Spaces:

ginigen
/

Today

Running

App Files Files Community

ginipick commited on Oct 10

Commit

0dd78ce

verified ·

1 Parent(s): 298104b

Update app.py

Browse files

Files changed (1) hide show

app.py +106 -78

app.py CHANGED Viewed

@@ -1,6 +1,6 @@
 # -*- coding: utf-8 -*-
 """
-AI 뉴스 & 허깅페이스 트렌딩 LLM 분석 웹앱 (완전판 v3.3)
 파일명: app_advanced.py
 주요 기능:
@@ -8,7 +8,7 @@ AI 뉴스 & 허깅페이스 트렌딩 LLM 분석 웹앱 (완전판 v3.3)
 2. AI Times 실시간 뉴스 크롤링 (2개 섹션)
 3. 실제 Hugging Face Trending API 연동 (모델/스페이스 30위)
 4. Fireworks AI (Qwen3-235B) 실시간 LLM 분석
-   - 뉴스 중고교생 수준 분석 (3-5줄 상세 요약)
    - 모델 카드 자동 분석 (README.md)
    - 스페이스 코드 자동 분석 (app.py)
 5. 탭 UI (뉴스/모델/스페이스)
@@ -545,7 +545,7 @@ HTML_TEMPLATE = """
 <body>
     <div class="container">
         <h1>🤖 AI 뉴스 & 허깅페이스 LLM 분석</h1>
-        <p class="subtitle">중고교생을 위한 AI 트렌드 분석 시스템 🎓</p>
         <!-- 통계 카드 -->
         <div class="stats">
@@ -676,7 +676,7 @@ HTML_TEMPLATE = """
                 </div>
                 <div class="space-analysis">
-                    <strong>🎓 상세 설명:</strong><br>
                     {{ space.simple_explanation }}
                 </div>
@@ -722,12 +722,12 @@ HTML_TEMPLATE = """
         <!-- 푸터 -->
         <div class="footer">
-            <p>🤖 AI 뉴스 LLM 분석 시스템 v3.3</p>
             <p style="margin-top: 10px; font-size: 0.9em;">
                 💾 SQLite DB 영구 저장 | 🌐 AI Times 실시간 크롤링 | 🤗 Hugging Face Trending API | 🧠 Powered by Fireworks AI (Qwen3-235B)
             </p>
             <p style="margin-top: 10px; font-size: 0.85em; color: #999;">
-                데이터 출처: AI Times (실시간 크롤링), Hugging Face | 실시간 분석: Fireworks AI | 중고교생 수준 분석
             </p>
         </div>
     </div>
@@ -1096,32 +1096,32 @@ class LLMAnalyzer:
             return None
     def analyze_news_simple(self, title: str, content: str = "") -> Dict:
-        """뉴스 기사를 중고교생 수준으로 분석"""
         analysis_templates = {
             "챗GPT": {
-                "summary": "마이크로소프트(MS)는 챗GPT의 폭발적인 사용량 증가로 인해 데이터센터 용량이 부족한 상황에 직면했습니다. 현재 미국 내 여러 지역에서 물리적 공간과 서버가 모두 부족한 상태이며, 이로 인해 버지니아와 텍사스 등 핵심 지역에서는 2026년 상반기까지 신규 Azure 클라우드 구독이 제한될 것으로 예상됩니다. 이는 생성형 AI 서비스의 급격한 성장이 가져온 인프라 공급 문제를 여실히 보여주는 사례입니다.",
-                "significance": "이 뉴스는 AI 기술의 대중화 속도가 기업들의 예상을 훨씬 뛰어넘고 있음을 보여줍니다. MS 같은 글로벌 IT 기업도 AI 수요를 따라잡기 위해 고군분투하고 있으며, 이는 AI가 단순한 유행이 아닌 산업 전반을 변화시키는 핵심 기술임을 증명합니다.",
                 "impact_level": "high",
                 "impact_text": "높음",
-                "impact_description": "클라우드 인프라 부족은 AI 서비스 확장에 직접적인 영향을 미치며, 향후 AI 기술 접근성과 비용 구조를 변화시킬 수 있습니다.",
-                "action": "챗GPT나 Claude 같은 AI 도구를 활용한 학습 방법을 익히세요. 보고서 작성, 코딩 학습, 외국어 공부 등 다양한 분야에서 AI를 학습 보조 도구로 사용할 수 있습니다."
             },
             "GPU": {
-                "summary": "미국 정부가 아랍에미리트(UAE)에 최첨단 AI 칩(GPU) 수출을 승인했습니다. 이번 승인은 UAE 내 미국 기업이 운영하는 데이터센터에 한정되며, 오픈AI 전용 5GW 규모 데이터센터 구축에 사용될 예정입니다. GPU는 AI 모델 학습에 필수적인 하드웨어로, 엔비디아가 시장을 주도하고 있으며 이번 결정으로 엔비디아의 시가총액이 5조 달러에 근접할 것으로 전망됩니다.",
-                "significance": "이는 미국의 AI 기술 수출 정책 변화를 보여주는 중요한 신호입니다. 기술 패권 경쟁 속에서도 전략적 동맹국과의 협력을 통해 AI 생태계를 확장하려는 미국의 의도를 엿볼 수 있습니다.",
                 "impact_level": "medium",
                 "impact_text": "중간",
-                "impact_description": "AI 하드웨어 공급망의 지정학적 변화는 글로벌 AI 산업 지형도에 영향을 미칠 수 있으며, 특히 반도체 산업과 국제 관계에 중요한 의미를 가집니다.",
-                "action": "컴퓨터 하드웨어, 특히 GPU의 작동 원리와 AI 학습에서의 역할을 공부해보세요. 병렬 처리, 행렬 연산 등의 개념을 이해하면 AI 기술의 근간을 파악할 수 있습니다."
             },
             "소라": {
-                "summary": "오픈AI의 AI 동영상 생성 앱 '소라(Sora)'가 출시 5일 만에 100만 다운로드를 돌파했습니다. 이는 챗GPT보다 빠른 성장 속도이며, 초대 전용(invite-only) 앱임을 고려하면 더욱 놀라운 기록입니다. 소라는 텍스트 프롬프트만으로 고품질 동영상을 생성할 수 있는 생성형 AI 도구로, 미국과 캐나다에서 iOS 전용으로 출시되었습니다.",
-                "significance": "텍스트를 이미지로 변환하는 기술에서 더 나아가 동영상 생성까지 가능해진 것은 AI 기술의 진화를 보여줍니다. 콘텐츠 제작의 민주화가 가속화되고 있으며, 누구나 쉽게 고품질 영상을 만들 수 있는 시대가 열리고 있습니다.",
                 "impact_level": "high",
                 "impact_text": "높음",
-                "impact_description": "영상 제작 산업의 패러다임이 변화하고 있으며, 교육, 마케팅, 엔터테인먼트 등 다양한 분야에서 AI 동영상 생성 기술의 활용이 증가할 것으로 예상됩니다.",
-                "action": "AI 동영상 생성 도구의 가능성과 한계를 탐구해보세요. 창의적인 아이디어를 시각화하는 방법을 배우고, 동시에 딥페이크 같은 악용 사례에 대한 비판적 사고도 함양하세요."
             }
         }
@@ -1130,18 +1130,18 @@ class LLMAnalyzer:
             if keyword.lower() in title.lower():
                 return template
-        # 기본 분석 (중고교생 수준)
         return {
-            "summary": f"'{title}'와 관련된 최신 AI 기술 동향입니다. 인공지능 분야는 빠르게 발전하고 있으며, 이러한 기술 변화는 우리의 일상생활과 미래 직업 세계에 큰 영향을 미칠 것으로 예상됩니다. 관련 기술의 원리와 사회적 파급효과를 함께 이해하는 것이 중요합니다.",
-            "significance": "AI 기술의 발전은 단순한 기술 혁신을 넘어 사회, 경제, 윤리적 측면에서 다양한 논의를 불러일으키고 있습니다. 이러한 변화를 이해하고 대비하는 것이 미래 세대에게 중요한 역량입니다.",
             "impact_level": "medium",
             "impact_text": "중간",
-            "impact_description": "AI 기술의 발전은 교육, 취업, 산업 전반에 걸쳐 구조적 변화를 가져올 것이며, 이에 대한 이해와 준비가 ���요합니다.",
-            "action": "AI 기술의 기본 원리를 학습하고, 관련 프로그래밍(Python 등)이나 데이터 과학 기초를 공부해보세요. 또한 AI 윤리와 사회적 영향에 대해서도 비판적으로 사고하는 습관을 기르세요."
         }
     def analyze_model(self, model_name: str, task: str, downloads: int) -> str:
-        """허깅페이스 모델 분석 - 모델 카드를 LLM으로 중고교생 수준 분석"""
         # 1. 모델 카드 가져오기
         model_card = self.fetch_model_card(model_name)
@@ -1152,7 +1152,7 @@ class LLMAnalyzer:
                 messages = [
                     {
                         "role": "system",
-                        "content": "당신은 중고교생이 이해할 수 있게 AI 모델을 전문적이면서도 명확하게 설명하는 전문가입니다. 한국어로 답변하세요."
                     },
                     {
                         "role": "user",
@@ -1160,12 +1160,12 @@ class LLMAnalyzer:
 {model_card}
-이 모델을 중고교생이 이해할 수 있도록 3-5문장으로 설명해주세요. 다음 내용을 포함하세요:
-1. 이 모델이 무엇을 하는지 (구체적인 기능)
-2. 어떤 기술적 특징이나 강점이 있는지
-3. 실제로 어떤 분야에서 활용될 수 있는지
-전문 용어는 간단히 설명하면서 사용하고, 3-5문장의 한국어로 작성하세요."""
                     }
                 ]
@@ -1177,31 +1177,31 @@ class LLMAnalyzer:
             except Exception as e:
                 print(f"  ⚠️ 모델 분석 LLM 오류: {e}")
-        # 3. Fallback: 템플릿 기반 설명 (중고교생 수준)
         task_explanations = {
-            "text-generation": "자연어를 생성하는 언어 모델로, 주어진 맥락을 이해하고 이어지는 텍스트를 생성",
-            "image-to-text": "이미지를 분석하여 시각적 내용을 자연어로 설명하는 비전-언어 모델",
-            "text-to-image": "텍스트 프롬프트를 해석하여 이미지를 생성하는 확산 모델",
-            "translation": "다국어 번역을 수행하는 시퀀스-투-시퀀스 모델",
-            "question-answering": "질문의 맥락을 이해하고 정확한 답변을 추출하는 모델",
-            "summarization": "긴 텍스트의 핵심 내용을 추출하여 요약하는 모델",
-            "text-classification": "텍스트의 감정, 주제, 카테고리 등을 분류하는 모델",
-            "token-classification": "개체명 인식(NER) 등 토큰 단위 분류를 수행하는 모델",
-            "fill-mask": "문맥을 분석하여 마스킹된 단어를 예측하는 언어 모델"
         }
-        task_desc = task_explanations.get(task, "특정 AI 작업을 수행하는 전문화된 모델")
         if downloads > 10000000:
-            popularity = "매우 높은 다운로드 수를 기록하며 업계에서 광범위하게 활용되고 있는"
         elif downloads > 1000000:
-            popularity = "상당한 다운로드 수를 기록하며 활발히 사용되고 있는"
         elif downloads > 100000:
-            popularity = "다수의 개발자와 연구자들이 활용하고 있는"
         else:
-            popularity = "새롭게 주목받고 있는"
-        return f"이 모델은 {task_desc}��니다. {popularity} 모델로, 허깅페이스 생태계에서 '{model_name.split('/')[-1]}'라는 이름으로 알려져 있습니다. 관련 분야의 프로젝트나 연구에 활용할 수 있습니다."
     def analyze_space(self, space_name: str, space_id: str, description: str) -> Dict:
         """허깅페이스 스페이스 분석 - app.py를 LLM으로 분석"""
@@ -1215,7 +1215,7 @@ class LLMAnalyzer:
                 messages = [
                     {
                         "role": "system",
-                        "content": "당신은 중고교생이 이해할 수 있게 AI 애플리케이션을 전문적이면서도 명확하게 설명하는 전문가입니다. 한국어로 답변하세요."
                     },
                     {
                         "role": "user",
@@ -1223,12 +1223,12 @@ class LLMAnalyzer:
 {app_code}
-이 앱을 중고교생이 이해할 수 있도록 3-5문장으로 설명해주세요. 다음 내용을 포함하세요:
-1. 이 앱이 구체적으로 어떤 기능을 제공하는지
-2. 어떤 AI 기술이나 라이브러리를 사용하는지
-3. 어떤 분야에서 활용 가능한지 또는 어떤 문제를 해결하는지
-전문 용어는 간단히 설명하면서 사용하고, 3-5문장의 한국어로 작성하세요."""
                     }
                 ]
@@ -1261,9 +1261,9 @@ class LLMAnalyzer:
             except Exception as e:
                 print(f"  ⚠️ 스페이스 분석 LLM 오류: {e}")
-        # 3. Fallback: 템플릿 기반 설명 (중고교생 수준)
         return {
-            "simple_explanation": f"{space_name}는 웹 기반 AI 데모 플랫폼으로, 브라우저에서 직접 실행 가능한 인터랙티브 애플리케이션입니다. 별도의 설치나 환경 설정 없이도 최신 AI 모델의 기능을 테스트하고 체험할 수 있으며, 실시간으로 결과를 확인할 수 있습니다.",
             "tech_stack": ["Python", "Gradio", "Transformers", "PyTorch"]
         }
@@ -1287,13 +1287,14 @@ class AdvancedAIAnalyzer:
         """AI Times에서 오늘 날짜 뉴스 크롤링"""
         print("📰 AI Times 뉴스 수집 중...")
         urls = [
             'https://www.aitimes.com/news/articleList.html?sc_multi_code=S2&view_type=sm',
             'https://www.aitimes.com/news/articleList.html?sc_section_code=S1N24&view_type=sm'
         ]
         all_news = []
-        today = datetime.now().strftime('%m-%d')
         for url_idx, url in enumerate(urls, 1):
             try:
@@ -1304,28 +1305,54 @@ class AdvancedAIAnalyzer:
                 response.raise_for_status()
                 response.encoding = 'utf-8'
-                text = response.text
-                # 정규표현식으로 [제목](링크) 패턴 추출
-                pattern = r'\[([^\]]+)\]\((https://www\.aitimes\.com/news/articleView\.html\?idxno=\d+)\)'
-                matches = re.finditer(pattern, text)
                 articles_found = 0
-                for match in matches:
                     try:
-                        title = match.group(1).strip()
-                        link = match.group(2).strip()
-                        if len(title) < 10:
                             continue
-                        # 날짜 찾기 (링크 뒤 200자 이내)
-                        pos = match.end()
-                        nearby_text = text[pos:pos+200]
-                        date_pattern = r'(\d{2}-\d{2}\s+\d{2}:\d{2})'
-                        date_match = re.search(date_pattern, nearby_text)
-                        date_text = date_match.group(1) if date_match else today
                         # 오늘 날짜만 필터링
                         if today not in date_text:
@@ -1341,19 +1368,20 @@ class AdvancedAIAnalyzer:
                         all_news.append(news_item)
                         articles_found += 1
                         print(f"    ✓ 추가: {title[:60]}... ({date_text})")
                     except Exception as e:
                         continue
-                print(f"    → {articles_found}개 오늘자 기사 발견\n")
-                time.sleep(1)
             except Exception as e:
                 print(f"  ⚠️ URL 수집 오류: {e}\n")
                 continue
-        # 중복 제거
         unique_news = []
         seen_urls = set()
         for news in all_news:
@@ -1363,7 +1391,7 @@ class AdvancedAIAnalyzer:
         print(f"✅ 총 {len(unique_news)}개 중복 제거된 오늘자 뉴스\n")
-        # 최소 3개 보장
         if len(unique_news) < 3:
             print("⚠️ 뉴스가 부족하여 최근 샘플 추가\n")
             sample_news = [
@@ -1393,7 +1421,7 @@ class AdvancedAIAnalyzer:
                 if sample['url'] not in seen_urls:
                     unique_news.append(sample)
-        return unique_news[:20]
     def fetch_huggingface_models(self, limit: int = 30) -> List[Dict]:
         """허깅페이스 트렌딩 모델 30개 수집 (실제 API)"""
@@ -1713,7 +1741,7 @@ def health():
         return jsonify({
             "status": "healthy",
             "service": "AI News LLM Analyzer",
-            "version": "3.3.0",
             "database": {
                 "connected": True,
                 "news_count": news_count,
@@ -1742,14 +1770,14 @@ if __name__ == '__main__':
     print(f"""
 ╔════════════════════════════════════════════════════════════╗
 ║                                                            ║
-║   🤖 AI 뉴스 & 허깅페이스 LLM 분석 웹앱 v3.3              ║
 ║                                                            ║
 ╚════════════════════════════════════════════════════════════╝
 ✨ 주요 기능:
   • 💾 SQLite DB 영구 스토리지
   • 🌐 AI Times 실시간 뉴스 크롤링 (2개 섹션)
-  • 📰 뉴스 중고교생 수준 분석 (3-5줄 상세 요약)
   • 🤗 허깅페이스 트렌딩 모델 TOP 30 (모델 카드 분석)
   • 🚀 허깅페이스 트렌딩 스페이스 TOP 30 (app.py 분석)
   • 🧠 Fireworks AI (Qwen3-235B) 실시간 LLM 분석

 # -*- coding: utf-8 -*-
 """
+AI 뉴스 & 허깅페이스 트렌딩 LLM 분석 웹앱 (완전판 v3.2)
 파일명: app_advanced.py
 주요 기능:
 2. AI Times 실시간 뉴스 크롤링 (2개 섹션)
 3. 실제 Hugging Face Trending API 연동 (모델/스페이스 30위)
 4. Fireworks AI (Qwen3-235B) 실시간 LLM 분석
+   - 뉴스 초등학생 수준 분석
    - 모델 카드 자동 분석 (README.md)
    - 스페이스 코드 자동 분석 (app.py)
 5. 탭 UI (뉴스/모델/스페이스)
 <body>
     <div class="container">
         <h1>🤖 AI 뉴스 & 허깅페이스 LLM 분석</h1>
+        <p class="subtitle">초등학생도 이해하는 AI 트렌드 분석 시스템 🎓</p>
         <!-- 통계 카드 -->
         <div class="stats">
                 </div>
                 <div class="space-analysis">
+                    <strong>🎓 초등학생 설명:</strong><br>
                     {{ space.simple_explanation }}
                 </div>
         <!-- 푸터 -->
         <div class="footer">
+            <p>🤖 AI 뉴스 LLM 분석 시스템 v3.2</p>
             <p style="margin-top: 10px; font-size: 0.9em;">
                 💾 SQLite DB 영구 저장 | 🌐 AI Times 실시간 크롤링 | 🤗 Hugging Face Trending API | 🧠 Powered by Fireworks AI (Qwen3-235B)
             </p>
             <p style="margin-top: 10px; font-size: 0.85em; color: #999;">
+                데이터 출처: AI Times (실시간 크롤링), Hugging Face | 실시간 분석: Fireworks AI
             </p>
         </div>
     </div>
             return None
     def analyze_news_simple(self, title: str, content: str = "") -> Dict:
+        """뉴스 기사를 초등학생 수준으로 분석"""
         analysis_templates = {
             "챗GPT": {
+                "summary": "마이크로소프트(MS)라는 큰 회사가 챗GPT라는 AI를 너무 많은 사람들이 사용해서, 컴퓨터를 보관하는 큰 건물(데이터센터)이 부족하다고 말했어요.",
+                "significance": "챗GPT가 정말 인기가 많다는 뜻이에요. 마치 너무 많은 친구들이 한 게임기를 쓰려고 하는 것과 비슷해요.",
                 "impact_level": "high",
                 "impact_text": "높음",
+                "impact_description": "AI 기술이 빠르게 발전하고 있고, 많은 사람들이 사용하고 있다는 중요한 신호예요.",
+                "action": "챗GPT 같은 AI 도구를 배워보세요. 숙제를 도와달라고 하거나, 모르는 것을 물어볼 수 있어요!"
             },
             "GPU": {
+                "summary": "미국이 아랍에미리트(UAE)라는 나라에 GPU라는 특별한 컴퓨터 부품을 팔 수 있게 허락했어요. GPU는 AI를 만드는 데 꼭 필요한 부품이에요.",
+                "significance": "GPU는 AI의 두뇌 같은 거예요. 이걸 팔 수 있게 되면 더 많은 나라에서 AI를 만들 수 있어요.",
                 "impact_level": "medium",
                 "impact_text": "중간",
+                "impact_description": "AI 기술이 더 많은 나라로 퍼질 수 있게 되었어요.",
+                "action": "컴퓨터가 어떻게 작동하는지 관심을 가져보세요. GPU가 무엇인지 검색해보는 것도 좋아요!"
             },
             "소라": {
+                "summary": "오픈AI가 만든 '소라'라는 AI 앱이 엄청 빠르게 인기를 얻었어요. 100만 명이 다운로드하는 데 챗GPT보다 더 빨랐대요!",
+                "significance": "사람들이 비디오를 만드는 AI에 정말 관심이 많다는 뜻이에요.",
                 "impact_level": "high",
                 "impact_text": "높음",
+                "impact_description": "앞으로 누구나 쉽게 멋진 비디오를 만들 수 있게 될 거예요.",
+                "action": "소라를 써보고, 상상한 것을 비디오로 만들어보세요. 창의력을 발휘할 수 있어요!"
             }
         }
             if keyword.lower() in title.lower():
                 return template
+        # 기본 분석
         return {
+            "summary": f"'{title}'라는 AI 관련 뉴스가 나왔어요. AI 기술이 계속 발전하고 있다는 소식이에요.",
+            "significance": "AI는 우리 생활을 더 편리하게 만들어주는 기술이에요.",
             "impact_level": "medium",
             "impact_text": "중간",
+            "impact_description": "AI 기술의 발전은 우리 미래에 중요한 영향을 줄 거예요.",
+            "action": "AI에 대해 더 알아보고, AI를 활용하는 방법을 배워보세요!"
         }
     def analyze_model(self, model_name: str, task: str, downloads: int) -> str:
+        """허깅페이스 모델 분석 - 모델 카드를 LLM으로 분석"""
         # 1. 모델 카드 가져오기
         model_card = self.fetch_model_card(model_name)
                 messages = [
                     {
                         "role": "system",
+                        "content": "당신은 초등학생도 이해할 수 있게 AI 모델을 쉽게 설명하는 전문가입니다. 한국어로 답변하세요."
                     },
                     {
                         "role": "user",
 {model_card}
+이 모델을 초등학생이 이해할 수 있도록 3-4문장으로 쉽게 설명해주세요. 다음 내용을 포함하세요:
+1. 이 모델이 무엇을 하는지
+2. 어떤 특징이 있는지
+3. 누가 사용하면 좋은지
+답변은 반드시 3-4문장의 한국어로만 작성하세요."""
                     }
                 ]
             except Exception as e:
                 print(f"  ⚠️ 모델 분석 LLM 오류: {e}")
+        # 3. Fallback: 템플릿 기반 설명
         task_explanations = {
+            "text-generation": "글을 자동으로 만들어주는",
+            "image-to-text": "사진을 보고 설명을 써주는",
+            "text-to-image": "글을 읽고 그림을 그려주는",
+            "translation": "다른 언어로 번역해주는",
+            "question-answering": "질문에 답해주는",
+            "summarization": "긴 글을 짧게 요약해주는",
+            "text-classification": "글을 분류해주는",
+            "token-classification": "단어를 분석해주는",
+            "fill-mask": "빈칸을 채워주는"
         }
+        task_desc = task_explanations.get(task, "특별한 기능을 하는")
         if downloads > 10000000:
+            popularity = "엄청나게 많은"
         elif downloads > 1000000:
+            popularity = "아주 많은"
         elif downloads > 100000:
+            popularity = "많은"
         else:
+            popularity = "어느 정도"
+        return f"이 모델은 {task_desc} AI예요. {popularity} 사람들이 다운로드해서 사용하고 있어요. {model_name.split('/')[-1]}라는 이름으로 유명해요!"
     def analyze_space(self, space_name: str, space_id: str, description: str) -> Dict:
         """허깅페이스 스페이스 분석 - app.py를 LLM으로 분석"""
                 messages = [
                     {
                         "role": "system",
+                        "content": "당신은 초등학생도 이해할 수 있게 AI 애플리케이션을 쉽게 설명하는 전문가입니다. 한국어로 답변하세요."
                     },
                     {
                         "role": "user",
 {app_code}
+이 앱을 초등학생이 이해할 수 있도록 3-4문장으로 쉽게 설명해주세요. 다음 내용을 포함하세요:
+1. 이 앱이 무엇을 하는지
+2. 어떤 기술을 사용하는지
+3. 어떻게 활용할 수 있는지
+답변은 반드시 3-4문장의 한국어로만 작성하세요."""
                     }
                 ]
             except Exception as e:
                 print(f"  ⚠️ 스페이스 분석 LLM 오류: {e}")
+        # 3. Fallback: 템플릿 기반 설명
         return {
+            "simple_explanation": f"{space_name}는 웹브라우저에서 바로 AI를 체험해볼 수 있는 곳이에요. 설치 없이도 사용할 수 있어서 편리해요! 마치 온라인 게임처럼 바로 접속해서 AI를 사용할 수 있답니다.",
             "tech_stack": ["Python", "Gradio", "Transformers", "PyTorch"]
         }
         """AI Times에서 오늘 날짜 뉴스 크롤링"""
         print("📰 AI Times 뉴스 수집 중...")
+        # 수집할 URL 목록
         urls = [
             'https://www.aitimes.com/news/articleList.html?sc_multi_code=S2&view_type=sm',
             'https://www.aitimes.com/news/articleList.html?sc_section_code=S1N24&view_type=sm'
         ]
         all_news = []
+        today = datetime.now().strftime('%m-%d')  # 예: '10-10'
         for url_idx, url in enumerate(urls, 1):
             try:
                 response.raise_for_status()
                 response.encoding = 'utf-8'
+                soup = BeautifulSoup(response.text, 'html.parser')
+                # 모든 링크 찾기
+                articles = soup.find_all('a', href=re.compile(r'/news/articleView\.html\?idxno=\d+'))
+                print(f"    → {len(articles)}개 링크 발견")
                 articles_found = 0
+                for article_tag in articles:
                     try:
+                        # 제목과 링크
+                        title = article_tag.get_text(strip=True)
+                        link = article_tag.get('href', '')
+                        # 링크 정규화
+                        if link and not link.startswith('http'):
+                            if link.startswith('/'):
+                                link = 'https://www.aitimes.com' + link
+                            else:
+                                link = 'https://www.aitimes.com/' + link
+                        # 제목이 너무 짧으면 스킵
+                        if not title or len(title) < 10:
                             continue
+                        # 부모 요소에서 날짜 찾기
+                        parent = article_tag.parent
+                        date_text = ''
+                        # 부모의 모든 텍스트에서 날짜 패턴 찾기
+                        if parent:
+                            parent_text = parent.get_text()
+                            date_match = re.search(r'(\d{2}-\d{2}\s+\d{2}:\d{2})', parent_text)
+                            if date_match:
+                                date_text = date_match.group(1)
+                        # 날짜가 없으면 다음 형제 요소들 확인
+                        if not date_text:
+                            for sibling in article_tag.find_next_siblings():
+                                sibling_text = sibling.get_text()
+                                date_match = re.search(r'(\d{2}-\d{2}\s+\d{2}:\d{2})', sibling_text)
+                                if date_match:
+                                    date_text = date_match.group(1)
+                                    break
+                        # 날짜가 여전히 없으면 오늘 날짜 사용
+                        if not date_text:
+                            date_text = today
                         # 오늘 날짜만 필터링
                         if today not in date_text:
                         all_news.append(news_item)
                         articles_found += 1
                         print(f"    ✓ 추가: {title[:60]}... ({date_text})")
                     except Exception as e:
                         continue
+                print(f"    → {articles_found}개 오늘자 기사 수집\n")
+                time.sleep(1)  # 서버 부하 방지
             except Exception as e:
                 print(f"  ⚠️ URL 수집 오류: {e}\n")
                 continue
+        # 중복 제거 (URL 기준)
         unique_news = []
         seen_urls = set()
         for news in all_news:
         print(f"✅ 총 {len(unique_news)}개 중복 제거된 오늘자 뉴스\n")
+        # 최소 3개는 보장 (없으면 샘플 추가)
         if len(unique_news) < 3:
             print("⚠️ 뉴스가 부족하여 최근 샘플 추가\n")
             sample_news = [
                 if sample['url'] not in seen_urls:
                     unique_news.append(sample)
+        return unique_news[:20]  # 최대 20개
     def fetch_huggingface_models(self, limit: int = 30) -> List[Dict]:
         """허깅페이스 트렌딩 모델 30개 수집 (실제 API)"""
         return jsonify({
             "status": "healthy",
             "service": "AI News LLM Analyzer",
+            "version": "3.2.0",
             "database": {
                 "connected": True,
                 "news_count": news_count,
     print(f"""
 ╔════════════════════════════════════════════════════════════╗
 ║                                                            ║
+║   🤖 AI 뉴스 & 허깅페이스 LLM 분석 웹앱 v3.2              ║
 ║                                                            ║
 ╚════════════════════════════════════════════════════════════╝
 ✨ 주요 기능:
   • 💾 SQLite DB 영구 스토리지
   • 🌐 AI Times 실시간 뉴스 크롤링 (2개 섹션)
+  • 📰 뉴스 초등학생 수준 분석
   • 🤗 허깅페이스 트렌딩 모델 TOP 30 (모델 카드 분석)
   • 🚀 허깅페이스 트렌딩 스페이스 TOP 30 (app.py 분석)
   • 🧠 Fireworks AI (Qwen3-235B) 실시간 LLM 분석