Base app.py interface v1.4

app.py

@@ -1,110 +1,55 @@
-# app.py — Financial RAG Dashboard
+# app.py
 import gradio as gr
 import requests
 import pandas as pd
-from transformers import pipeline
-from datetime import datetime
 
-# ======================================================
-# ⚙️ Конфигурация
-# ======================================================
-FRED_API_KEY = "YOUR_FRED_API_KEY"
-FRED_URL = "https://api.stlouisfed.org/fred/series/observations"
-
-INDICATORS = {
-    "GDP": "GDP",
-    "Inflation (CPI)": "CPIAUCSL",
-    "Unemployment Rate": "UNRATE",
-    "Interest Rate (Fed Funds)": "FEDFUNDS",
-}
-
-generator = pipeline("text2text-generation", model="google/flan-t5-base")
-
-# ======================================================
-# 🧠 Логика
-# ======================================================
-def fetch_fred_data(series_id: str, start_date="2024-01-01"):
-    params = {
-        "series_id": series_id,
-        "api_key": FRED_API_KEY,
-        "file_type": "json",
-        "observation_start": start_date,
-    }
-    response = requests.get(FRED_URL, params=params)
-    data = response.json().get("observations", [])
-    df = pd.DataFrame(data)
-    if df.empty:
-        return pd.DataFrame()
-    df["value"] = pd.to_numeric(df["value"], errors="coerce")
-    return df[["date", "value"]].tail(12)
-
-def generate_financial_summary(indicator_name: str):
-    """Основная функция — загружает данные, генерирует сводку, экспортирует CSV."""
-    series_id = INDICATORS[indicator_name]
-    df = fetch_fred_data(series_id)
-    if df.empty:
-        return "⚠️ No data found.", None
-
-    # --- контекст для LLM ---
-    trend = df["value"].pct_change().mean() * 100
-    context = f"Recent {indicator_name} data:\n{df.to_string(index=False)}"
-    prompt = (
-        f"Analyze the following economic indicator data and describe the recent trend:\n"
-        f"{context}\nAverage change: {trend:.2f}%"
-    )
+# --------------------------------------------------------------
+# ⚙️ Функция: загрузка данных с открытого банковского API
+# --------------------------------------------------------------
+def fetch_bank_data():
+    """Получаем список банков (пример: открытое API OpenBankProject)."""
+    url = "https://api.openbankproject.com/obp/v4.0.0/banks"
     try:
-        summary = generator(prompt, max_new_tokens=150)[0]["generated_text"]
+        resp = requests.get(url, timeout=10)
+        data = resp.json().get("banks", [])
+        if not data:
+            return "⚠️ Нет данных.", pd.DataFrame()
+
+        # Преобразуем в таблицу
+        df = pd.DataFrame([
+            {
+                "Название": b.get("full_name", ""),
+                "ID": b.get("id", ""),
+                "URL": b.get("website", ""),
+                "Город": b.get("bank_code", "")
+            }
+            for b in data
+        ])
+        return "✅ Данные успешно загружены.", df.head(10)
     except Exception as e:
-        summary = f"⚠️ LLM generation error: {e}"
-
-    # --- экспорт ---
-    file_name = f"powerbi_{indicator_name.lower().replace(' ', '_')}.csv"
-    df.to_csv(file_name, index=False)
-    return summary, file_name
+        return f"❌ Ошибка при загрузке данных: {e}", pd.DataFrame()
 
-# ======================================================
-# 💻 Интерфейс
-# ======================================================
-with gr.Blocks(title="🏦 Financial RAG → Power BI", theme=gr.themes.Soft()) as demo:
+# --------------------------------------------------------------
+# 🧱 Интерфейс Gradio
+# --------------------------------------------------------------
+with gr.Blocks(theme=gr.themes.Soft(), title="🏦 Bank API Viewer") as demo:
     gr.Markdown(
-        """
-        ## 🏦 Financial RAG Dashboard  
-        Автоматическая аналитика по ключевым банковским показателям (FRED API)  
-        Экспортируй данные для Power BI и DAX визуализаций.
-        """
+        "## 🏦 Open Banking Data Viewer\n"
+        "Загружай данные с открытых банковских API и анализируй их прямо здесь."
     )
 
     with gr.Row():
         with gr.Column(scale=1):
-            indicator_dropdown = gr.Dropdown(
-                label="Выберите показатель",
-                choices=list(INDICATORS.keys()),
-                value="Inflation (CPI)",
-            )
-            generate_btn = gr.Button("📊 Сформировать отчёт", variant="primary")
-
-        with gr.Column(scale=2):
-            summary_box = gr.Textbox(
-                label="📈 Аналитическая сводка",
-                placeholder="Здесь появится результат анализа...",
-                lines=10,
-            )
-            export_box = gr.File(label="📂 Файл для Power BI")
-
-    def run_pipeline(indicator):
-        summary, file_path = generate_financial_summary(indicator)
-        return summary, file_path
-
-    generate_btn.click(
-        fn=run_pipeline,
-        inputs=indicator_dropdown,
-        outputs=[summary_box, export_box],
+            load_btn = gr.Button("🔄 Загрузить данные банков", variant="primary")
+        with gr.Column(scale=3):
+            status = gr.Textbox(label="Статус", value="Ожидание запроса...")
+            table = gr.DataFrame(label="📋 Список банков", interactive=False)
+
+    load_btn.click(
+        fetch_bank_data,
+        inputs=None,
+        outputs=[status, table],
         show_progress=True,
     )
 
-    gr.Markdown(
-        "<center><small>Developed with ❤️ for Financial RAG prototyping • Powered by Hugging Face</small></center>"
-    )
-
-if __name__ == "__main__":
-    demo.launch(server_name="0.0.0.0", server_port=7860)
+demo.queue(max_size=32).launch(server_name="0.0.0.0", server_port=7860)