) # return cleaned_message # except Exception as e: # if "Status 429" in str(e) or "Server disconnected without sending a response" in str(e): # wait_time = 3 # Можно установить фиксированную задержку # print(f"Превышен лимит запросов. Ожидание {wait_time} секунд перед повторной попыткой...") # time.sleep(wait_time) # retries += 1 # else: # print(f"Ошибка при обращении к Mistral: {e}") # return None #def generate_check_gigachat_pro(prompt): # try: # messages = [SystemMessage(content=prompt)] # res2 = chat_pro_check(messages) # cleaned_message = clean_message(res2.content.strip()) # return cleaned_message # except Exception as e: # return f"Ошибка при обращении к GigaChat-Pro: {e}" # Функция для замены сокращений с 'k' или 'К' на тысячи def replace_k_with_thousands(message): if not isinstance(message, str): return message # or you can return an empty string message = re.sub(r'(\d+)[kкКK]', r'\1 000', message, flags=re.IGNORECASE) return message def correct_dash_usage(text): morph = pymorphy3.MorphAnalyzer() # Step 1: Replace any dash with long dash if surrounded by spaces text = re.sub(r'\s[-–—]\s', ' — ', text) # Step 2: Replace any dash with short dash if surrounded by numbers without spaces text = re.sub(r'(?<=\d)[-–—](?=\d)', '–', text) # Step 3: Replace any dash with hyphen if surrounded by letters or a combination of letters and digits text = re.sub(r'(?<=[a-zA-Zа-яА-Я0-9])[-–—](?=[a-zA-Zа-яА-Я0-9])', '-', text) # Step 4: Replace quotation marks "..." with «...» text = re.sub(r'"([^\"]+)"', r'«\1»', text) # Step 5: Remove single quotes if text.count('"') == 1: text = text.replace('"', '') # Step 6: Remove outer quotes if the entire text is enclosed in quotes (straight or elided) if (text.startswith('"') and text.endswith('"')) or (text.startswith('«') and text.endswith('»')): text = text[1:-1].strip() # Step 7: Replace 100k with 100 000 text = re.sub(r'(\d+)[kкКK]', r'\1 000', text, flags=re.IGNORECASE) # Step 8: Remove first sentence if it contains greetings and is less than 5 words greeting_patterns = [ r"привет\b", r"здравствуй", r"добрый\s(день|вечер|утро)", r"дорогой\b", r"уважаемый\b", r"дорогая\b", r"уважаемая\b", r"господин\b", r"госпожа\b", r"друг\b", r"коллега\b", r"товарищ\b", r"приятель\b", r"подруга\b" ] def is_greeting_sentence(sentence): words = sentence.split() if len(words) < 5: # Check if sentence is less than 5 words for word in words: parsed = morph.parse(word.lower())[0] # Parse the word to get its base form for pattern in greeting_patterns: if re.search(pattern, parsed.normal_form): return True return False # Split text into sentences sentences = re.split(r'(?<=[.!?])\s+', text) # Check the first sentence for greetings and remove it if necessary if sentences and is_greeting_sentence(sentences[0]): sentences = sentences[1:] # Join the sentences back text = ' '.join(sentences) def restore_yo(text): morph = pymorphy3.MorphAnalyzer() words = text.split() restored_words = [] for word in words: # Пропускать обработку, если слово полностью в верхнем регистре (аббревиатуры) if word.isupper(): restored_words.append(word) continue # Пропускать обработку, если слово "все" (независимо от регистра) if word.lower() == "все": restored_words.append(word) continue # Обработка остальных слов parsed = morph.parse(word)[0] restored_word = parsed.word # Сохраняем оригинальный регистр первой буквы if word and word[0].isupper(): restored_word = restored_word.capitalize() restored_words.append(restored_word) return ' '.join(restored_words) text = restore_yo(text) # Step 9: Replace common abbreviations and acronyms (Ип -> ИП, Ооо -> ООО, Рф -> РФ) text = re.sub(r'\bИп\b', 'ИП', text, flags=re.IGNORECASE) text = re.sub(r'\bОоо\b', 'ООО', text, flags=re.IGNORECASE) text = re.sub(r'\bРф\b', 'РФ', text, flags=re.IGNORECASE) # Step 10: Replace specific words (пользуйтесь -> пользуйтесь, ею -> ей) text = re.sub(r'\bпользовуйтесь\b', 'пользуйтесь', text, flags=re.IGNORECASE) text = re.sub(r'\bею\b', 'ей', text, flags=re.IGNORECASE) text = re.sub(r'\bповышьте\b', 'повысьте', text, flags=re.IGNORECASE) text = re.sub(r'\bСбербизнес\b', 'СберБизнес', text, flags=re.IGNORECASE) text = re.sub(r'\bСбербизнеса\b', 'СберБизнес', text, flags=re.IGNORECASE) text = re.sub(r'\bСбербизнесе\b', 'СберБизнес', text, flags=re.IGNORECASE) text = re.sub(r'\bСбербанк\b', 'СберБанк', text, flags=re.IGNORECASE) text = re.sub(r'\bвашего ООО\b', 'вашей компании', text, flags=re.IGNORECASE) text = re.sub(r'\b0₽\b', '0 р', text, flags=re.IGNORECASE) text = re.sub(r'\b₽\b', 'р', text, flags=re.IGNORECASE) # Step 11: Replace all forms of "рублей", "рубля", "руб." with "р" # Используем два отдельных регулярных выражения для точности # 1. Заменяем "руб." на "р", учитывая, что "руб." может быть перед символом "/" или другим несловесным символом text = re.sub(r'\bруб\.(?=\W|$)', 'р', text, flags=re.IGNORECASE) # 2. Заменяем "рубля" и "рублей" на "р" text = re.sub(r'\bруб(?:ля|лей)\b', 'р', text, flags=re.IGNORECASE) # Step 12: Replace thousands and millions with appropriate abbreviations text = re.sub(r'(\d+)\s+тысяч(?:а|и)?(?:\s+рублей)?', r'\1 000 р', text, flags=re.IGNORECASE) text = re.sub(r'(\d+)\s*тыс\.\s*руб\.', r'\1 000 р', text, flags=re.IGNORECASE) text = re.sub(r'(\d+)\s*тыс\.\s*р\.', r'\1 000 р', text, flags=re.IGNORECASE) text = re.sub(r'(\d+)\s*тыс\.\s*р', r'\1 000 р', text, flags=re.IGNORECASE) # Replace millions with "млн" text = re.sub(r'(\d+)\s+миллиона\b|\bмиллионов\b', r'\1 млн', text, flags=re.IGNORECASE) text = re.sub(r'(\d+)\s*млн\s*руб\.', r'\1 млн р', text, flags=re.IGNORECASE) # Ensure space formatting around currency abbreviations text = re.sub(r'(\d+)\s*р\b', r'\1 р', text) # Step 13: Remove sentences containing "никаких посещений" or "никаких визитов" def remove_specific_sentences(text): sentences = re.split(r'(?<=[.!?])\s+', text) # Разбиваем текст на предложения filtered_sentences = [ sentence for sentence in sentences if not re.search(r'\bникаких\s+(посещений|визитов)\b', sentence, flags=re.IGNORECASE) ] return ' '.join(filtered_sentences) # Шаг 14: Замена чисел вида "5 000 000 р" на "5 млн р" text = re.sub(r'\b(\d+)\s+000\s+000\s*р\b', r'\1 млн р', text, flags=re.IGNORECASE) text = re.sub(r' р р ', r' р ', text, flags=re.IGNORECASE) text = remove_specific_sentences(text) return text # Функция для добавления ошибок в промпт для перегенерации def append_errors_to_prompt(prompt, checks): # Словарь с сообщениями об ошибках для каждого правила error_messages = { "forbidden_words": "Не использовать запрещённые слова: номер один, №1, № 1, номер, вкусный, дешёвый, продукт, спам, банкротство, долг, займ, срочный, главный, гарантия, успех, лидер.", "client_addressing": "Не обращаться к клиенту напрямую.", "promises": "Не давать обещания и гарантии.", # "double_verbs": "Не использовать два глагола подряд (например, 'хочешь оформить').", "participles": "Не использовать причастия.", # "adverbial_participles": "Не использовать деепричастия.", "superlative_adjectives": "Не использовать превосходную степень прилагательных.", "passive_voice": "Избегать страдательного залога.", "written_out_ordinals": "Не использовать порядковые числительные от 10 прописью.", "subordinate_clauses_chain": "Избегать цепочек с придаточными предложениями.", "repeating_conjunctions": "Не использовать разделительные повторяющиеся союзы.", "introductory_phrases": "Не использовать вводные конструкции.", "amplifiers": "Не использовать усилители.", "time_parasites": "Не использовать 'паразиты времени'.", "multiple_nouns": "Избегать нескольких существительных подряд.", # "derived_prepositions": "Не использовать производные предлоги.", "compound_sentences": "Избегать сложноподчиненных предложений.", "dates_written_out": "Не писать даты прописью.", # "no_word_repetitions": "Избегать повторов слов.", # "disconnected_sentences": "Избегать сложных предложений без логической связи.", # "synonymous_members": "Не использовать близкие по смыслу однородные члены предложения.", "clickbait_phrases": "Не использовать кликбейтные фразы.", "abstract_claims": "Избегать абстрактных заявлений без доказательств.", # "specialized_terms": "Не использовать узкоспециализированные термины.", # "offensive_phrases": "Избегать двусмысленных или оскорбительных фраз.", "cliches_and_bureaucratese": "Не использовать речевые клише, рекламные штампы, канцеляризмы.", "no_contradictions": "Избегать противоречий с описанием предложения.", "contains_key_message": "Обязательно включить ключевое сообщение.", "product_name_consistency": "Обязательно использовать точное наименование продукта." } # Находим первую не пройденную проверку for check_name, passed in checks.items(): if passed is False: error_message = error_messages.get(check_name, f"Ошибка в проверке {check_name}.") error_instruction = "Следующую ошибку необходимо избежать:\n" + error_message prompt += f"\n\n{error_instruction}" break # Останавливаемся на первой ошибке return prompt def notify_failed_length(message_length): if message_length < 160: gr.Warning(f"Сообщение слишком короткое: {message_length} знаков. Минимум 160.") return False elif message_length > 250: gr.Warning(f"Сообщение слишком длинное: {message_length} знаков. Максимум 250.") return False return True # Функция для уведомления о непройденных проверках def notify_failed_checks(checks): translation = { "forbidden_words": "Запрещенные слова", "client_addressing": "Обращение к клиенту", "promises": "Обещания и гарантии", # "double_verbs": "Два глагола подряд", "participles": "Причастия", # "adverbial_participles": "Деепричастия", "superlative_adjectives": "Превосходная степень", "passive_voice": "Страдательный залог", "written_out_ordinals": "Порядковые числительные", "subordinate_clauses_chain": "Цепочки с придаточными предложениями", "repeating_conjunctions": "Разделительные повторяющиеся союзы", "introductory_phrases": "Вводные конструкции", "amplifiers": "Усилители", "time_parasites": "Паразиты времени", "multiple_nouns": "Несколько существительных подряд", # "derived_prepositions": "Производные предлоги", "compound_sentences": "Сложноподчиненные предложения", "dates_written_out": "Даты прописью", # "no_word_repetitions": "Повторы слов", # "disconnected_sentences": "Сложные предложения без логической связи", # "synonymous_members": "Близкие по смыслу однородные члены предложения", "clickbait_phrases": "Кликбейтные фразы", "abstract_claims": "Абстрактные заявления без доказательств", # "specialized_terms": "Узкоспециализированные термины", # "offensive_phrases": "Двусмысленные или оскорбительные фразы", "cliches_and_bureaucratese": "Речевые клише, рекламные штампы, канцеляризмы", "no_contradictions": "Противоречия с описанием предложения", "contains_key_message": "Отсутствие ключевого сообщения", "product_name_consistency": "Несовпадение наименования продукта" } # Находим первую не пройденную проверку for check_name, passed in checks.items(): if not passed: failed_check = translation.get(check_name, check_name) gr.Warning(f"Сообщение не прошло следующую проверку: {failed_check}") break # Останавливаемся на первой ошибке else: # Если все проверки пройдены, выводим уведомление gr.Warning("ВСЕ ПРОВЕРКИ ПРОЙДЕНЫ") # Модифицированная функция перегенерации сообщений с уведомлениями о номере попытки #def generate_message_gigachat_pro_with_retry(prompt, current_prefix, description, key_message): # global approach_stats # last_message = None # for attempt in range(30): # gr.Info(f"Итерация {attempt + 1}: генерируется сообщение...") # message = generate_message_gigachat_pro(prompt) # message = replace_k_with_thousands(message) # message = correct_dash_usage(message) # message_length = len(message) # if not notify_failed_length(message_length): # last_message = message # time.sleep(1) # continue # checks = perform_checks(message, description, key_message) # last_message = message # approach_stats[current_prefix]["total_attempts"] += 1 # for check_name, passed in checks.items(): # if passed is False: # approach_stats[current_prefix]["failed_checks"][check_name] += 1 # break # notify_failed_checks(checks) # Вызываем функцию независимо от результата проверок # if all(checks.values()): # return message # prompt = append_errors_to_prompt(prompt, checks) # time.sleep(1) # gr.Info("Не удалось сгенерировать сообщение, соответствующее требованиям, за 20 итераций. Возвращаем последнее сгенерированное сообщение.") # return last_message async def generate_message_mistral_with_retry(prompt, approach_name, description, key_message, product_name, benefits): global approach_stats last_message = None for attempt in range(20): gr.Info(f"Итерация {attempt + 1}: генерируется сообщение...") message = await generate_message_mistral_generate(prompt) if message is None: print("Не удалось получить сообщение от GigaChat Pro, повторная попытка...") continue message = replace_k_with_thousands(message) message = correct_dash_usage(message) message_length = len(message) if not notify_failed_length(message_length): last_message = message continue checks = await perform_checks(message, description, key_message, product_name, benefits) last_message = message # Инициализируем статистику для подхода, если ее нет if approach_name not in approach_stats: approach_stats[approach_name] = {"failed_checks": defaultdict(int), "total_attempts": 0} approach_stats[approach_name]["total_attempts"] += 1 for check_name, passed in checks.items(): if passed is False: approach_stats[approach_name]["failed_checks"][check_name] += 1 break notify_failed_checks(checks) if all(checks.values()): return message prompt = append_errors_to_prompt(prompt, checks) gr.Info("Переходим к следующему циклу итераций.") return last_message # Функция для создания задания для копирайтера def generate_standard_prompt(description, benefits, key_message, *selected_values): prompt = ( f"Сгенерируй смс-сообщение для клиента. Напиши 3 или 4 предложения.\n" f"Описание предложения: {description}\n" f"Преимущества: {benefits}\n" "В тексте смс запрещено использование:\n" "- Запрещенные слова: № один, номер один, № 1, вкусный, дешёвый, продукт, спам, доступный, банкротство, долги, займ, срочно, сейчас, лучший, главный, номер 1, гарантия, успех, лидер, никакой;\n" "- Повторы слов;\n" "- Обращение к клиенту;\n" "- Приветствие клиента;\n" "- Обещания и гарантии;\n" "- Использовать составные конструкции из двух глаголов;\n" "- Причастия и причастные обороты;\n" "- Деепричастия и деепричастные обороты;\n" "- Превосходная степень прилагательных;\n" "- Страдательный залог;\n" "- Порядковые числительные от 10 прописью;\n" "- Цепочки с придаточными предложениями;\n" "- Разделительные повторяющиеся союзы;\n" "- Вводные конструкции;\n" "- Усилители;\n" "- Паразиты времени;\n" "- Несколько существительных подряд, в том числе отглагольных;\n" "- Производные предлоги;\n" "- Сложные предложения, в которых нет связи между частями;\n" "- Сложноподчинённые предложения;\n" "- Даты прописью;\n" "- Близкие по смыслу однородные члены предложения;\n" "- Шокирующие, экстравагантные, кликбейтные фразы;\n" "- Абстрактные заявления без поддержки фактами и отсутствие доказательства пользы для клиента;\n" "- Гарантирующие фразы;\n" "- Узкоспециализированные термины;\n" "- Фразы, способные создать двойственное ощущение, обидеть;\n" "- Речевые клише, рекламные штампы, канцеляризмы;\n" "Убедись, что в готовом тексте до 250, но не менее 160 знаков с пробелами. Убедись, что в готовом тексте не менее трех предложений.\n" ) if key_message.strip(): prompt += f"Убедись, что в готовом тексте есть следующая ключевая информация: {key_message.strip()}" return prompt # Функция для создания задания для редактора с добавлением prefix и suffix def generate_personalization_prompt(key_message, *selected_values, prefix, suffix, product_name): prompt = f"{prefix}\n" prompt += f"Напиши 3 или 4 предложения.\n" # Приводим все выбранные значения к нижнему регистру и убираем лишние пробелы industry_selected = any( val.strip().lower() == "строительные подрядчики" for val in selected_values if val # Убеждаемся, что значение не None и не пустое ) # Добавляем строки только если выбрана "Строительные подрядчики" if industry_selected: prompt += "Обязательство включи упоминание бизнеса клиента - строительство.\n" prompt += f"Не изменяй название продукта: {product_name}.\n" prompt += "Адаптируй, не превышая длину сообщения в 250 знаков с пробелами (но и не менее 160 знаков с пробелами), текст с учетом следующих особенностей:\n" gender, generation, psychotype = selected_values[0], selected_values[1], selected_values[2] combined_instruction = "" additional_instructions = "" # Проверяем, выбраны ли все три параметра: Пол, Поколение, Психотип if gender and generation and psychotype: # Получаем данные с листа "Пол Поколение Психотип" sheet = features.get("Пол Поколение Психотип", {}) # Ищем ключ, соответствующий комбинации "Пол", "Поколение", "Психотип" key = (gender, generation, psychotype) if key in sheet: combined_instruction = sheet[key] # Если не найдена комбинированная инструкция, добавляем индивидуальные инструкции if not combined_instruction: for i, feature in enumerate(["Пол", "Поколение", "Психотип"]): if selected_values[i]: try: instruction = features[feature][selected_values[i]] additional_instructions += f"{instruction}\n" except KeyError: return f"Ошибка: выбранное значение {selected_values[i]} не найдено в данных." # Добавляем инструкции для остальных параметров (например, Отрасль) for i, feature in enumerate(features.keys()): if feature not in ["Пол", "Поколение", "Психотип", "Пол Поколение Психотип"]: if i < len(selected_values) and selected_values[i]: try: instruction = features[feature][selected_values[i]] additional_instructions += f"{instruction}\n" except KeyError: return f"Ошибка: выбранное значение {selected_values[i]} не найдено в данных." # Формируем итоговый промпт if combined_instruction: prompt += combined_instruction # Добавляем комбинированную инструкцию, если она есть if additional_instructions: prompt += additional_instructions # Добавляем остальные инструкции prompt += f"{suffix}" prompt += f"Убедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n" prompt += f"Убедись, что в готовом тексте не менее трех предложений.\n" if key_message.strip(): prompt += f"\nУбедись, что в готовом тексте есть следующая ключевая информация: {key_message.strip()}\n" # Добавляем дополнительную проверку, если выбрана "Строительные подрядчики" if industry_selected: prompt += f"\nОбязательно убедись, что в готовом тексте есть упоминание бизнеса клиента - строительство.\n" return prompt.strip() # Функция для удаления префиксов, суффиксов и пустых строк перед выводом на экран def clean_prompt_for_display(prompt, prefixes, suffixes): # Удаляем префиксы и суффиксы for prefix in prefixes: prompt = prompt.replace(prefix, "") for suffix in suffixes: prompt = prompt.replace(suffix, "") # Удаляем пустые строки lines = prompt.split('\n') non_empty_lines = [line for line in lines if line.strip() != ''] cleaned_prompt = '\n'.join(non_empty_lines) return cleaned_prompt.strip() def are_messages_equal(message1, message2): return message1.strip().lower() == message2.strip().lower() # Функция для постепенной генерации всех сообщений через yield async def generate_all_messages(desc, benefits, key_message, gender, generation, psychotype, business_stage, industry, opf, product_name): standard_prompt = generate_standard_prompt(desc, benefits, key_message) standard_prompt_for_display = f"Не изменяй название продукта: {product_name}.\n{standard_prompt}\nУбедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n" approach_mapping = { "Указание на пользу": ( "Начни сообщение с указания на пользу продукта. Используй глагол в побудительном наклонении. Не начинай с вопроса.", "Убедись, что готовый текст начинается с указания на пользу продукта и использования глагола в побудительном наклонении и не начинается с вопроса." ), "Призыв к действию": ( "Начни сообщение с призыва к действию с продуктом. Не начинай с вопроса.", "Убедись, что готовый текст начинается с призыва к действию с продуктом и не начинается с вопроса." ), "Вопрос": ( "Начни сообщение с вопроса, который указывает на пользу продукта для клиента.", "Убедись, что готовый текст начинается с вопроса, который указывает на пользу продукта для клиента." ) } approaches_df = features.get("Подход", None) if approaches_df is None: gr.Warning("Таблица 'Подход' не найдена.") return filters = [] for param_name, param_value in [('Пол', gender), ('Поколение', generation), ('Психотип', psychotype)]: if param_value: filters.append(approaches_df[param_name].fillna('') == param_value) else: filters.append(approaches_df[param_name].isnull() | (approaches_df[param_name] == '')) combined_filter = filters[0] for f in filters[1:]: combined_filter &= f matching_rows = approaches_df[combined_filter] if matching_rows.empty: gr.Warning("Подход не найден для выбранных параметров.") return approach_list = [] for approaches in matching_rows['Подход']: approach_names = [a.strip() for a in approaches.split(',')] approach_list.extend(approach_names) approach_list = list(set(approach_list)) # Убираем дубликаты selected_approaches_text_content = ', '.join(approach_list) yield selected_approaches_text_content, standard_prompt_for_display, None, None, None non_personalized_messages = '' personalized_messages = '' flag = 1 # Подготовим список подходов для генерации 3 сообщений if len(approach_list) == 0: gr.Warning("Не выбрано ни одного подхода.") return elif len(approach_list) == 1: approaches_for_messages = [approach_list[0]] * 3 elif len(approach_list) >= 2: approaches_for_messages = [approach_list[0], approach_list[1], approach_list[0]] else: approaches_for_messages = approach_list[:3] for approach_name in approaches_for_messages: if approach_name not in approach_mapping: gr.Warning(f"Неизвестный подход: {approach_name}") continue current_prefix, current_suffix = approach_mapping[approach_name] personalization_prompt = generate_personalization_prompt( key_message, gender, generation, psychotype, business_stage, industry, opf, prefix=current_prefix, suffix=current_suffix, product_name=product_name ) display_personalization_prompt = clean_prompt_for_display(personalization_prompt, [current_prefix], [current_suffix]) if flag == 1: yield selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt, None, None flag += 1 prompt = add_prefix_suffix(standard_prompt, current_prefix, current_suffix, product_name) non_personalized_message = await generate_message_mistral_with_retry(prompt, approach_name, desc, key_message, product_name, benefits) non_personalized_length = len(non_personalized_message) non_personalized_display = f"{non_personalized_message}\n------\nКоличество знаков: {non_personalized_length}" if non_personalized_messages: non_personalized_messages += '\n\n' + non_personalized_display else: non_personalized_messages = non_personalized_display yield ( selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt, non_personalized_messages, personalized_messages ) # **Добавляем перегенерацию персонализированного сообщения** personalized_message = None for attempt in range(5): # Максимум 5 попыток personalized_message_candidate = await generate_message_mistral_with_retry( f"{personalization_prompt}\n\nТекст для адаптации: {non_personalized_message}", approach_name, desc, key_message, product_name, benefits ) if not are_messages_equal(personalized_message_candidate, non_personalized_message): personalized_message = personalized_message_candidate break # Уникальное сообщение найдено else: print(f"Попытка {attempt + 1}: Персонализированное сообщение совпадает со стандартным. Повторная генерация...") # time.sleep(1) # Небольшая пауза перед следующей попыткой else: # После 5 попыток использовать последнее сгенерированное сообщение personalized_message = personalized_message_candidate print("Не удалось сгенерировать уникальное персонализированное сообщение после 5 попыток. Используется последнее сообщение.") personalized_length = len(personalized_message) personalized_display = f"{personalized_message}\n------\nКоличество знаков: {personalized_length}" if personalized_messages: personalized_messages += '\n\n' + personalized_display else: personalized_messages = personalized_display yield ( selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt, non_personalized_messages, personalized_messages ) # time.sleep(1) save_statistics_to_github(approach_stats) def rank_messages(non_personalized_messages, personalized_messages): # Function to clean each message by removing metadata def clean_message(msg): # Remove metadata after '------' if '------' in msg: msg = msg.split('------')[0].strip() return msg.strip() # Split and clean non-personalized messages non_personalized_list = [ clean_message(msg) for msg in non_personalized_messages.strip().split('\n\n') if msg.strip() ] # Split and clean personalized messages personalized_list = [ clean_message(msg) for msg in personalized_messages.strip().split('\n\n') if msg.strip() ] # Rank non-personalized messages ranked_non_personalized_df = best_text_choice( non_personalized_list, unique_sms_df, tokenizer, model ) # Rank personalized messages ranked_personalized_df = best_text_choice( personalized_list, unique_sms_df, tokenizer, model ) # Extract messages from DataFrames ranked_non_personalized_messages_list = ranked_non_personalized_df['text'].tolist() ranked_personalized_messages_list = ranked_personalized_df['text'].tolist() # Recompute lengths and reconstruct messages with metadata def reconstruct_messages(messages_list): display_list = [] for msg in messages_list: msg_length = len(msg) display_list.append(f"{msg}\n------\nКоличество знаков: {msg_length}") return display_list ranked_non_personalized_display = reconstruct_messages(ranked_non_personalized_messages_list) ranked_personalized_display = reconstruct_messages(ranked_personalized_messages_list) # Join the messages back into strings ranked_non_personalized_messages = '\n\n'.join(ranked_non_personalized_display) ranked_personalized_messages = '\n\n'.join(ranked_personalized_display) return ranked_non_personalized_messages, ranked_personalized_messages # ФУНКЦИИ ПРОВЕРОК (НАЧАЛО) # 1. Запрещенные слова def check_forbidden_words(message): morph = pymorphy3.MorphAnalyzer() # Перечень запрещённых слов и фраз forbidden_patterns = [ r'№\s?1\b', r'номер\sодин\b', r'номер\s1\b', r'вкусный', r'дешёвый', r'продукт', r'спам', r'банкротство', r'долг[и]?', r'займ', r'срочный', r'главный', r'гарантия', r'успех', r'лидер', 'никакой' ] # Удаляем знаки препинания для корректного анализа message_without_punctuation = message.translate(str.maketrans('', '', string.punctuation)) # Замена всех слов, содержащих "бессроч", на временное значение placeholder = "заменабессроч" message_without_punctuation = re.sub(r'\b\w*бессроч\w*\b', placeholder, message_without_punctuation, flags=re.IGNORECASE) # Проверка на наличие подстроки "лучш" (без учета регистра) if re.search(r'лучш', message_without_punctuation, re.IGNORECASE): return False # Лемматизация слов сообщения words = message_without_punctuation.split() lemmas = [morph.parse(word)[0].normal_form for word in words] # Восстановление всех слов с подстрокой "бессроч" lemmas = [re.sub(r'заменабессроч', 'бессроч', word) for word in lemmas] normalized_message = ' '.join(lemmas) # Проверка на запрещённые фразы и леммы for pattern in forbidden_patterns: if re.search(pattern, normalized_message, re.IGNORECASE): print(f"Не пройдена проверка: Запрещенные слова. Сообщение: {message}") return False return True # 2 и #3. Обращение к клиенту и приветствие клиента def check_no_greeting(message): morph = pymorphy3.MorphAnalyzer() # Список типичных обращений и приветствий greeting_patterns = [ r"привет\b", r"здравствуй", r"добрый\s(день|вечер|утро)", r"дорогой\b", r"уважаемый\b", r"дорогая\b", r"уважаемая\b", r"господин\b", r"госпожа\b", r"друг\b", r"коллега\b", r"товарищ\b", r"приятель\b", r"друг\b", r"подруга\b" ] # Компилируем все шаблоны в один регулярное выражение greeting_regex = re.compile('|'.join(greeting_patterns), re.IGNORECASE) # Проверяем, начинается ли сообщение с шаблона приветствия или обращения if greeting_regex.search(message.strip()): print(f"Не пройдена проверка: Обращение к клиенту и приветствие клиента. Сообщение: {message}") return False return True # 4. Обещания и гарантии def check_no_promises(message): morph = pymorphy3.MorphAnalyzer() promise_patterns = [ "обещать", "обещание", "гарантировать", "обязаться", "обязать", "обязательство", "обязательный" ] words = message.split() lemmas = [morph.parse(word)[0].normal_form for word in words] for pattern in promise_patterns: if pattern in lemmas: print(f"Не пройдена проверка: Обещания и гарантии. Сообщение: {message}") return False return True # 5. Составные конструкции из двух глаголов def check_no_double_verbs(message): morph = pymorphy3.MorphAnalyzer() # Разделяем текст по пробелам и знакам препинания words = re.split(r'\s+|[.!?]', message) morphs = [morph.parse(word)[0] for word in words] for i in range(len(morphs) - 1): # Проверяем, что оба слова являются глаголами (в любой форме, включая инфинитивы) if (morphs[i].tag.POS in {'VERB', 'INFN'}) and (morphs[i+1].tag.POS in {'VERB', 'INFN'}): # Проверяем, является ли первый глагол "хотеть" или "начинать" if morphs[i].normal_form in ['хотеть', 'начинать', 'начать']: return True else: print(f"Не пройдена проверка: Составные конструкции из двух глаголов. Сообщение: {message}") return False return True # 6. Причастия и причастные обороты def check_no_participles(message): morph = pymorphy3.MorphAnalyzer() words = message.split() exceptions = {"повышенный", "увеличенный", "пониженный", "сниженный"} for word in words: parsed_word = morph.parse(word)[0] lemma = parsed_word.normal_form if 'PRTF' in parsed_word.tag and lemma not in exceptions: print(f"Не пройдена проверка: Причастия и причастные обороты. Сообщение: {message}") return False return True # 7. Деепричастия и деепричастные обороты def check_no_adverbial_participles(message): morph = pymorphy3.MorphAnalyzer() words = message.split() morphs = [morph.parse(word)[0] for word in words] for morph in morphs: if 'GRND' in morph.tag: print(f"Не пройдена проверка: Деепричастия и деепричастные обороты. Сообщение: {message}") return False return True # 8. Превосходная степень прилагательных def check_no_superlative_adjectives(message): morph = pymorphy3.MorphAnalyzer() words = message.split() morphs = [morph.parse(word)[0] for word in words] for morph in morphs: if 'Supr' in morph.tag: print(f"Не пройдена проверка: Превосходная степень прилагательных. Сообщение: {message}") return False return True # 9. Страдательный залог def check_no_passive_voice(message): morph = pymorphy3.MorphAnalyzer() words = message.split() morphs = [morph.parse(word)[0] for word in words] for morph in morphs: if 'PRTF' in morph.tag and ('passive' in morph.tag or 'в' in morph.tag): print(f"Не пройдена проверка: Страдательный залог. Сообщение: {message}") return False return True # 10. Порядковые числительные от 10 прописью def check_no_written_out_ordinals(message): morph = pymorphy3.MorphAnalyzer() ordinal_words = [ "десятый", "одиннадцатый", "двенадцатый", "тринадцатый", "четырнадцатый", "пятнадцатый", "шестнадцатый", "семнадцатый", "восемнадцатый", "девятнадцатый", "двадцатый" ] words = message.split() lemmas = [morph.parse(word)[0].normal_form for word in words] for word in ordinal_words: if word in lemmas: print(f"Не пройдена проверка: Порядковые числительные от 10 прописью. Сообщение: {message}") return False return True # 11. Цепочки с придаточными предложениями def check_no_subordinate_clauses_chain(message): # Регулярное выражение, которое ищет последовательности придаточных предложений subordinate_clause_patterns = [ r'\b(который|которая|которое|которые)\b', r'\b(если|потому что|так как|что|когда)\b', r'\b(хотя|несмотря на то что)\b' ] # Разделяем сообщение на предложения по точке, вопросительному и восклицательному знакам sentences = re.split(r'[.!?]\s*', message) count = 0 for sentence in sentences: for pattern in subordinate_clause_patterns: if re.search(pattern, sentence): count += 1 # Если в предложении найдено более одного придаточного предложения подряд, возвращаем False return count < 2 # 12. Разделительные повторяющиеся союзы def check_no_repeating_conjunctions(message): # Регулярное выражение для поиска разделительных повторяющихся союзов с запятой перед вторым союзом repeating_conjunctions_patterns = r'\b(и|ни|то|не то|или|либо)\b\s*(.*?)\s*,\s*\b\1\b' # Разделяем сообщение на предложения по точке, вопросительному и восклицательному знакам sentences = re.split(r'[.!?]\s*', message) # Проверяем каждое предложение отдельно for sentence in sentences: if re.search(repeating_conjunctions_patterns, sentence, re.IGNORECASE): print(f"Не пройдена проверка: Разделительные повторяющиеся союзы. Сообщение: {message}") return False return True # 13. Вводные конструкции def check_no_introductory_phrases(message): introductory_phrases = [ r'\b(во-первых|во-вторых|с одной стороны|по сути|по правде говоря)\b', r'\b(может быть|кстати|конечно|естественно|безусловно|возможно)\b' ] for pattern in introductory_phrases: if re.search(pattern, message, re.IGNORECASE): print(f"Не пройдена проверка: Вводные конструкции. Сообщение: {message}") return False return True # 14. Усилители def check_no_amplifiers(message): amplifiers = [ r'\b(очень|крайне|чрезвычайно|совсем|полностью|чисто)\b' ] for pattern in amplifiers: if re.search(pattern, message, re.IGNORECASE): print(f"Не пройдена проверка: Усилители. Сообщение: {message}") return False return True # 15. Паразиты времени def check_no_time_parasites(message): time_parasites = [ r'\b(немедленно|срочно|в данный момент)\b' ] for pattern in time_parasites: if re.search(pattern, message, re.IGNORECASE): print(f"Не пройдена проверка: Паразиты времени. Сообщение: {message}") return False return True # 16. Несколько существительных подряд def check_no_multiple_nouns(message): noun_count = 0 words = re.split(r'\s+|[.!?]', message) # Разбиваем по пробелам и знакам препинания morph = pymorphy3.MorphAnalyzer() for word in words: parsed_word = morph.parse(word)[0] # Если слово — существительное if 'NOUN' in parsed_word.tag: noun_count += 1 # Если встречен конец предложения (точка, вопросительный знак, восклицательный знак) elif re.match(r'[.!?]', word): noun_count = 0 else: noun_count = 0 if noun_count > 2: print(f"Не пройдена проверка: Несколько существительных подряд. Сообщение: {message}") return False return True # 17. Производные предлоги def check_no_derived_prepositions(message): derived_prepositions = [ r'\b(в течение|в ходе|вследствие|в связи с|по мере|при помощи|согласно|вопреки|на основании|на случай|в продолжение|по причине|вблизи|вдалеке|вокруг|внутри|вдоль|посередине|вне|снаружи|благодаря|невзирая на|исходя из)\b' ] for pattern in derived_prepositions: if re.search(pattern, message, re.IGNORECASE): print(f"Не пройдена проверка: Производные предлоги. Сообщение: {message}") return False return True # 19. Сложноподчиненные предложения def check_no_compound_sentences(message): subordinating_conjunctions = [ r'\bкогда\b', r'\bкак только\b', r'\bпока\b', r'\bпосле того как\b', r'\bпотому что\b', r'\bтак как\b', r'\bоттого что\b', r'\bблагодаря тому что\b', r'\bчтобы\b', r'\bдля того чтобы\b', r'\bесли\b', r'\bкогда бы\b', r'\bесли бы\b', r'\bхотя\b', r'\bнесмотря на то что\b', r'\bкак\b', r'\bбудто\b', r'\bсловно\b', r'\bкак будто\b' ] # Убедимся, что слово "как" используется не в вопросе for pattern in subordinating_conjunctions: if re.search(pattern, message) and not re.search(r'\?', message): print(f"Не пройдена проверка: Сложноподчиненные предложения. Сообщение: {message}") return False return True # 20. Даты прописью def check_no_dates_written_out(message): # Ищем упоминания месяцев или слов, связанных с датами months = [ "января", "февраля", "марта", "апреля", "мая", "июня", "июля", "августа", "сентября", "октября", "ноября", "декабря" ] # Слова для проверки чисел прописью date_written_out_patterns = [ r'\b(первого|второго|третьего|четвертого|пятого|шестого|седьмого|восьмого|девятого|десятого|одиннадцатого|двенадцатого|тринадцатого|четырнадцатого|пятнадцатого|шестнадцатого|семнадцатого|восемнадцатого|девятнадцатого|двадцатого|двадцать первого|двадцать второго|двадцать третьего|двадцать четвертого|двадцать пятого|двадцать шестого|двадцать седьмого|двадцать восьмого|двадцать девятого|тридцатого|тридцать первого)\b' ] for month in months: for pattern in date_written_out_patterns: if re.search(f'{pattern}\\s{month}', message, re.IGNORECASE): print(f"Не пройдена проверка: Даты прописью. Сообщение: {message}") return False return True # Доп правило. Повторы слов def check_no_word_repetitions(message): morph = pymorphy3.MorphAnalyzer() # Список союзов и предлогов, которые мы будем игнорировать ignore_words = set([ 'и', 'а', 'но', 'или', 'да', 'ни', 'как', 'так', 'в', 'на', 'под', 'над', 'за', 'к', 'до', 'по', 'из', 'у', 'о', 'про', 'для', 'не', 'вот', 'это', 'тот', 'тем', 'при', 'чем', 'же', 'ли', 'бы', 'то', 'р', 'от' ]) # Разбиваем текст на слова, удаляя знаки препинания words = re.findall(r'\b\w+(?:-\w+)*\b', message.lower()) # Учитываем составные слова с дефисом # Словарь для хранения нормализованных форм слов normalized_words = {} for word in words: if word not in ignore_words: # Проверяем, является ли слово составным (например, "бизнес-карта") if '-' in word: # Обрабатываем составные слова как целые фразы base_word = word else: # Для обычных слов применяем морфологический анализ base_word = morph.parse(word)[0].normal_form # Если слово уже встречалось, возвращаем False if base_word in normalized_words: print(f"Не пройдена проверка: Повторы слов. Сообщение: {message}") return False # Добавляем слово в словарь normalized_words[base_word] = True # Если мы дошли до этой точки, повторов не было return True # Проверки на LLM import re import json def parse_json_response(response): try: # Попытка найти JSON-подобную структуру в ответе match = re.search(r'\{.*', response) if match: json_str = match.group(0) # Проверяем и добавляем недостающие кавычки и скобки if json_str.count('"') % 2 != 0: json_str += '"' if json_str.count('{') > json_str.count('}'): json_str += '}' result = json.loads(json_str) return result # Если JSON не найден, пытаемся найти ключ-значение вручную else: decision_match = re.search(r'decision:\s*(true|false)', response) explanation_match = re.search(r'explanation:\s*"(.+?)"', response) result = {} if decision_match: decision_value = decision_match.group(1) result['decision'] = True if decision_value == 'true' else False if explanation_match: result['explanation'] = explanation_match.group(1) if result: return result else: print("JSON не найден, и ключи 'decision' и 'explanation' не извлечены") return None except Exception as e: print(f"Ошибка при разборе JSON: {e}") return None def cut_message(message): # Удаляем любой дополнительный текст, например, "------\nКоличество знаков: ..." # Разделяем сообщение по '------' и берем первую часть if '------' in message: message = message.split('------')[0].strip() return message # 22. Проверка сложных предложений без логической связи def check_disconnected_sentences(message): message_clean = cut_message(message) print() print("Проверка 22: Проверка сложных предложений без логической связи") print() prompt = f'''Проверь следующий текст на наличие сложных предложений, где отсутствует логическая связь между частями: "{message_clean}" Определи, есть ли в тексте предложения с несколькими частями, которые кажутся несвязанными, не поддерживают общую мысль или делают текст трудным для понимания. Обрати внимание, что в контексте коротких рекламных сообщений допустимы краткие предложения, перечисления и фразы, которые вместе передают связную информацию о продукте или услуге. Не считай такие сообщения несвязанными, если их части логически связаны с предложением продукта или условиями его получения. Пример ответа: {{"decision": false, "explanation": "Текст понятен, и все предложения логически связаны между собой."}} Если в тексте **есть** сложные предложения без логической связи между частями, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; если таких предложений **нет**, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}. **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь **только** в формате JSON с закрывающими кавычками и скобками.**''' response = generate_message_mistral_check(prompt) # time.sleep(3) # Задержка в 3 секунды между запросами print("GigaChat Pro response:", response) # Выводим полный ответ модели result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Инвертируем логику else: return None # 23. Проверка на близкие по смыслу однородные члены async def check_synonymous_members(message): print() print("Проверка 23: Проверка на близкие по смыслу однородные члены") print() message_clean = cut_message(message) prompt = f'''Проверь следующий текст на наличие однородных членов предложения, которые имеют одинаковый или практически одинаковый смысл и повторяют одну и ту же идею: "{message_clean}" Обрати внимание, что слова или выражения могут описывать разные аспекты продукта или услуги, и это не считается избыточным, если они не полностью дублируют значение друг друга. Например, такие слова как "премиальная" и "бизнес" могут описывать разные качества и не должны считаться синонимами. Пример ответа: {{"decision": true, "explanation": "В предложении используются синонимы 'быстрый' и 'скорый', которые повторяют одну и ту же идею."}} Если такие слова или выражения есть, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; если таких слов или выражений нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}. **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**''' response = await generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Инвертируем логику else: return None # 24. Проверка на шокирующие, экстравагантные или кликбейтные фразы async def check_clickbait_phrases(message, description, benefits, key_message): message_clean = cut_message(message) print() print() print("СООБЩЕНИЕ:", message_clean) print() print("Проверка 24: Проверка на шокирующие, экстравагантные или кликбейтные фразы") print() prompt = f'''Проверь следующий текст на наличие шокирующих, экстравагантных или кликбейтных фраз: "{message_clean}" Инструкции: 1. Игнорируй фразы, которые основаны на фактической информации, даже если они выглядят сенсационно, такие как "лимит до миллиона" или "льготный период до 365 дней". Если эти данные подтверждаются и не являются преувеличением, их не следует считать кликбейтом. 2. Ищи фразы, которые явно преувеличивают или вводят в заблуждение, обещая нечто чрезмерно идеализированное или сенсационное, что не может быть доказано или подтверждено. Примеры кликбейтных фраз: "Шокирующая правда", "Вы не поверите, что произошло", "Это изменит вашу жизнь за один день". 3. Стандартные рекламные призывы к действию, такие как "купите сейчас" или "узнайте больше", не считаются кликбейтом, если они не преувеличивают преимущества или не используют явную манипуляцию эмоциями. 4. Не считай фразы, используемые в исходном описании продукта, кликбейтными. Исходное описание: "{description}". 5. Не считай фразы, используемые в преимуществах продукта, кликбейтными. Преимущества: "{benefits}". 6. Не считай фразы, используемые в ключевом сообщении, кликбейтными. Ключевое сообщение: "{key_message}". Пример ответа: {{"decision": false, "explanation": "Текст нейтрален и не содержит кликбейтных фраз."}} Если текст содержит кликбейтные фразы, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; если таких фраз нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}. **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**''' response = await generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Инвертируем логику else: return None # 25. Проверка на абстрактные заявления без поддержки фактами async def check_abstract_claims(message, description, benefits, key_message): print() print("Проверка 25: Проверка на абстрактные заявления без поддержки фактами") print() message_clean = cut_message(message) prompt = f'''Проверь следующий текст на наличие чрезмерно абстрактных или неподкрепленных фактическими данными утверждений, которые могут усложнить понимание преимуществ продукта или услуги: "{message_clean}" Инструкции: 1. Исключи фразы, которые содержат конкретные числовые данные, обещания о времени выполнения или другие факты, которые могут быть проверены (например, "от 1 минуты", "24/7", "в течение 24 часов"). 2. Не считай абстрактными фразами выражения, которые описывают конкретные выгодные условия, если они сопровождаются фактами или цифрами (например, "выгодные условия при покупке от 100 000 рублей" или "индивидуальные условия с процентной ставкой 3%"). 3. Помечай абстрактными фразами любые утверждения, которые звучат эмоционально, но не сопровождаются конкретикой, такие как: - "выгодное финансирование" - "развивайте свой бизнес быстрее" - "повышение эффективности" - "эффективное управление" - "надёжное решение" - "оптимизируйте управление финансами" - "выгодные условия для бизнеса" - "лёгкие условия и кэшбэк" - "мобильно, удобно, комфортно" - "Действуйте сейчас!" - "Контролируйте лимиты на расходы сотрудников" - "Оптимизируйте свои бизнес-затраты" - "Снизьте финансовую нагрузку" 4. Ищи общие фразы, которые не дают представления о конкретной пользе, такие как "лучшее решение", "высокое качество", "отличный сервис", если они не сопровождаются пояснением о том, почему это так. 5. Учитывай, что в рекламных сообщениях допустимы эмоциональные и обобщённые фразы, если они достаточно конкретны для понимания аудитории, однако они должны сопровождаться фактами или подробными примерами. 6. Не считай фразы, используемые в исходном описании продукта, абстрактными. Исходное описание: "{description}". 7. Не считай фразы, используемые в преимуществах продукта, абстрактными. Преимущества: "{benefits}". 8. Не считай фразы, используемые в ключевом сообщении, абстрактными. Ключевое сообщение: "{key_message}". Пример ответа: {{"decision": false, "explanation": "Текст не содержит абстрактные утверждения без конкретики."}} Если в тексте присутствуют абстрактные или неподкрепленные заявления, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; если таких утверждений нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}. **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**''' response = await generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Инвертируем логическое значение else: return None # 26. Проверка на узкоспециализированные термины def check_specialized_terms(message): print() print("Проверка 26: Проверка на узкоспециализированные термины") print() message_clean = cut_message(message) prompt = f'''Проверь следующий текст на наличие узкоспециализированных терминов или жаргона, которые могут быть непонятны широкой аудитории: "{message_clean}" Инструкции: 1. Игнорируй общеупотребительные термины, известные широкой аудитории, такие как "ИП", "ООО", "РФ", а также термины, связанные с обычными финансовыми продуктами (например, "кредитная карта", "интернет-банк", "Mastercard"). 2. Ищи термины, характерные для узких профессиональных областей, таких как медицина, ИТ, право, инженерия и другие специализированные сферы. 3. Пример специализированных терминов: "интероперабельность", "кибернетика", "гипертензия", "аутентификация" и т.п. Определи, содержит ли текст термины, которые известны только специалистам в определенной области и могут вызвать затруднения у обычных читателей. Пример ответа: {{"decision": false, "explanation": "В тексте отсутствуют узкоспециализированные термины."}} Если в тексте есть такие узкоспециализированные термины, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; если таких терминов нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}. **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**''' response = generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Инвертируем логическое значение else: return None # 27. Проверка на двусмысленные или обидные фразы def check_offensive_phrases(message): print() print("Проверка 27: Проверка на двусмысленные или обидные фразы") print() message_clean = cut_message(message) prompt = f'''Проверь следующий текст на наличие фраз, которые могут быть истолкованы двусмысленно или вызвать негативные эмоции у читателя: "{message_clean}" Определи, есть ли в тексте выражения, которые могут быть восприняты как оскорбительные, обидные или неуместные. Обрати внимание, что фразы, используемые в обычном деловом контексте и не содержащие явных оскорблений, дискриминации или непристойностей, не считаются проблемными. Например, фразы, объясняющие преимущества продукта, такие как "без отчётов и комиссий", являются допустимыми. Пример ответа: {{"decision": false, "explanation": "Текст не содержит обидных или двусмысленных фраз."}} Если такие фразы есть, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; если таких фраз нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}. **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**''' response = generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Инвертируем логическое значение else: return None # 28. Проверка на речевые клише, рекламные штампы и канцеляризмы async def check_cliches_and_bureaucratese(message, description, benefits, key_message): print() print("Проверка 28: Проверка на речевые клише, рекламные штампы и канцеляризмы") print() message_clean = cut_message(message) prompt = f'''Проверь следующий текст на наличие речевых клише, излишне употребляемых фраз, рекламных штампов и канцеляризмов, которые делают текст менее выразительным и оригинальным: "{message_clean}" Обрати внимание **только** на избитые фразы, которые чрезмерно используются в рекламных текстах и не несут дополнительной ценности. **Не считай клише или канцеляризмами следующие типы выражений:** - Стандартные призывы к действию (например, "Получите", "Оформите", "Закажите сейчас"), но **не** их комбинации с общими, неопределёнными фразами, как например, "за считанные минуты", "быстро, удобно". - Информацию о ценах, скидках, акциях или условиях покупки (например, "при покупках от 100 000 рублей в месяц"). - Описания способов оформления или получения услуг (например, "оформление возможно онлайн или в офисе"). - Стандартные отраслевые термины и фразы, необходимые для понимания сообщения (например, "премиальная бизнес-карта", "Mastercard Preferred"), но **не** их использование в комбинации с общими словами, как например, "идеальное решение для вашего бизнеса". - Не считай фразы, используемые в исходном описании продукта, как клише. Исходное описание: "{description}". - Не считай фразы, используемые в преимуществах продукта, как клише. Преимущества: "{benefits}". - Не считай фразы, используемые в ключевом сообщении, как клише. Ключевое сообщение: "{key_message}". **Считай клише или канцеляризмами следующие типы выражений:** - Избитые фразы, такие как: - "Обеспечьте стабильность и развитие вашего бизнеса" - "Заботьтесь о будущем семьи, сохраняя ресурсы." - "Получите необходимые средства для развития бизнеса и обеспечения финансовой стабильности!" - "Ваш бизнес ждёт выгодное финансирование! Развивайте свой бизнес быстрее!" - "Без лишней волокиты" - "Быстро, удобно, без лишних хлопот!" - "За считанные минуты" - "Это идеальное предложение для вашего бизнеса!" - "Удобное и надёжное решение для роста вашего капитала". Пример ответа: {{"decision": false, "explanation": "Текст не содержит клише или канцеляризмов."}} Если в тексте **нет** таких выражений, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}; если в тексте **есть** такие выражения, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}. **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**''' response = await generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision else: return None # 29. Проверка на соответствие описанию предложения и ключевому сообщению async def check_no_contradictions(message, description, benefits, key_message): print() print("Проверка 29: Проверка на отсутствие противоречий с описанием предложения") print() message_clean = cut_message(message) prompt = f'''Проверь, не противоречит ли следующее сообщение описанию предложения и ключевому сообщению. Учти, что сообщение является выжимкой из описания предложения и не может содержать столько же информации в том же объеме, сколько описание предложения - важно, чтобы в сообщении не было указано ложных фактов. Описание предложения: "{description}" Преимушества: "{benefits}" Ключевое сообщение: "{key_message}" Сообщение: "{message}" Если сообщение не содержит фактов, которые отсутствуют в описании предложения и ключевом сообщении, **верни только** JSON {{"decision": false, "explanation": "Противоречий не обнаружено."}}. Если сообщение содержит факты, которые отсутствуют в описании предложения и ключевом сообщении, **верни только** JSON {{"decision": true, "explanation": "<описание противоречий>"}}. **Не добавляй никакого дополнительного текста. Отвечай только в формате JSON с закрывающими кавычками и скобками.**''' response = await generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Возвращаем True, если противоречий нет else: return None # 30. Проверка на наличие ключевого сообщения async def check_contains_key_message(message, key_message): print() print("Проверка 30: Проверка на наличие ключевого сообщения") print() message_clean = cut_message(message) prompt = f'''Проверь, содержит ли следующее сообщение ключевое сообщение. Сообщение: "{message}" Ключевой текст: "{key_message}" Если сообщение **содержит всю** информацию из ключевого текста, **верни только** JSON {{"decision": false, "explanation": "Ключевое текст присутствует."}}. Если сообщение **не содержит всю** информацию из ключевого текста, **верни только** JSON {{"decision": true, "explanation": "Ключевое текст отсутствует."}}. **Не добавляй никакого дополнительного текста. Отвечай только в формате JSON с закрывающими кавычками и скобками.**''' response = await generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Возвращаем True, если ключевое сообщение присутствует else: return None # 31. Проверка на точное совпадение названий продуктов async def check_product_name_consistency(message, product_name): print() print("Проверка 31: Проверка на точное совпадение названий продуктов") print() message_clean = cut_message(message) prompt = f'''Проверь, совпадает ли название продукта в сообщении с эталонным названием продукта с учётом возможных изменений в падежах. Не допускай никаких других изменений, таких как перестановка слов, добавление или удаление кавычек, изменение порядка слов, пропуск или добавление слов. Допускаются только изменения, связанные с падежами. Название должно совпадать с учётом падежных форм. Эталонное название продукта: "{product_name}" Сообщение: "{message_clean}" Если название продукта в сообщении **совпадает** с эталонным названием продукта с учётом падежных изменений, **верни только** JSON {{"decision": false, "explanation": "Название продукта совпадает с описанием с учётом падежа."}}. Если название продукта **не** совпадает, **верни только** JSON {{"decision": true, "explanation": "<описание несоответствия>"}}. **Не добавляй никакого дополнительного текста. Ответ должен быть только в формате JSON с закрывающими кавычками и скобками.**''' response = await generate_message_mistral_check(prompt) # time.sleep(3) print("GigaChat Pro response:", response) result = parse_json_response(response) if result is not None: decision = result.get("decision", False) explanation = result.get("explanation", "") print("Explanation:", explanation) return not decision # Возвращаем True, если совпадение найдено else: return None # ФУНКЦИИ ПРОВЕРОК (КОНЕЦ) async def safe_check(func, *args): try: if inspect.iscoroutinefunction(func): return await func(*args) else: return func(*args) except Exception as e: print(f"Error in {func.__name__}: {e}") return None async def perform_checks(message, description, key_message, product_name, benefits): checks = {} # 2. Morphological checks using pymorphy3 morphological_checks = [ ("forbidden_words", check_forbidden_words), ("client_addressing", check_no_greeting), ("promises", check_no_promises), # ("double_verbs", check_no_double_verbs), ("participles", check_no_participles), # ("adverbial_participles", check_no_adverbial_participles), # ("superlative_adjectives", check_no_superlative_adjectives), ("passive_voice", check_no_passive_voice), ("written_out_ordinals", check_no_written_out_ordinals), ("subordinate_clauses_chain", check_no_subordinate_clauses_chain), ("repeating_conjunctions", check_no_repeating_conjunctions), ("introductory_phrases", check_no_introductory_phrases), ("amplifiers", check_no_amplifiers), ("time_parasites", check_no_time_parasites), ("multiple_nouns", check_no_multiple_nouns), # ("derived_prepositions", check_no_derived_prepositions), ("compound_sentences", check_no_compound_sentences), ("dates_written_out", check_no_dates_written_out), # ("no_word_repetitions", check_no_word_repetitions), ] # 3. LLM checks: check_clickbait_phrases, check_abstract_claims, check_cliches_and_bureaucratese llm_checks_group1 = [ ("no_contradictions", check_no_contradictions), ("abstract_claims", check_abstract_claims), ("cliches_and_bureaucratese", check_cliches_and_bureaucratese), ("clickbait_phrases", check_clickbait_phrases), ("contains_key_message", check_contains_key_message), ("synonymous_members", check_synonymous_members), ("product_name_consistency", check_product_name_consistency) ] # 4. Remaining LLM checks # llm_checks_group2 = [ # ("offensive_phrases", check_offensive_phrases), # ("disconnected_sentences", check_disconnected_sentences), # ("specialized_terms", check_specialized_terms) # ] # Perform morphological checks for check_name, check_func in morphological_checks: result = await safe_check(check_func, message) checks[check_name] = result if result is False: return checks # Stop on first failure # Perform LLM checks group 1 for check_name, check_func in llm_checks_group1: if check_name == "no_contradictions": result = await safe_check(check_func, message, description, benefits, key_message) elif check_name == "contains_key_message": result = await safe_check(check_func, message, key_message) elif check_name == "product_name_consistency": result = await safe_check(check_func, message, product_name) elif check_name == "clickbait_phrases": result = await safe_check(check_func, message, description, benefits, key_message) elif check_name == "abstract_claims": result = await safe_check(check_func, message, description, benefits, key_message) elif check_name == "cliches_and_bureaucratese": result = await safe_check(check_func, message, description, benefits, key_message) else: result = await safe_check(check_func, message) checks[check_name] = result if result is False: return checks # Perform remaining LLM checks # for check_name, check_func in llm_checks_group2: # result = safe_check(check_func, message) # checks[check_name] = result # if result is False: # return checks # Stop on first failure return checks # All checks passed def format_checks(checks): translation = { "forbidden_words": "Запрещенные слова", "client_addressing": "Обращение к клиенту", "promises": "Обещания и гарантии", # "double_verbs": "Два глагола подряд", "participles": "Причастия", # "adverbial_participles": "Деепричастия", "superlative_adjectives": "Превосходная степень", "passive_voice": "Страдательный залог", "written_out_ordinals": "Порядковые числительные", "subordinate_clauses_chain": "Цепочки с придаточными предложениями", "repeating_conjunctions": "Разделительные повторяющиеся союзы", "introductory_phrases": "Вводные конструкции", "amplifiers": "Усилители", "time_parasites": "Паразиты времени", "multiple_nouns": "Несколько существительных подряд", # "derived_prepositions": "Производные предлоги", "compound_sentences": "Сложноподчиненные предложения", "dates_written_out": "Даты прописью", # "no_word_repetitions": "Повторы слов", # Проверки на LLM # "disconnected_sentences": "Сложные предложения без логической связи", # "synonymous_members": "Близкие по смыслу однородные члены предложения", "clickbait_phrases": "Кликбейтные фразы", "abstract_claims": "Абстрактные заявления без доказательств", # "specialized_terms": "Узкоспециализированные термины", # "offensive_phrases": "Двусмысленные или оскорбительные фразы", "cliches_and_bureaucratese": "Речевые клише, рекламные штампы, канцеляризмы", "no_contradictions": "Отсутствие противоречий с описанием предложения", "contains_key_message": "Наличие ключевого сообщения", "product_name_consistency": "Совпадение наименования продукта" } formatted_results = [] for rule, result in checks.items(): if result is True: symbol = '✔️' elif result is False: symbol = '❌' else: symbol = '❓' # Indicates that the check could not be performed formatted_results.append(f"{translation[rule]}: {symbol}") return " \n".join(formatted_results) # Интерфейс Gradio with gr.Blocks() as demo: # Твой интерфейс with gr.Tabs() as tabs: # Вкладка 1: Исходные данные with gr.TabItem("Исходные данные", id=0): with gr.Row(): with gr.Column(): desc = gr.Textbox( label="Описание предложения (предзаполненный пример можно поменять на свой)", lines=4, value=( "Кредитная бизнес-карта для предпринимателей. " "Лимит — до 1 000 000 рублей. " "Стандартный льготный период без начисления процентов за покупки — 120 дней. " "Оформление онлайн — по заявке в интернет-банке СберБизнес." ) ) product_name = gr.Textbox( label="Неизменяемая часть наименования продукта (пример можно поменять на свой)", lines=1, value=( "кредитная бизнес-карта для предпринимателей" ), interactive=True ) benefits = gr.Textbox( label="Преимущества (предзаполненный пример можно поменять на свой)", lines=5, value=( "Повышенный льготный период при покупках у партнёров банка — до 365 дней.\n" "Бесплатное годовое обслуживание кредитной бизнес-карты.\n" "Возможность устанавливать лимиты по кредитной бизнес-карте онлайн.\n" "Кредитная бизнес-карта участвует в акциях банка и партнёров." ) ) key_message = gr.Textbox( label="Ключевое сообщение (предзаполненный пример можно поменять на свой)", lines=2, value="Бесплатное годовое обслуживание кредитной бизнес-карты." ) with gr.Column(): gender = gr.Dropdown(label="Пол", choices=[None] + list(features.get('Пол', {}).keys())) generation = gr.Dropdown(label="Поколение", choices=[None] + list(features.get('Поколение', {}).keys())) psychotype = gr.Dropdown(label="Психотип", choices=[None] + list(features.get('Психотип', {}).keys())) business_stage = gr.Dropdown(label="Стадия бизнеса", choices=[None] + list(features.get('Стадия бизнеса', {}).keys())) industry = gr.Dropdown(label="Отрасль", choices=[None] + list(features.get('Отрасль', {}).keys())) opf = gr.Dropdown(label="ОПФ", choices=[None] + list(features.get('ОПФ', {}).keys())) btn_to_prompts = gr.Button("Создать") # Вкладка 2: Промпты with gr.TabItem("Ассистент", id=1): selected_approaches_text = gr.Textbox( label="Выбранные подходы согласно рекомендациям Нейролаборатории", interactive=False, lines=1 ) with gr.Row(): with gr.Column(): non_personalized_prompt = gr.Textbox( label="Задание для копирайтера", lines=20, interactive=False) with gr.Column(): personalized_prompt = gr.Textbox( label="Задание для редактора", lines=20 ) # Вкладка 3: Сообщения with gr.TabItem("Сообщения", id=2): with gr.Row(): gr.Markdown("### Копирайтер") gr.Markdown("### Редактор") with gr.Row(): non_personalized_messages = gr.Textbox(label="Стандартные сообщения", lines=18, interactive=False) personalized_messages = gr.Textbox(label="Персонализированные сообщения", lines=18, interactive=False) rank_button = gr.Button("Ранжировать") # Сначала переключаем вкладку, потом запускаем генерацию сообщений btn_to_prompts.click( fn=change_tab, inputs=[gr.Number(value=1, visible=False)], outputs=tabs ).then( fn=generate_all_messages, inputs=[desc, benefits, key_message, gender, generation, psychotype, business_stage, industry, opf, product_name], outputs=[ selected_approaches_text, non_personalized_prompt, personalized_prompt, non_personalized_messages, personalized_messages ] ) rank_button.click( fn=rank_messages, inputs=[non_personalized_messages, personalized_messages], outputs=[non_personalized_messages, personalized_messages] ) demo.launch()