Umstellen Schreiben nach Google Sheets

generate_marketing_text.py

@@ -9,29 +9,33 @@ import json
 import pandas as pd
 import argparse
 from config import Config
+# NEU: Importiere unseren GoogleSheetHandler
+from google_sheet_handler import GoogleSheetHandler
 
 # --- Konfiguration ---
 KNOWLEDGE_BASE_FILE = "marketing_wissen.yaml"
-OUTPUT_FILE = "marketing_text_blocks.xlsx" # Excel ist besser für lange Texte
+# NEU: Definiere den Namen des Ziel-Tabellenblatts
-MODEL_TO_USE = "gpt-4o" # Das neueste und beste Modell für diese Aufgabe
+OUTPUT_SHEET_NAME = "Texte_Automation" 
+MODEL_TO_USE = "gpt-4o"
 
 # --- Logging einrichten ---
 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
 
 def call_openai_with_retry(prompt, max_retries=3, delay=5):
     """Ruft die OpenAI API mit Retry-Logik auf und erwartet eine JSON-Antwort."""
+    # ... (Diese Funktion bleibt unverändert) ...
     for attempt in range(max_retries):
         try:
             logging.info(f"Sende Prompt an OpenAI (Versuch {attempt + 1}/{max_retries})...")
             response = openai.ChatCompletion.create(
                 model=MODEL_TO_USE,
-                response_format={"type": "json_object"}, # Fordert explizit JSON an
+                response_format={"type": "json_object"},
                 messages=[{"role": "user", "content": prompt}],
                 temperature=0.6,
                 max_tokens=1024
             )
             content = response.choices[0].message['content'].strip()
-            return json.loads(content) # Direkt als JSON-Objekt zurückgeben
+            return json.loads(content)
         except json.JSONDecodeError as e:
             logging.error(f"Fehler beim Parsen der JSON-Antwort von OpenAI: {e}")
             logging.debug(f"Rohe Antwort: {content}")
@@ -47,25 +51,22 @@ def call_openai_with_retry(prompt, max_retries=3, delay=5):
 
 def build_prompt(branch_name, branch_data, position_name, position_data):
     """Baut den finalen Master-Prompt (v4.1) zusammen."""
-    
+    # ... (Diese Funktion bleibt unverändert) ...
     branch_pain_points = "\n".join([f"- {p}" for p in branch_data.get('pain_points', [])])
     position_pain_points = "\n".join([f"- {p}" for p in position_data.get('pains_DE', [])])
 
     return "\n".join([
         "Du bist ein kompetenter Lösungsberater und brillanter Texter. Du verstehst die Herausforderungen einer Branche und einer spezifischen Management-Rolle und formulierst elegante, unaufdringliche und hochrelevante E-Mail-Texte.",
         "AUFGABE: Erstelle 3 Textblöcke (Subject, Introduction_Textonly, Industry_References_Textonly) für eine E-Mail.",
-
         "\n--- UNSERE LÖSUNG (ZUR ORIENTIERUNG FÜR DICH) ---",
-        "- Unsere Kernkompetenz ist eine Software zur **intelligenten, automatischen Einsatzplanung**.",
+        "- Unsere Kernkompetenz ist eine Software zur intelligenten, automatischen Einsatzplanung.",
-        "- Wir bieten zudem eine **mobile App** für die Techniker im Außendienst.",
+        "- Wir bieten zudem eine mobile App für die Techniker im Außendienst.",
-
         "\n--- KONTEXT ---",
         f"ZIELBRANCHE: {branch_name}",
         f"BRANCHEN-HERAUSFORDERUNGEN (PAIN POINTS):\n{branch_pain_points}",
         f"\nANSPRECHPARTNER: {position_name}",
         f"PERSÖNLICHE HERAUSFORDERUNGEN DES ANSPRECHPARTNERS (PAIN POINTS):\n{position_pain_points}",
         f"\nREFERENZKUNDEN (Rohdaten):\n{branch_data.get('references_DE', 'Keine spezifischen Referenzen vorhanden.')}",
-
         "\n--- DEINE AUFGABE ---",
         "1.  **Subject:** Formuliere eine kurze Betreffzeile (max. 5 Wörter). Richte sie **direkt an einem der persönlichen Pain Points** des Ansprechpartners (z.B. 'Kostenkontrolle im Service', 'Nahtlose Systemintegration').",
         "2.  **Introduction_Textonly:** Formuliere einen Einleitungstext (2 Sätze).",
@@ -75,7 +76,6 @@ def build_prompt(branch_name, branch_data, position_name, position_data):
         "    - **Satz 1 (Social Proof):** Nenne **alle bereitgestellten Referenzkunden** aus den Rohdaten. Wenn quantitative Erfolge (z.B. '% Einsparung', 'Anzahl Techniker') genannt sind, integriere diese elegant. Formuliere z.B. 'Zu unseren Kunden zählen namhafte Unternehmen wie...'.",
         "    - **Satz 2 (Branchen-Expertise):** Betone unsere Erfahrung in der Branche. Formuliere z.B. 'Durch die langjährige Zusammenarbeit sind wir mit den spezifischen Anforderungen der [Branche] bestens vertraut.'",
         "    - **Satz 3 (Rollen-Relevanz):** Schaffe den direkten Nutzen für die Zielperson. Formuliere z.B. 'Dieser Wissensvorsprung hilft uns, Ihre [persönlicher Pain Point der Rolle, z.B. 'Integrations-Herausforderungen'] besonders effizient zu lösen.'",
-        
         "\n--- BEISPIEL FÜR EINEN PERFEKTEN OUTPUT (Kombination Anlagenbau & IT) ---",
         '''
 {
@@ -87,26 +87,34 @@ def build_prompt(branch_name, branch_data, position_name, position_data):
         "\nErstelle jetzt das JSON-Objekt für die oben genannte Kombination aus Branche und Ansprechpartner."
     ])
 
-
 def main(specific_branch=None):
     """Hauptfunktion zur Generierung der Marketing-Texte."""
     logging.info("Starte die Generierung der Marketing-Textblöcke...")
     
-    Config.load_api_keys()
+    # --- NEU: Alle Initialisierungen in einen try-Block ---
-    openai.api_key = Config.API_KEYS.get('openai')
-    if not openai.api_key:
-        logging.critical("OpenAI API Key nicht gefunden. Skript wird beendet.")
-        return
-
     try:
+        Config.load_api_keys()
+        openai.api_key = Config.API_KEYS.get('openai')
+        if not openai.api_key:
+            raise ValueError("OpenAI API Key nicht gefunden.")
+
         with open(KNOWLEDGE_BASE_FILE, 'r', encoding='utf-8') as f:
             knowledge_base = yaml.safe_load(f)
+
+        # NEU: GoogleSheetHandler initialisieren
+        logging.info("Initialisiere GoogleSheetHandler...")
+        sheet_handler = GoogleSheetHandler()
+
     except FileNotFoundError:
         logging.critical(f"FEHLER: Die Wissensbasis '{KNOWLEDGE_BASE_FILE}' wurde nicht gefunden.")
         return
+    except Exception as e:
+        logging.critical(f"FEHLER bei der Initialisierung: {e}")
+        return
 
     results = []
     
+    # ... (Die Logik zur Auswahl der Branchen und Positionen bleibt unverändert) ...
     target_branches = knowledge_base.get('Branchen', {})
     if specific_branch:
         if specific_branch in target_branches:
@@ -116,15 +124,14 @@ def main(specific_branch=None):
             logging.error(f"FEHLER: Die angegebene Branche '{specific_branch}' wurde in der Wissensbasis nicht gefunden.")
             logging.info(f"Verfügbare Branchen sind: {list(knowledge_base.get('Branchen', {}).keys())}")
             return
-    
     positions = knowledge_base.get('Positionen', {})
     
+    # --- NEU: Der Generierungs-Loop bleibt gleich, aber der Output ist anders ---
     for branch_name, branch_data in target_branches.items():
         for position_key, position_data in positions.items():
             logging.info(f"--- Generiere Texte für: Branche='{branch_name}', Position='{position_key}' ---")
             
             prompt = build_prompt(branch_name, branch_data, position_data.get('name_DE', position_key), position_data)
-            
             generated_json = call_openai_with_retry(prompt)
             
             if generated_json:
@@ -134,7 +141,7 @@ def main(specific_branch=None):
                     'Language': 'DE',
                     'Subject': generated_json.get('Subject', 'FEHLER BEI GENERIERUNG'),
                     'Introduction_Textonly': generated_json.get('Introduction_Textonly', 'FEHLER BEI GENERIERUNG'),
-                    'Industry References (Text only)': generated_json.get('Industry_References_Textonly', 'FEHLER BEI GENERIERUNG') # <<< DAS IST DIE ENTSCHEIDENDE KORREKTUR
+                    'Industry References (Text only)': generated_json.get('Industry_References_Textonly', 'FEHLER BEI GENERIERUNG')
                 })
             else:
                  results.append({
@@ -143,14 +150,24 @@ def main(specific_branch=None):
                     'Language': 'DE',
                     'Subject': 'FEHLER: KI-Antwort war ungültig',
                     'Introduction_Textonly': 'FEHLER: KI-Antwort war ungültig',
-                    'Industry References (Text only)': 'FEHLER: KI-Antwort war ungültig' # Auch hier korrigiert
+                    'Industry References (Text only)': 'FEHLER: KI-Antwort war ungültig'
                 })
             time.sleep(2)
 
+    # --- NEU: Ergebnisse in Google Sheet schreiben statt in Excel ---
     if results:
+        # Konvertiere die Ergebnisse in das Format, das der Handler erwartet: Liste von Listen
         df = pd.DataFrame(results)
-        df.to_excel(OUTPUT_FILE, index=False)
+        header = df.columns.tolist()
-        logging.info(f"\nErfolgreich! {len(results)} Textvarianten wurden in '{OUTPUT_FILE}' gespeichert.")
+        values = df.values.tolist()
+        data_to_write = [header] + values
+        
+        # Rufe unsere neue Handler-Methode auf
+        success = sheet_handler.clear_and_write_data(OUTPUT_SHEET_NAME, data_to_write)
+        if success:
+            logging.info(f"\nErfolgreich! {len(results)} Textvarianten wurden in das Google Sheet '{OUTPUT_SHEET_NAME}' geschrieben.")
+        else:
+            logging.error("\nFehler! Die Textvarianten konnten nicht in das Google Sheet geschrieben werden.")
     else:
         logging.info("Keine Textvarianten wurden generiert.")