робочий варіант AI Аналізу

interface.py

@@ -15,9 +15,10 @@ def launch_interface(app):
         app: Екземпляр JiraAssistantApp
     """
     # Функція для обробки завантаження та аналізу CSV
+    # Змініть функцію analyze_csv, щоб вона повертала тільки звіт та AI аналіз
     def analyze_csv(file_obj, inactive_days, include_ai):
         if file_obj is None:
-            return "Помилка: файл не вибрано", None, None, None, None
+            return "Помилка: файл не вибрано", None
         
         try:
             logger.info(f"Отримано файл: {file_obj.name}, тип: {type(file_obj)}")
@@ -54,13 +55,10 @@ def launch_interface(app):
                 pass
             
             if result.get("error"):
-                return result.get("error"), None, None, None, None
+                return result.get("error"), None
                 
             return (
                 result.get("report", ""),
-                result.get("visualizations", {}).get("status"),
-                result.get("visualizations", {}).get("priority"),
-                result.get("visualizations", {}).get("created_timeline"),
                 result.get("ai_analysis", "AI аналіз буде доступний у наступних версіях додатку.")
             )
         
@@ -68,7 +66,7 @@ def launch_interface(app):
             import traceback
             error_msg = f"Помилка аналізу: {str(e)}\n\n{traceback.format_exc()}"
             logger.error(error_msg)
-            return error_msg, None, None, None, None
+            return error_msg, None
     
     # Функція для збереження звіту
     def save_report_handler(report_text, format_type, include_visualizations):
@@ -235,13 +233,6 @@ def launch_interface(app):
                             with gr.Tab("Звіт"):
                                 report_output = gr.Markdown()
                             
-                            with gr.Tab("Візуалізації"):
-                                with gr.Row():
-                                    status_plot = gr.Plot(label="Статуси тікетів")
-                                    priority_plot = gr.Plot(label="Пріоритети тікетів")
-                                
-                                timeline_plot = gr.Plot(label="Часова шкала")
-                            
                             with gr.Tab("AI Аналіз"):
                                 ai_output = gr.Markdown()
                 
@@ -249,7 +240,7 @@ def launch_interface(app):
                 analyze_btn.click(
                     analyze_csv,
                     inputs=[file_input, inactive_days, include_ai],
-                    outputs=[report_output, status_plot, priority_plot, timeline_plot, ai_output]
+                    outputs=[report_output, ai_output]
                 )
                 
                 save_btn.click(

modules/ai_analysis/llm_connector.py

@@ -18,7 +18,7 @@ class LLMConnector:
         
         Args:
             api_key (str): API ключ для доступу до LLM. 
-                         Якщо None, спробує використати змінну середовища.
+                        Якщо None, спробує використати змінну середовища.
             model_type (str): Тип моделі ("openai" або "gemini")
         """
         self.model_type = model_type.lower()
@@ -29,8 +29,12 @@ class LLMConnector:
             if not self.api_key:
                 logger.warning("API ключ OpenAI не вказано")
                 
-            self.model = "gpt-3.5-turbo"  # Стандартна модель
-            openai.api_key = self.api_key
+            self.model = "gpt-4o-mini"  # Оновлено стандартну модель
+            
+            # Використовуємо новий спосіб ініціалізації клієнта OpenAI
+            # без проксі та інших застарілих параметрів
+            from openai import OpenAI
+            self.client = OpenAI(api_key=self.api_key)
             
         elif self.model_type == "gemini":
             self.api_key = api_key or os.getenv("GEMINI_API_KEY")
@@ -38,7 +42,7 @@ class LLMConnector:
             if not self.api_key:
                 logger.warning("API ключ Gemini не вказано")
                 
-            self.model = "gemini-pro"  # Стандартна модель для Gemini
+            self.model = "gemini-2.0-flash"  # Оновлена модель для Gemini
             
         else:
             raise ValueError(f"Непідтримуваний тип моделі: {model_type}")
@@ -150,18 +154,26 @@ class LLMConnector:
             if not self.api_key:
                 return "Не вказано API ключ OpenAI"
             
-            # Створення запиту до LLM
-            response = openai.chat.completions.create(
+            # Створення запиту до LLM з новим API
+            system_prompt = """Ви аналітик Jira з досвідом у процесах розробки ПЗ.
+            Проаналізуйте надані дані про тікети та надайте корисні інсайти та рекомендації
+            для покращення процесу. Будьте конкретними та орієнтованими на дії.
+            Виділіть сильні та слабкі сторони, а також потенційні ризики та можливості.
+            Аналіз повинен бути структурованим і легким для сприйняття менеджерами проекту."""
+            
+            user_prompt = f"Проаналізуйте наступні дані Jira та надайте рекомендації:\n\n{data_summary}"
+            
+            messages = [
+                {"role": "system", "content": system_prompt},
+                {"role": "user", "content": user_prompt}
+            ]
+            
+            # Надсилання запиту через новий клієнт OpenAI
+            response = self.client.chat.completions.create(
                 model=self.model,
-                messages=[
-                    {"role": "system", "content": """Ви аналітик Jira з досвідом у процесах розробки ПЗ.
-                    Проаналізуйте надані дані про тікети та надайте корисні інсайти та рекомендації
-                    для покращення процесу. Будьте конкретними та орієнтованими на дії.
-                    Виділіть сильні та слабкі сторони, а також потенційні ризики та можливості.
-                    Аналіз повинен бути структурованим і легким для сприйняття менеджерами проекту."""},
-                    {"role": "user", "content": f"Проаналізуйте наступні дані Jira та надайте рекомендації:\n\n{data_summary}"}
-                ],
+                messages=messages,
                 temperature=temperature,
+                max_tokens=2048
             )
             
             # Отримання результату
@@ -271,7 +283,7 @@ class LLMConnector:
                 messages.append({"role": "user", "content": question})
                 
                 # Відправлення запиту
-                response = openai.chat.completions.create(
+                response = self.client.chat.completions.create(
                     model=self.model,
                     messages=messages,
                     temperature=temperature,
@@ -314,7 +326,7 @@ class LLMConnector:
                 else:
                     format_instruction = "Створіть звіт у простому текстовому форматі."
                 
-                response = openai.chat.completions.create(
+                response = self.client.chat.completions.create(
                     model=self.model,
                     messages=[
                         {"role": "system", "content": f"""Ви аналітик, який створює професійні звіти на основі даних Jira.
@@ -443,7 +455,7 @@ class AIAgentManager:
             
             # Відправлення запиту до LLM
             if self.llm_connector.model_type == "openai":
-                response = openai.chat.completions.create(
+                response = self.llm_connector.client.chat.completions.create(
                     model=self.llm_connector.model,
                     messages=messages,
                     temperature=temperature,
@@ -456,8 +468,54 @@ class AIAgentManager:
                 return result
                 
             elif self.llm_connector.model_type == "gemini":
-                # TODO: Реалізувати для Gemini
-                return f"Gemini API для агента '{agent_name}' ще не реалізовано"
+                # Реалізуємо запит до Gemini API через прямий HTTP запит
+                url = f"https://generativelanguage.googleapis.com/v1beta/models/{self.llm_connector.model}:generateContent?key={self.llm_connector.api_key}"
+                
+                # Формування системного промпта та запиту користувача
+                system_prompt = agent["system_prompt"]
+                user_content = ""
+                
+                if context:
+                    user_content += f"Контекст: {context}\n\n"
+                
+                user_content += task
+                
+                # Формування повного запиту
+                payload = {
+                    "contents": [
+                        {
+                            "parts": [
+                                {
+                                    "text": f"{system_prompt}\n\n{user_content}"
+                                }
+                            ]
+                        }
+                    ],
+                    "generationConfig": {
+                        "temperature": temperature,
+                        "maxOutputTokens": 2048
+                    }
+                }
+                
+                # Відправлення запиту
+                headers = {"Content-Type": "application/json"}
+                response = requests.post(url, headers=headers, json=payload)
+                
+                # Обробка відповіді
+                if response.status_code == 200:
+                    response_data = response.json()
+                    
+                    # Отримання тексту відповіді
+                    if 'candidates' in response_data and len(response_data['candidates']) > 0:
+                        if 'content' in response_data['candidates'][0]:
+                            content = response_data['candidates'][0]['content']
+                            if 'parts' in content and len(content['parts']) > 0:
+                                result = content['parts'][0].get('text', '')
+                                logger.info(f"Успішно отримано результат від агента '{agent_name}' (Gemini)")
+                                return result
+                
+                logger.error(f"Помилка при запиті до Gemini API: {response.text}")
+                return f"Помилка при запиті до Gemini API: статус {response.status_code}"
                 
         except Exception as e:
             logger.error(f"Помилка при виконанні задачі агентом '{agent_name}': {e}")

requirements.txt

@@ -1,9 +1,12 @@
-gradio==5.19.0
-jira==3.5.2
-pandas==2.1.0
-numpy==1.26.0
-matplotlib==3.7.2
-seaborn==0.12.2
-python-dotenv==1.0.0
-markdown==3.4.4
-pathlib==1.0.1
+gradio>=5.19.0
+jira>=3.5.2
+pandas>=2.1.0
+numpy>=1.26.0
+matplotlib>=3.7.2
+seaborn>=0.12.2
+python-dotenv>=1.0.0
+markdown>=3.4.4
+pathlib>=1.0.1
+google-generativeai>=0.3.2
+openai>=1.12.0
+httpx>=0.27.0