66 lines
1.9 KiB
Python
66 lines
1.9 KiB
Python
from langchain_ollama import ChatOllama
|
|
from langchain_ibm import ChatWatsonx
|
|
from langchain_core.prompts import PromptTemplate, ChatPromptTemplate
|
|
from langchain_core.output_parsers import (
|
|
StrOutputParser,
|
|
JsonOutputParser,
|
|
PydanticOutputParser,
|
|
)
|
|
from pydantic import BaseModel, Field
|
|
from typing import Literal
|
|
from dotenv import load_dotenv
|
|
import os
|
|
import gradio as gr
|
|
|
|
qwen_llm = ChatOllama(model="qwen3.5:4b", temperature=0)
|
|
exaone_llm = ChatOllama(model="exaone3.5:2.4b", temperature=0)
|
|
|
|
|
|
class NewsResult(BaseModel):
|
|
title: str
|
|
date: str = Field(description="YYYY-MM-DD 형식, 없는 경우 '없음'")
|
|
category: Literal["정치", "경제", "사회", "문화", "스포츠", "IT", "국제", "기타"]
|
|
keywords: list[str] = Field(description="핵심 키워드 3개 이내")
|
|
|
|
|
|
pydantic_parser = PydanticOutputParser(pydantic_object=NewsResult)
|
|
template = ChatPromptTemplate.from_messages(
|
|
[
|
|
(
|
|
"system",
|
|
"당신은 뉴스 분석 전문가입니다. 기사에서 아래 정보를 추출하세요. {format_instructions}",
|
|
),
|
|
("human", "{article}"),
|
|
]
|
|
).partial(format_instructions=pydantic_parser.get_format_instructions())
|
|
|
|
|
|
chain = template | exaone_llm | pydantic_parser
|
|
|
|
|
|
def news_input(texts):
|
|
# ===을 기준으로 기사 분리
|
|
articles = [article for article in texts.split("===") if article.strip()]
|
|
|
|
response = chain.batch([{"article": article} for article in articles])
|
|
return "\n\n".join(str(item) for item in response)
|
|
|
|
|
|
app = gr.Interface(
|
|
news_input,
|
|
inputs=[
|
|
gr.Textbox(
|
|
label="기사",
|
|
placeholder="여러 기사 입력 시 구분자로 ===을 사용하세요",
|
|
lines=20,
|
|
),
|
|
],
|
|
outputs=[
|
|
gr.Textbox(label="요약", lines=20),
|
|
],
|
|
title="✒ 뉴스 분석 전문가",
|
|
description="뉴스 기사에서 정보를 추출합니다.",
|
|
)
|
|
|
|
app.launch()
|