pip install -r requirements.txt

from langchain.prompts import ChatPromptTemplate  # プロンプトテンプレートを作成するためのモジュール
from langchain_openai import ChatOpenAI  # OpenAI のチャットモデルを利用するためのモジュール
from langchain_community.utilities import WikipediaAPIWrapper  # Wikipedia から情報を取得するためのモジュール

import os  # 環境変数を取得するための標準ライブラリ

def generate_script(subject, video_length, creativity, api_key):
    """
    指定されたテーマ（subject）に基づいて、動画のスクリプトを生成する関数。

    Args:
        subject (str): 動画のテーマ
        video_length (float): 動画の長さ（分単位）
        creativity (float): AIの創造性（temperature 値）
        api_key (str): OpenAI APIキー

    Returns:
        tuple: (Wikipedia 検索結果, 生成された動画タイトル, 生成されたスクリプト)
    """

    # 動画のタイトルを生成するためのプロンプトテンプレート
    title_template = ChatPromptTemplate.from_messages(
        [
            ("human", "'{subject}' というテーマの動画の魅力的なタイトルを考えてください")
        ]
    )

    # 動画のスクリプトを生成するためのプロンプトテンプレート
    script_template = ChatPromptTemplate.from_messages(
        [
            ("human",
             """あなたは短尺動画チャンネルのクリエイターです。以下のタイトルと関連情報に基づいて、短尺動画の台本を書いてください。
                動画タイトル：{title}
                動画の長さ：{duration} 分
                生成する台本の長さは、動画の長さにできるだけ合うようにしてください。
                
                【台本の構成】
                - 冒頭：視聴者の注意を引く
                - 中盤：役立つ情報を提供
                - 結末：驚きの要素を用意

                また、台本の表現はできるだけ軽快で面白く、若者を引きつけるスタイルにしてください。
                台本の内容は、以下のWikipedia検索結果を参考にすることができますが、あくまで参考として関連する部分のみ使用し、関係のない情報は無視してください：
             ```{wikipedia_search}```""")
        ]
    )

    # OpenAI のチャットモデルを設定
    # `temperature` を設定することで創造性（0.0 は厳密、1.0 は自由度が高い）を調整
    model = ChatOpenAI(openai_api_key=api_key, temperature=creativity)

    # タイトル生成用のプロンプトチェーン
    title_chain = title_template | model
    # スクリプト生成用のプロンプトチェーン
    script_chain = script_template | model

    # AI に動画のタイトルを生成させる
    title = title_chain.invoke({"subject": subject}).content

    # Wikipedia から動画テーマに関連する情報を取得
    search = WikipediaAPIWrapper(lang="jp")  # 日本語の Wikipedia を検索
    search_result = search.run(subject)

    # AI に動画のスクリプトを生成させる
    script = script_chain.invoke({"title": title, "duration": video_length,
                                  "wikipedia_search": search_result}).content

    # Wikipedia の検索結果、生成されたタイトル、スクリプトを返す
    return search_result, title, script

# 動作テスト用（"LLM関連 soraモデル" というテーマで1分の動画スクリプトを生成）
print(generate_script("LLM関連 soraモデル", 1, 0.7, os.getenv("OPENAI_API_KEY")))

'Page: ChatGPT\nSummary: ChatGPT（チャットジーピーティー）は、OpenAIが2022年11月に公開した人工知能チャットボットであり、生成AIの一種である。\n\nPage: AIブーム\nSummary: AIブーム（英語: AI boom）またはAIの春（英語: AI spring）とは、2010年代後半に始まり、2020年代初頭に国際的に注目を集めるようになった、人工知能（AI）分野における急速な技術進歩の時代である。例としては、Google DeepMindが主導するAlphaFoldや、OpenAIが開発したChatGPTなどが挙げられる。AIの春は、AIの冬の対比として用いられる。', '「未来を拓く、LLM関連soraモデルの魅力」', '【台本】\n(音楽が盛り上がる)\n\nキャスター：\nみなさん、こんにちは！今日は未来を拓く、LLM関連soraモデルの魅力についてお届けしますよー！\n\n(カット: LLM関連soraモデルのカッコいい画像が映し出される)\n\nキャスター：\nえっと、LLM関連soraモデルって知ってますか？これがまたすごいんです！なんと、これがOpenAIのChatGPTという人工知能チャットボットの一種だというんですよ！\n\n(カット: AIブームの解説画面)\n\nキャスター：\n最近、AIブームって聞いたことありますか？2010年代後半から2020年代初頭にかけて、AIの技術が急速に進歩しているんです！その中でも、AlphaFoldやChatGPTなどが話題をさらっています！\n\n(カット: 驚きの要素を示す)\n\nキャスター：\nそして、このLLM関連soraモデル、なんとAIの春を象徴するモデルとして注目されているんです！未来は本当にすごいことが起こっていますよね！さぁ、みなさんもこのLLM関連soraモデルの魅力を感じてみてください！それでは、次回もお楽しみに！バイバイ！'

pip install streamlit

streamlit --version

import streamlit as st

# タイトル
st.title("🚀 はじめての Streamlit アプリ")

# テキストの表示
st.write("これは Python だけで動く Web アプリです！")

# ユーザー入力
name = st.text_input("あなたの名前を入力してください")

# ボタン
if st.button("挨拶する"):
    st.write(f"こんにちは、{name} さん！")

streamlit run app.py

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt

# ダミーデータ作成
data = pd.DataFrame({
    "x": range(1, 11),
    "y": [i**2 for i in range(1, 11)]
})

# データ表示
st.write("📊 データフレーム:")
st.dataframe(data)

# 折れ線グラフを描画
fig, ax = plt.subplots()
ax.plot(data["x"], data["y"], marker="o")
st.pyplot(fig)

import streamlit as st
import plotly.express as px
import numpy as np
import pandas as pd

# Streamlit アプリのタイトル
st.title("📊 スライダーでデータを動的に変更")

# ユーザーがデータポイント数を選択できるスライダー
num_points = st.slider("データポイント数", min_value=10, max_value=100, value=50)

# サンプルデータの作成
x = np.linspace(0, 10, num_points)
y = np.sin(x)
df = pd.DataFrame({"x": x, "y": y})

# Plotly で折れ線グラフを作成
fig = px.line(df, x="x", y="y", title=f"サイン波（データポイント: {num_points}）")

# Streamlit に Plotly グラフを表示
st.plotly_chart(fig)

import streamlit as st
from utils import generate_script

st.title("🎬 動画スクリプト作成ツール")

with st.sidebar:
    openai_api_key = st.text_input("OpenAI APIキーを入力してください：", type="password")
    st.markdown("[OpenAI APIキーを取得](https://platform.openai.com/account/api-keys)")

subject = st.text_input("💡 動画のテーマを入力してください")
video_length = st.number_input("⏱️ 動画のおおよその長さを入力してください（単位：分）", min_value=0.1, step=0.1)
creativity = st.slider("✨ 動画スクリプトの創造性を設定してください（数値が小さいほど厳密になり、大きいほど多様性が増す）",
                       min_value=0.0, max_value=1.0, value=0.2, step=0.1)
submit = st.button("スクリプトを生成")

if submit and not openai_api_key:
    st.info("OpenAI APIキーを入力してください")
    st.stop()
if submit and not subject:
    st.info("動画のテーマを入力してください")
    st.stop()
if submit and not video_length >= 0.1:
    st.info("動画の長さは0.1分以上にしてください")
    st.stop()
if submit:
    with st.spinner("AIが考えています。しばらくお待ちください..."):
        search_result, title, script = generate_script(subject, video_length, creativity, openai_api_key)
    st.success("動画スクリプトが生成されました！")
    st.subheader("🔥 タイトル：")
    st.write(title)
    st.subheader("📝 動画スクリプト：")
    st.write(script)
    with st.expander("Wikipediaの検索結果 👀"):
        st.info(search_result)

import streamlit as st

from utils import generate_blog

# アプリのヘッダー
st.header("技術ブログ AIアシスタント ✏️")

# サイドバーでAPIキーを入力
with st.sidebar:
    openai_api_key = st.text_input("OpenAI APIキーを入力してください：", type="password")
    st.markdown("[OpenAI APIキーを取得](https://platform.openai.com/account/api-keys)")

# ユーザー入力（テーマ）
theme = st.text_input("テーマ")

submit = st.button("執筆を開始")

# バリデーション：APIキーが入力されていない場合
if submit and not openai_api_key:
    st.info("OpenAI APIキーを入力してください")
    st.stop()

# バリデーション：テーマが入力されていない場合
if submit and not theme:
    st.info("生成する内容のテーマを入力してください")
    st.stop()

# AIによる執筆処理
if submit:
    with st.spinner("AIが執筆中です。しばらくお待ちください..."):
        result = generate_blog(theme,openai_api_key)

    st.divider()  # セクションの区切り線

    # 2カラムのレイアウトを作成
    left_column, right_column = st.columns(2)

    # 左側カラム：タイトル一覧
    with left_column:
        st.markdown("##### タイトル1")
        st.write(result.titles[0])
        st.markdown("##### タイトル2")
        st.write(result.titles[1])
        st.markdown("##### タイトル3")
        st.write(result.titles[2])
        st.markdown("##### タイトル4")
        st.write(result.titles[3])
        st.markdown("##### タイトル5")
        st.write(result.titles[4])

    # 右側カラム：本文
    with right_column:
        st.markdown("##### ブログ本文")
        st.write(result.content)

from prompt_template import system_template_text, user_template_text
from langchain_openai import ChatOpenAI
from langchain.output_parsers import PydanticOutputParser
from langchain.prompts import ChatPromptTemplate
from blog_model import Blog

import os  # 環境変数からAPIキーを取得する場合に使用（現在コメントアウト）

def generate_blog(theme, openai_api_key):
    """
    ブログを AI で生成する関数。

    Args:
        theme (str): 投稿のテーマ
        openai_api_key (str): OpenAI APIキー

    Returns:
        Blog: 生成されたブログの投稿データ（タイトル5つ＋本文）
        :param openai_api_key:
        :param theme:
        :param selected_language:
    """

    # ChatGPT へのプロンプトテンプレートを作成
    # `system_template_text` → システム側の指示（投稿のルールなど）
    # `user_template_text` → ユーザーの入力（テーマ）

    prompt = ChatPromptTemplate.from_messages([
        ("system", system_template_text),  # システムメッセージ（言語に応じたガイドライン）
        ("user", user_template_text)  # ユーザーの入力
    ])

    # OpenAI の GPT-3.5 Turbo モデルを使用
    model = ChatOpenAI(model="gpt-3.5-turbo", api_key=openai_api_key)

    # AI の出力を blog（Pydantic モデル）に変換するためのパーサー
    # 修正後
    output_parser = PydanticOutputParser(pydantic_object=Blog)

    # LangChain の `|` 演算子を使い、プロンプト → AI モデル → パーサーの処理を一連の流れとして構築
    chain = prompt | model | output_parser

    # AI にリクエストを送り、テーマに基づいたレッドブックの投稿データを生成
    result = chain.invoke({
        "parser_instructions": output_parser.get_format_instructions(),  # 出力フォーマットの指示
        "theme": theme  # ユーザーが指定したテーマ
    })

    return result  # 生成された投稿データ（タイトル5つ＋本文）

# # 動作確認（APIキーが環境変数にある場合に使用）
print(generate_blog("UiPath Studio 開発",os.getenv("OPENAI_API_KEY")))

system_template_text = """あなたは技術ブログの執筆専門家です。

以下の手順に従って、技術記事を執筆してください：
まず、**5つのタイトル**（適切な絵文字を含む）を作成し、その後**1つの本文**（各段落に適切な絵文字を含み、文末には適切なタグを追加）を作成してください。
タイトルの文字数は**30文字以内**、本文の文字数は**1500字以内**にし、以下のテクニックに基づいて執筆してください。

---

### **📌 タイトル作成のテクニック**
1. **「キャッチーな技術タイトル法」を活用**
   1.1 **基本原理**
   - 読者は「問題解決」「時短」「最新トレンド」に興味を持つ。
   - **3つの刺激** を活用：
     - **実用性の刺激**：「○○するだけで開発効率2倍！」
     - **トレンドの刺激**：「今すぐ試したい○○最新技術」
     - **問題解決の刺激**：「○○の落とし穴とその対策」

   1.2 **タイトル作成の公式**
   - **実用型**：「○○（技術/ツール）+ これだけで + 劇的改善」
   - **トレンド型**：「○○（最新技術）+ 2024年の最重要スキル」
   - **問題解決型**：「○○でハマる人続出！5つのミスと対策」

2. **読者を惹きつけるタイトルを作る**
   2.1 **記号を活用して緊迫感・驚きの要素を加える**
   2.2 **実践向けの表現を取り入れる**
   2.3 **ポジティブ/ネガティブな刺激を活用**
   2.4 **具体的な成果・効果を示す**
   2.5 **絵文字を使用し、タイトルに活気を与える**

3. **バズワード（技術トレンドワード）を活用**
   **以下のリストから1〜2個を選ぶ**
   - 「AIで自動化」「Python初心者向け」「最新トレンド」「業務効率化」「爆速開発」「2024年必須スキル」「ゼロから始める」「エンジニア必見」
   - 「コピペでOK」「手を動かして学ぶ」「今すぐ試すべき」「5分で解決」「エラー解決法」「○○の真実」「知らないと損する」「実例付き」

4. **技術ブログのタイトルの特徴**
   4.1 **文字数を30文字以内に制限し、できるだけ簡潔に**
   4.2 **読者が実際に使える内容であることを強調する**

5. **執筆ルール**
   5.1 **タイトルは毎回5つ作成**
   5.2 **命令形ではなく、読者に寄り添った表現を使う**
   5.3 **タイトルの説明は不要。すぐに作成する**

---

### **📌 本文作成のテクニック**
1. **文章スタイル**
   **以下のリストから1つ選ぶ**
   - **論理的、カジュアル、初心者向け、エキスパート向け、ユーモラス、実践的、データドリブン、ストーリーテリング**

2. **効果的な書き出し**
   **以下のリストから1つ選ぶ**
   - **有名な技術者の名言を引用**
   - **よくある課題を提示**
   - **結論から先に述べる**
   - **実際のデータや統計を活用**
   - **ユースケースを紹介**
   - **対比を用いてインパクトを出す**

3. **構成ルール**
   - **導入（200-300字）**
     - 記事の目的や読者のメリットを明示
   - **本論（1000-1200字）**
     - 具体的な手順、コード例、解説を含める
   - **結論（200-300字）**
     - まとめと、次のアクションを促す

4. **執筆のポイント**
   - **「簡単にできる」「手順付き」「実際に試せる」ことを意識**
   - **適切なコードスニペットを提供**
   - **タイトルや見出しにキーワードを含め、SEO に配慮**
   - **適切なタグ（#Python, #AI, #開発効率化 など）を最後に追加**

---

私は**毎回1つのテーマ**を提供します。  
あなたはこのテーマに基づき、**上記のルールに従って技術ブログを執筆してください**。

{parser_instructions}
"""

user_template_text = "{theme}"

from pydantic import BaseModel, Field
from typing import List

class Blog(BaseModel):
    titles: List[str] = Field(default_factory=list, description="ブログの5つのタイトル", min_items=5, max_items=5)
    content: str = Field(default="", description="ブログの本文内容")