app.py

import gradio as gr
from datasets import load_dataset
import random
import re

def load_random_conversations():
    """
    데이터셋 'gaeunseo/Taskmaster_sample_data'의 train split에서 
    conversation_id별로 그룹화한 후, 모든 행의 used가 False인 그룹만 남겨,
    이 중 랜덤하게 2개 그룹을 선택하여 각 대화의 모든 utterance를 줄바꿈으로 연결한 문자열 두 개를 반환.
    """
    ds = load_dataset("gaeunseo/Taskmaster_sample_data")["train"]
    
    # conversation_id 별로 그룹화
    groups = {}
    for row in ds:
        cid = row["conversation_id"]
        groups.setdefault(cid, []).append(row)
    
    # 그룹 내 모든 행의 used가 False인 그룹만 선택
    valid_groups = [grp for grp in groups.values() if all(not row["used"] for row in grp)]
    
    if len(valid_groups) < 2:
        return "Not enough unused conversations", "Not enough unused conversations"
    
    # 유효한 그룹 중 랜덤하게 2개 선택
    selected_groups = random.sample(valid_groups, 2)
    
    # 각 그룹의 모든 utterance를 이어붙임
    conv_A = "\n".join(row["utterance"] for row in selected_groups[0])
    conv_B = "\n".join(row["utterance"] for row in selected_groups[1])
    
    return conv_A, conv_B

def format_chat(conv_text):
    """
    conv_text 문자열을 [turn]과 [BC] 토큰을 기준으로 분할한 후,
    첫 번째 발화는 사람(사용자), 두 번째 발화는 AI의 응답으로 간주하여
    gr.Chatbot 컴포넌트에서 사용하는 (user_message, ai_message) 튜플 리스트로 변환.
    
    - 사람(사용자) 메시지: 오른쪽 말풍선, 메시지 끝에 "🧑" 이모티콘 추가
    - AI 메시지: 왼쪽 말풍선, 메시지 앞에 "🤖" 이모티콘 추가
    """
    # [turn]와 [BC]를 구분자로 사용하여 발화 분할
    utterances = re.split(r'\[turn\]|\[BC\]', conv_text)
    # 공백 제거 및 빈 문자열 제거
    utterances = [utt.strip() for utt in utterances if utt.strip()]
    
    chat = []
    # 번갈아 등장한다고 가정 (첫 번째: 사람, 두 번째: AI, ...)
    for i in range(0, len(utterances), 2):
        # 첫 번째 발화 → 사람 (오른쪽 정렬: gr.Chatbot에서 사용자 메시지는 기본적으로 오른쪽에 표시됨)
        human = utterances[i] + " 🧑"
        ai = ""
        if i + 1 < len(utterances):
            # 두 번째 발화 → AI (왼쪽 정렬: gr.Chatbot에서 봇 메시지는 기본적으로 왼쪽에 표시됨)
            ai = "🤖 " + utterances[i + 1]
        chat.append((human, ai))
    return chat

def load_and_format_conversations():
    """
    데이터셋에서 랜덤하게 두 대화 문자열을 가져온 후, 각각 format_chat()을 통해
    채팅 인터페이스에 맞게 변환하여 반환.
    """
    conv_A, conv_B = load_random_conversations()
    # 에러 메시지인 경우 그대로 반환
    if conv_A.startswith("Not enough"):
        return conv_A, conv_B
    return format_chat(conv_A), format_chat(conv_B)

# 평가 버튼 클릭 시 업데이트할 전역 변수
statement = ""

def update_statement(val):
    global statement
    statement = val
    return statement

with gr.Blocks() as demo:
    # 상단: 좌우에 각각 채팅 인터페이스 배치 (Conversation A와 Conversation B)
    with gr.Row():
        chat_A = gr.Chatbot(label="Conversation A")
        chat_B = gr.Chatbot(label="Conversation B")
    
    # "Load Random Conversations" 버튼을 눌러 데이터셋에서 대화를 불러오고 채팅 인터페이스에 표시
    load_btn = gr.Button("Load Random Conversations")
    load_btn.click(fn=load_and_format_conversations, inputs=[], outputs=[chat_A, chat_B])
    
    # 하단: 평가 버튼 4개 배치  
    with gr.Row():
        btn_both_good = gr.Button("Both good")      # "둘 다 좋음" → "BG"
        btn_a_better   = gr.Button("A is better")     # "A가 더 좋음" → "AG"
        btn_b_better   = gr.Button("B is better")     # "B가 더 좋음" → "BG"
        btn_both_bad   = gr.Button("Both not good")   # "둘 다 별로임" → "BB"
    
    # 선택된 평가값(statement)을 보여주는 텍스트박스
    statement_output = gr.Textbox(label="Selected Statement", value="", interactive=False)
    
    # 각 평가 버튼 클릭 시 해당 상태값 업데이트
    btn_both_good.click(fn=lambda: update_statement("BG"), inputs=[], outputs=statement_output)
    btn_a_better.click(fn=lambda: update_statement("AG"), inputs=[], outputs=statement_output)
    btn_b_better.click(fn=lambda: update_statement("BG"), inputs=[], outputs=statement_output)
    btn_both_bad.click(fn=lambda: update_statement("BB"), inputs=[], outputs=statement_output)

demo.launch()