왓슨 기초

WATSONX/.gradio/flagged/dataset1.csv

@@ -0,0 +1,12 @@
+키,몸무게,BMI 판정,timestamp
+173,85,"당신의 BMI 지수는 키 : 173, 몸무게 : 85, 판정 : 비만",2026-05-15 16:47:09.270006
+173,85,"당신의 BMI 지수는 키 : 173, 몸무게 : 85, 판정 : 비만",2026-05-15 16:47:10.782534
+173,85,"당신의 BMI 지수는 키 : 173, 몸무게 : 85, 판정 : 비만",2026-05-15 16:47:12.258788
+200,85,"당신의 BMI 지수는 키 : 200, 몸무게 : 85, 판정 : 정상체중",2026-05-15 16:47:27.687789
+200,85,"당신의 BMI 지수는 키 : 200, 몸무게 : 85, 판정 : 정상체중",2026-05-15 16:50:13.135872
+200,1090,"당신의 BMI 지수는 키 : 200, 몸무게 : 85, 판정 : 정상체중",2026-05-15 16:50:16.877887
+200,1090,"당신의 BMI 지수는 키 : 200, 몸무게 : 85, 판정 : 정상체중",2026-05-15 16:50:18.833742
+,,,2026-05-15 16:50:23.320214
+,,,2026-05-15 16:50:24.862371
+,,,2026-05-15 16:50:26.797623
+124,21,,2026-05-15 16:50:29.805917

WATSONX/.gradio/flagged/dataset2.csv

@@ -0,0 +1,8 @@
+image,output,timestamp
+.gradio/flagged/image/6d40714a1a97620c4003/스크린샷 2026-05-15 오후 2.46.33.png,,2026-05-15 16:54:31.487199
+.gradio/flagged/image/32bf3df6a53702a1bc81/스크린샷 2026-05-15 오후 2.46.33.png,"'
+    이미지 분석 결과
+    - 가로 : 1032px
+    - 세로 : 471px
+    - 이미지 모드 : RGB
+    ",2026-05-15 16:58:37.038848

WATSONX/.gradio/flagged/dataset3.csv

@@ -0,0 +1,2 @@
+제품명,브랜드명,제품 특징,톤앤매너,필수 포함 키워드,브랜드 핵심 가치,output,timestamp
+ㅁㅁ,,,,,,,2026-05-18 11:13:46.852604

WATSONX/.gradio/flagged/dataset4.csv

@@ -0,0 +1,35 @@
+여행 지역,예산(만원),여행 스타일,traval range,output,timestamp
+지옥,300,휴양,1week~,"제가 여행 스캐줄러 AI로서 여행 계획을 짜겠습니다.
+
+목적지: 지옥
+
+여행 스타일: 휴양
+
+기간: 1주일
+
+비용: 300
+
+휴양을 위한 지옥 여행 계획:
+
+1일차:
+	* 출발 후 지옥 도착 (교통수단: 불편한 화산 배)
+	* 체크인 후 경치 좋은 호텔/리조트에서 휴식
+	* 지옥같은 해변에서 아름다운 석양 감상 및 따뜻한 해수욕
+
+2일차:
+	* 지옥의 불타오르는 숲을 탐험하기 위한 일일 투어 시작
+	* 야생 동물 관찰 및 식물 멀티미디어 가이드 투어
+	* 소박한 지옥 요리를 즐길 수 있는 현지 레스토랑에서 저녁 식사
+
+3일차:
+	* 내부 지호강을 탐험하기 위해 지옥의 유일한 지하철 라인을 이용하여 강변으로 이동
+	* 지옥의 역사와 문화에 대해 배울 수 있는 지역 박물관 방문
+	* 지옥의 남쪽 지역 발견을 위한 야외 야경 투어
+
+4일차:
+	* 숲 속에 위치한 지옥의 풍경이 아름다운 수상 골프 코스에서 골프 플레이
+	* 식사와 즐거운 시간을 보낼 수 있는 지옥 스타일의 스파 & 웰빙 센터에서 휴식
+	* 현지 음악을 듣고 현지인들과 함께 즐기는 지옥의 전통 댄스 파티
+
+5일차:
+	* 불타는 빙하 동굴 탐험을 위해 조용한 스노",2026-05-18 17:01:25.733778

WATSONX/ad.py

@@ -0,0 +1,76 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="ibm/granite-4-h-small",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 1000
+            }
+)
+
+
+def ad_text(name, brand_name, strength, tone, keyword, value):
+    
+    
+    
+    system_prompt = """
+                1. SWOT 분석하여 광고 문구 작성해줘
+                """
+    
+    
+    user_prompt=f"""
+            아래 내용을 참고해서 1~2줄짜리 광고 문구 5개 작성해줘.
+            - 제품명 : {name}
+            - 브랜드명 : {brand_name}
+            - 제품특징 : {strenghth}
+            - 톤앤매너 : {tone}
+            - 브랜드 핵심 가치 : {value}
+            - 필수 포함 키워드 : {keyword}
+        """
+    
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : system_prompt},
+                    {"role" : "user", "content" : user_prompt}, 
+    ]
+    
+    generated_response = model.chat(messages=messages)
+    return print(generated_response['choices'][0]['message']['content'])
+    
+demo = gr.Interface(
+    fn=ad_text,
+    inputs=[gr.Text(label = "제품명"),
+            gr.Text(label = "브랜드명"), 
+            gr.Text(label = "제품 특징"), 
+            gr.Text(label = "톤앤매너"), 
+            gr.Text(label = "필수 포함 키워드"), 
+            gr.Text(label = "브랜드 핵심 가치"), 
+    ],   
+    
+    outputs=[gr.Markdown()],
+    title="광고 문구 프로그램",
+    description="텍스트 입력 시 ai가 광고 문구를 작생해 드립니다."
+)
+
+demo.launch()

WATSONX/app1.py

@@ -0,0 +1,13 @@
+import gradio as gr
+
+def greet(name, intensity):
+    return "Hello, " + name + "!" * int(intensity)
+
+demo = gr.Interface(
+    fn=greet,
+    inputs=["text", "slider"],
+    outputs=["text"],
+    api_name="predict"
+)
+
+demo.launch()

WATSONX/app2.py

@@ -0,0 +1,13 @@
+import gradio as gr
+
+def greet(name, grade):
+    return name + "⭐" * int(grade)
+
+demo = gr.Interface(
+    fn=greet,
+    inputs=[gr.Text(label = "음식명"), gr.Slider(1, 5, step=1, label = "만족도")],
+    outputs=[gr.Text(label= "만족도 출력")],
+    api_name="별점 리뷰 생성"
+)
+
+demo.launch()

WATSONX/app3.py

@@ -0,0 +1,25 @@
+import gradio as gr
+
+def bmi_calculator(height, weight):
+    bmi = weight / (float(height / 100) ** 2)
+    
+    if bmi < 18.5 :
+        result = "저체중"
+    elif bmi < 22.9 :
+        result = "정상체중"
+    elif bmi < 24.9  :
+        result = "과체중"
+    else :
+        result = "비만"
+    
+    # 당신의 BMI 지수는 키 : 158, 몸무게 : 60, 판정 : 저체중
+    return f"당신의 BMI 지수는 키 : {height}, 몸무게 : {weight}, 판정 : {result}"
+
+demo = gr.Interface(
+    fn=bmi_calculator,
+    inputs=[gr.Number(label = "키"), gr.Number(label = "몸무게")],
+    outputs=[gr.Text(label= "BMI 판정")],
+    api_name="BMI 측정기"
+)
+
+demo.launch()

WATSONX/app4.py

@@ -0,0 +1,16 @@
+import gradio as gr
+
+def predict(image):
+    # 이미지 width, height 정보 리턴
+    width, height = image.size
+    
+    return f"""
+    이미지 분석 결과
+    - 가로 : {width}px
+    - 세로 : {height}px
+    - 이미지 모드 : {image.mode}
+    """
+    
+
+interface = gr.Interface(predict, gr.Image(type="pil"), gr.Textbox())
+interface.launch()

WATSONX/app5.py

@@ -0,0 +1,16 @@
+import gradio as gr
+
+def process_image(editor_value):
+    '''
+    composite : 원본 그림 위에 레이어 반영한 최종 이미지
+    '''
+    
+    image = editor_value['composite']
+    enhancer = ImageEnhance.Brightness(image)
+    result = enhancer.enhance(1.5)
+    
+    return result
+    
+
+interface = gr.Interface(process_image, gr.ImageEditor(type="pil"), gr.Image())
+interface.launch()

WATSONX/app6.py

@@ -0,0 +1,14 @@
+import gradio as gr
+
+def greet(name):
+    return "Hello " + name + "!"
+
+
+with gr.Blocks() as demo:
+    with gr.Row():
+        name = gr.Textbox(label="Name")
+        output = gr.Textbox(label="Output Box")
+    greet_btn = gr.Button("Greet")
+    greet_btn.click(fn=greet, inputs=name, outputs=output, api_name="greet")
+
+demo.launch()

WATSONX/app7.py

@@ -0,0 +1,49 @@
+import gradio as gr  # 1. 'gr' 정의 (NameError 해결)
+
+# 응원 함수
+def cheer(name, level):
+    return f"{name} 화이팅! " + "🥳" * int(level)
+
+# 별점 함수
+def review(name, grade):
+    return f"{name} " + "⭐" * int(grade)
+
+# BMI 함수
+def bmi_calculator(height, weight):
+    if not height or not weight: # 입력값이 없을 때 방어
+        return "키와 몸무게를 모두 입력해주세요."
+    
+    bmi = weight / ((height / 100) ** 2)
+    
+    if bmi < 18.5: result = "저체중"
+    elif bmi < 22.9: result = "정상체중"
+    elif bmi < 24.9: result = "과체중"
+    else: result = "비만"
+    
+    return f"결과: {result} (BMI: {bmi:.2f})"
+
+# 인터페이스 구성
+with gr.Blocks() as demo:
+    gr.Markdown("# 통합 도구 모음")
+    
+    with gr.Tab("응원"):
+        c_name = gr.Textbox(label="이름")
+        c_level = gr.Slider(1, 5, step=1, label="응원강도")
+        c_out = gr.Textbox(label="결과")
+        gr.Button("보내기").click(fn=cheer, inputs=[c_name, c_level], outputs=c_out)
+        
+    with gr.Tab("별점"):
+        r_name = gr.Textbox(label="음식명")
+        r_grade = gr.Slider(1, 5, step=1, label="만족도")
+        r_out = gr.Textbox(label="리뷰 결과")
+        # 2. 여기서 inputs에 r_name과 r_grade 두 개를 정확히 넣어줘야 합니다!
+        gr.Button("등록").click(fn=review, inputs=[r_name, r_grade], outputs=r_out)
+        
+    with gr.Tab("BMI"):
+        h = gr.Number(label="키(cm)")
+        w = gr.Number(label="몸무게(kg)")
+        b_out = gr.Textbox(label="판정 결과")
+        gr.Button("계산").click(fn=bmi_calculator, inputs=[h, w], outputs=b_out)
+
+# 3. 마지막에 괄호()를 붙여서 실행
+demo.launch()

WATSONX/app8.py

@@ -0,0 +1,11 @@
+import gradio as gr
+
+
+def echo(message, history):
+    return message
+
+
+demo = gr.ChatInterface(
+    fn=echo, examples=["hello", "hola", "merhaba"], title="Echo Bot"
+)
+demo.launch()

WATSONX/code_generation.py

@@ -0,0 +1,84 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="ibm/granite-8b-code-instruct",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 1000
+            }
+)
+
+
+def code_text(text):
+    
+    
+    system_prompt = """
+                너는 코드 전문가임
+                
+                사용자의 욕구사항을 분석하여 :
+                - 정확한 코드
+                - 실행 가능한 코드
+                - 가독성이 좋은 코드
+                - 초보자도 이해할 수 있는 설명
+                을 제공하세요.
+                
+                [규칙]
+                1. 반드시 코드 블록('''')형식으로 작성
+                2. 코드에는 적절한 주석 포함
+                3. 필요한 라이브러리가 있다면 함께 설명
+                4. 코드 동작 원리를 간단히 설명
+                5. 오류 가능성이 있는 부분은 주의사항 추가
+                6. 사용자의 요청 언어(python, javascript 등)에 맞춰 작성
+                7. 불필요하게 긴 설명은 피하고 핵심 위주로 작성
+                
+                [응답 형식]
+                1. 기능설명
+                2. 코드
+                3. 코드설명
+                4. 실행 결과 또는 사용 예시
+                """
+    
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : system_prompt},
+                    {"role" : "user", "content" : text}, 
+    ]
+    
+    generated_response = model.chat(messages=messages)
+    return generated_response['choices'][0]['message']['content']
+    
+demo = gr.Interface(
+    fn=code_text,
+    inputs=[
+        gr.Textbox(lines=10, label = "코드입력", placeholder="여기에 코드를 입력해주세요."),
+
+    ],   
+    
+    outputs=[gr.Markdown()],
+    title="코드 작성 프로그램",
+    description="코드를 AI가 작성해드립니다."
+)
+
+demo.launch()
+

WATSONX/example.py

@@ -0,0 +1,23 @@
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+
+credentials = Credentials(
+   url = "{watsonx_ai_url}",
+   api_key = "{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+      model_id="ibm/granite-13b-instruct-v2",
+      api_client=client,
+      project_id="{project_id}",
+      params = {
+            "max_new_tokens": 100
+      }
+   )
+   
+prompt = 'How far is Paris from Bangalore?'
+
+print(model.generate(prompt))
+print(model.generate_text(prompt))

WATSONX/image.py

@@ -0,0 +1,112 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+import base64
+import io
+import logging
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="meta-llama/llama-3-2-11b-vision-instruct",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 3000
+            }
+)
+
+def image_to_base64(image):
+    """
+    pillow 형식의 이미지를 가져와 원하는 포맷으로 저장
+    base64 인코딩 형식으로 이미지 리턴
+    """
+    
+    buffer = io.BytesIO()
+    image.save(buffer, format="PNG")
+    
+    
+    image_base64 = base64.b64encode(buffer.getvalue()).decode('utf-8')
+    return image_base64
+
+def image_text(image, user_prompt):
+    
+    if image is None:
+        return  "이미지를 입력해 주세요"
+    
+    # base64
+    base64_image = image_to_base64(image)
+    
+    
+    system_prompt = """
+                당신은 이미지 분석 전문가입니다.
+                사용자의 요청에 따라 이미지를 분석하세요.
+                - 이미지 설명
+                - 분위기 분석
+                - 감정 분석 
+                - 객체 설명
+                - 캡션 생성
+                - 여행 추천
+                - 스타일 분석
+
+                등을 수행하세요
+
+                항상:
+                - 한국어로 답변
+                - 사용자의 요청 의도를 우선 반영
+                - 읽기 쉽게 작성
+                """
+    
+    if user_prompt is None:
+            user_prompt = f"""
+                이미지를 분석해줘.
+            """
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : system_prompt},
+                    {"role" : "user", "content" : [
+          {
+            "type": "image_url",
+            "image_url": {
+              "url": f"data:image/png;base64,{base64_image}"
+            }
+          },
+          {
+            "type": "text",
+            "text": user_prompt
+          },
+        ],
+    }
+    ]
+    
+    generated_response = model.chat(messages=messages)
+    return generated_response['choices'][0]['message']['content']
+    
+demo = gr.Interface(
+    fn=image_text,
+    inputs=[gr.Image(type="pil"),
+            gr.Text(label="유저 명령"),
+    ],
+
+    outputs=[gr.Markdown()],
+    title="이미지 분석 프로그램",
+    description="이미지 업로드 시 AI가 이미지 분석"
+)
+
+demo.launch()

WATSONX/interview.py

@@ -0,0 +1,71 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+
+import logging
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="ibm/granite-4-h-small",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 1000
+            }
+)
+
+
+def interview_text(genre):
+    
+    
+    system_prompt = """
+                인터뷰를 한다고 생각하고 대상의 주제를 가지고 일단 핵심 내용을 정리하고 인터뷰 질문을 생성해줘.
+                """
+    
+    
+    user_prompt=f"""
+            아래 내용 참고해서
+            1. 장르 특징 5줄 정리
+            2. 인터뷰 질문 8개 작성해줘
+            - genre : {genre}
+        """
+    
+    print(genre)
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : system_prompt},
+                    {"role" : "user", "content" : user_prompt}, 
+    ]
+    
+    generated_response = model.chat(messages=messages)
+    return generated_response['choices'][0]['message']['content']
+    
+demo = gr.Interface(
+    fn=interview_text,
+    inputs=[gr.Text(label = "genre"),
+
+    ],   
+    
+    outputs=[gr.Markdown()],
+    title="인터뷰 질문 생성 프로그램",
+    description="질문 생성"
+)
+
+demo.launch()

WATSONX/summary.py

@@ -0,0 +1,65 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="ibm/granite-4-h-small",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 1000
+            }
+)
+
+
+def summarize_text(text):
+    
+    if not text.strip():
+        return "텍스트를 입력해주세요."
+    
+    instructions = """
+                당신은 텍스트를 한국어로 요악하는 전문가이빈다.
+                - 당신의 임무는 아래 주어진 텍스트 문장을 한국어로 요약하는 것입니다.
+                - 요약 시 다음 사항을 반드시 반영해야 합니다.
+                - 중복된 내용은 생략하되, 반복되는 내용은 요약해서 더 강조합니다.
+                - 사례 중심보다는 개념과 주장 중심으로 요약합니다.
+                - 3줄 이내로 요약합니다.
+                - 블릿 기호 형식으로 작성합니다.
+                """
+    
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : instructions},
+                    {"role" : "user", "content" : text}, 
+    ]
+    
+    generated_response = model.chat(messages=messages)
+    return print(generated_response['choices'][0]['message']['content'])
+    
+demo = gr.Interface(
+    fn=summarize_text,
+    inputs=[gr.TextArea(lines=10, placeholder="요약할 내용의 텍스트 입력..", label="입력")],
+    outputs=[gr.Markdown()],
+    title="watsonx 기반의 요약 프로그램",
+    description="텍스트 입력 시 ai 요약"
+)
+
+demo.launch()

WATSONX/travel.py

@@ -0,0 +1,83 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+
+import logging
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="ibm/granite-4-h-small",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 1000
+            }
+)
+
+
+def recommend(local, money, style, day):
+    
+    system_prompt = """
+                너는 여행 스캐줄러 AI
+                한글로 답변해주고
+                여행사의 여행 스케쥴 처럼 짜줘
+                """
+    
+    
+    user_prompt=f"""
+            다음 내용을 참고해서 계획 짜줘
+            - 지역 : {local}
+            - 비용 :{money}
+            - 여행 스타일 : {style}
+            - 기간 :{day}
+        """
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : system_prompt},
+                    {"role" : "user", "content" : user_prompt}, 
+    ]
+    
+    # generated_response = model.chat(messages=messages)
+    # return generated_response['choices'][0]['message']['content']
+    
+    # chat_stream()
+    generated_response = model.chat_stream(messages=messages)
+    
+    full_response = ""
+    for chunk in generated_response:
+        if chunk['choices'] : 
+            full_response += chunk["choices"][0]["delta"].get("content", "")
+            yield full_response
+            
+demo = gr.Interface(
+    fn=recommend,
+    inputs=[
+        gr.Text(label = "여행 지역"),
+        gr.Slider(10, 300, label="예산(만원)"),
+        gr.Dropdown(["모험", "휴양", "문화", "음식", "액티비티"], label="여행 스타일"),
+        gr.Radio(["1day", "2~3day", "4~7day", "1week~"], label="traval range"),
+    ],   
+    
+    outputs=[gr.Textbox(lines=5)],
+    title="AI 여행 플래너",
+    description="여행지역, 예산, 여행스타일, 여행 기간 등을 입력하면 AI가 맞춤형 여행일정을 추천해 드립니다."
+)
+
+demo.launch()

WATSONX/travel2.py

@@ -0,0 +1,80 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+
+import logging
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="ibm/granite-4-h-small",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 1000
+            }
+)
+
+
+def recommend(message, history):
+    
+    print("history :", history)
+    
+    system_prompt = """
+                너는 여행 스캐줄러 AI
+                한글로 답변해주고
+                여행사의 여행 스케쥴 처럼 짜줘
+                """
+    
+    
+    user_prompt=f"""
+            다음 내용을 참고해서 계획 짜줘
+            - 내용 : {message}
+        """
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : system_prompt},
+                    # {"role" : "user", "content" : user_prompt}, 
+    ]
+    
+    for item in history:
+        content = item["content"][0]["text"]
+        messages.append({"role" : item["role"], "content" : content})
+    
+    messages.append({"role" : "user", "content" : message})
+    
+    # generated_response = model.chat(messages=messages)
+    # return generated_response['choices'][0]['message']['content']
+    
+    # chat_stream()
+    generated_response = model.chat_stream(messages=messages)
+    
+    full_response = ""
+    for chunk in generated_response:
+        if chunk['choices'] : 
+            full_response += chunk["choices"][0]["delta"].get("content", "")
+            yield full_response
+            
+demo = gr.ChatInterface(
+    fn=recommend,
+    title="AI 여행 플래너",
+    description="여행지역, 예산, 여행스타일, 여행 기간 등을 입력하면 AI가 맞춤형 여행일정을 추천해 드립니다."
+)
+
+demo.launch()

WATSONX/travel3.py

@@ -0,0 +1,139 @@
+from dotenv import load_dotenv
+import os
+
+from ibm_watsonx_ai import APIClient
+from ibm_watsonx_ai import Credentials
+from ibm_watsonx_ai.foundation_models import ModelInference
+import gradio as gr
+from PIL import Image
+import base64
+import io
+
+import logging
+
+# .env 내용 가져오기
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+credentials = Credentials(
+    url = f"{watsonx_ai_url}",
+    api_key = f"{apikey}",
+)
+client = APIClient(credentials)
+
+model = ModelInference(
+    model_id="meta-llama/llama-3-2-11b-vision-instruct",
+    api_client=client,
+    project_id=f"{project_id}",
+    params = {
+            "max_tokens": 1000
+            }
+)
+
+# 💡 복복형 이미지 변환 함수 추가
+def image_to_base64(image):
+    buffer = io.BytesIO()
+    image.save(buffer, format="PNG")
+    return base64.b64encode(buffer.getvalue()).decode('utf-8')
+
+
+def recommend(message, history):
+    
+    print("history :", history)
+    
+    system_prompt = """
+                너는 여행 스캐줄러 AI
+                
+                
+                사용자가 업로드한 이미지의
+                - 분위기
+                - 감성
+                - 색감
+                - 스타일
+                을 분석해서 여행지를 추천해줘
+                
+                반드시
+                1. 이미지 분위기 분석
+                2. 추천 여행지
+                3. 추천 이유
+                4. 추천 활동
+                5. 한글로 답변
+                """
+    
+    user_prompt=f"""
+            다음 내용을 참고해서 계획 짜줘
+            - 내용 : {message}
+        """
+    
+    messages = [
+                    # 시스템 프롬프트
+                    {"role" : "system", "content" : system_prompt},
+                    # {"role" : "user", "content" : user_prompt},
+    ]
+    
+    for item in history:
+        role = item["role"]
+        content = item["content"]
+        
+        # assistant answer save
+        texts = []
+        
+        if isinstance(content, list):
+            for c in content:
+                
+                # 텍스트만 추출
+                if c.get("type") == "text":
+                    texts.append(c.get("text", ""))
+                    
+        elif isinstance(content, str):
+            texts.append(content)
+            
+        messages.append({"role" : role, "content" : " ".join(texts)})
+        
+    # messages : text, files
+    text = message.get('text', '')
+    files = message.get('files', '')
+    
+    if files:
+        image = Image.open(files[0])
+
+        base64_image = image_to_base64(image)
+        
+        # 💡 2. 공중에 떠 있던 딕셔너리를 messages.append()로 정상 추가합니다.
+        messages.append({
+            "role" : "user", 
+            "content" : [
+                {
+                    "type": "image_url",
+                    "image_url": {"url": f"data:image/png;base64,{base64_image}"}
+                },
+                { "type": "text", "text": user_prompt },
+            ],
+        })
+        
+    else:
+        messages = [{"role" : "user", "content" : text}]
+    
+    # generated_response = model.chat(messages=messages)
+    # return generated_response['choices'][0]['message']['content']
+    
+    # chat_stream()
+    generated_response = model.chat_stream(messages=messages)
+    
+    full_response = ""
+    for chunk in generated_response:
+        if chunk['choices'] : 
+            full_response += chunk["choices"][0]["delta"].get("content", "")
+            yield full_response
+            
+demo = gr.ChatInterface(
+    fn=recommend, 
+    multimodal=True,
+    title="AI 여행 플래너",
+    description="여행지역, 예산, 여행스타일, 여행 기간 등을 입력하면 AI가 맞춤형 여행일정을 추천해 드립니다."
+)
+
+demo.launch()