### やりたいこと ###
1. 利用者がキーワードを入力
2. 入力したキーワードに関連する論文のpdfをarxivからダウンロード
3. ダウンロードしたpdfファイルをテキストデータ化
4. ChatGPT APIを使って論文の内容を要約して箇条書きする
5. 論文のタイトル，URL，要約（箇条書き），を表でまとめて出力する

### 利用ツール ###
- python
- gradio
- ChagGPT API

これを実現するツールを作ってください。

import gradio as gr
import openai
import arxiv
import PyPDF2
from io import BytesIO
import requests

# APIキーの設定
openai.api_key = "<your_api_key>"

def summarize_paper(keyword):
    # 論文の検索とダウンロード
    search_query = f"all:{keyword}"
    results = arxiv.query(search_query, max_results=3)

    summaries = []

    for result in results:
        # PDFをダウンロード
        pdf_url = result['pdf_url']
        response = requests.get(pdf_url)
        pdf_file = BytesIO(response.content)

        # PDFをテキストに変換
        pdf_reader = PyPDF2.PdfFileReader(pdf_file)
        text = ""
        for page_num in range(pdf_reader.numPages):
            text += pdf_reader.getPage(page_num).extractText()

        # 論文の要約を生成
        prompt = f"Summarize the following paper in bullet points:\n{text}"
        response = openai.Completion.create(
            engine="text-davinci-002",
            prompt=prompt,
            max_tokens=150,
            n=1,
            stop=None,
            temperature=0.7,
        )

        summary = response.choices[0].text.strip()

        # タイトル、URL、要約を保存
        summaries.append({
            "Title": result['title'],
            "URL": pdf_url,
            "Summary": summary
        })

    return summaries

def display_summary(summaries):
    output = ""
    for summary in summaries:
        output += f"Title: {summary['Title']}\n"
        output += f"URL: {summary['URL']}\n"
        output += f"Summary:\n{summary['Summary']}\n\n"
    return output

iface = gr.Interface(
    fn=summarize_paper,
    inputs=gr.inputs.Textbox(lines=1, label="Keyword"),
    outputs=gr.outputs.Textbox(label="Summarized Papers"),
    title="Paper Summarizer",
    description="Enter a keyword to search for related papers on arXiv, and get summarized bullet points for each paper.",
)

iface.launch()

prompt = """
### 指示 ###
論文の内容を理解した上で，重要なポイントを箇条書きで3点書いてください。

### 箇条書きの制約 ###
- 最大3個
- 日本語
- 箇条書き1個を20文字以内
- カンマは使用禁止
- 「。」は使用禁止
- 文章の終わりは体言止め（体言止めの例： ｘｘを許容する ⇒ ｘｘを許容）

### 対象とする論文の内容 ###
{text}

### 出力形式 ###
タイトル(和名)

- 箇条書き1
- 箇条書き2
- 箇条書き3
"""

# ChatGPT APIを呼び出すコード
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "あなたはデータサイエンティストの熟練者です。初学者向けに分かりやすく教えるのが得意なスペシャリストです。"},
        {"role": "user", "content": prompt},
        ],
    temperature=0.0,
)

# インターフェイスのレイアウトをカスタマイズ
iface = gr.Interface(
    fn=summarize_paper,
    inputs=[
        gr.components.Textbox(label="技術情報のキーワード"),
        gr.components.Textbox(label="検索論文数"),
        gr.components.Radio(choices=["gpt-3.5-turbo", "gpt-4"], value="gpt-3.5-turbo", label="利用する生成AIモデル"),
        gr.components.Slider(minimum=0, maximum=1, label="temperature"),
        ],
    outputs=gr.components.HTML(label="Summarized Papers"),
    title="arXiv論文要約AI (by Moro)", #"arXivの調査 (by Moro)",
    description="調べたい技術情報のキーワードと，ピックアップして要約する論文数を指定してください。\n - AIで関連キーワードを自動生成して検索に利用 \n - 検索でヒットした論文を要約してポイントを箇条書き",
    theme="default",
    allow_flagging='never',
)

- GPT-IntellectWave: ArXiv Scholarly Navigator
- ArxivSage: ChatGPT-Enhanced Academic Assistant
- GPT-Cerebrum: ArXiv Wisdom Explorer
- ArxivMentor: AI-Powered Knowledge Curator

- Arxivキーワード&要約マスター: ChatGPT研究アシスタント
- Arxiv知の連鎖: AI搭載キーワード発見と論文要約
- Arxiv論文ピックアップ&要点整理: AI搭載研究サポーター
- Arxiv要約エキスパート: 論文ピックアップと要点整理のAIガイド

- arXiv技術情報収集アシストAI
- arXivAI技術情報収集アシスト
- arXiv技術情報収集アシスト+: AI搭載
- arXiv技術情報収集アシストPro: AI生成