Update ui_ver_3.py

ui_ver_3.py

@@ -1,770 +1,770 @@
-import gradio as gr
-import requests
-import tempfile
-import os
-import base64
-import pandas as pd
-from io import BytesIO
-import time
-from datetime import datetime
-import zipfile
-
-
-# API_BASE_URL = "https://gradio-ocr-audio-demo-i7u7.onrender.com/"
-API_BASE_URL = "http://127.0.0.1:8000/"
-
-
-# Global variable để lưu danh sách tất cả sản phẩm từ search
-all_search_results = {}
-
-# Label cho option "Không phải sản phẩm Rạng Đông"
-not_rd_label = "Không phải sản phẩm Rạng Đông"
-
-
-custom_css = """
-h1 {
-    font-family: 'Segoe UI', sans-serif;
-    font-weight: 700;
-    font-size: 2.5rem;
-}
-label, .gr-input, .gr-file {
-    font-family: 'Segoe UI', sans-serif;
-    font-size: 1rem;
-}
-.gr-button {
-    font-weight: bold;
-    background-color: #4CAF50;
-    color: white;
-    border-radius: 8px;
-    padding: 10px 16px;
-}
-.gr-button:hover {
-    background-color: #45a049;
-}
-body {
-    background-color: #f8f9fa;
-}
-.section-box {
-    border: 1px solid #e0e0e0;
-    border-radius: 10px;
-    padding: 15px;
-    margin: 10px 0;
-    background-color: #fafafa;
-}
-"""
-
-
-# ====================== FUNCTIONS ======================
-
-def process_zip_with_api(employee_code, zip_file, llm_model):
-    """
-    Xử lý file ZIP chứa ảnh hóa đơn - giống tab nhập đơn hàng
-    Returns: status, api_time, total_time, df, excel_file, excel_base64
-    """
-    if not zip_file:
-        return (
-            gr.update(value="⚠️ Vui lòng tải lên file ZIP!"),
-            0,
-            0,
-            pd.DataFrame(),
-            gr.File(visible=False),
-            ""  # excel_base64 empty
-        )
-    
-    start_time = time.time()
-    
-    try:
-        # Handle both string path and file object from Gradio
-        file_path = zip_file.name if hasattr(zip_file, 'name') else zip_file
-        with open(file_path, "rb") as f:
-            files = {'file': (os.path.basename(file_path), f.read(), 'application/zip')}
-
-        data = {
-            'employee_code': employee_code or "default",
-            'approach': "multimodal",
-            'llm_model': llm_model,
-            'audio_model': llm_model
-        }
-
-        response = requests.post(API_BASE_URL + "information_extraction/", files=files, data=data, timeout=600)
-        response.raise_for_status()
-        json_resp = response.json()
-        
-        # Lưu excel_base64 để dùng cho endpoint /extract-products/
-        excel_base64 = json_resp.get("excel_data_base64", "")
-        
-        excel_bytes = base64.b64decode(excel_base64)
-        api_duration = json_resp.get("api_duration", 0.)
-        df = pd.read_excel(BytesIO(excel_bytes))
-        
-        # Lưu file Excel để tải về
-        df_to_save = df
-        result_file_name = "result_" + datetime.now().strftime("%Y%m%d%H%M%S") + ".xlsx"
-        excel_path = os.path.join(tempfile.gettempdir(), result_file_name)
-        df_to_save.to_excel(excel_path, index=False)
-        
-        print(f"[DEBUG] process_zip_with_api: excel_base64 length = {len(excel_base64)}")
-        print(f"[DEBUG] process_zip_with_api: DataFrame columns = {list(df.columns)}")
-        
-        return (
-            gr.update(value="✅ Xử lý thành công!"),
-            api_duration,
-            round(time.time() - start_time, 2),
-            df,
-            gr.File(value=excel_path, visible=True),
-            excel_base64  # Return base64 để dùng cho /extract-products/
-        )
-        
-    except requests.exceptions.Timeout:
-        return (
-            gr.update(value="⚠️ Request timeout - vui lòng thử lại!"),
-            0,
-            round(time.time() - start_time, 2),
-            pd.DataFrame(),
-            gr.File(visible=False),
-            ""
-        )
-    except Exception as e:
-        return (
-            gr.update(value=f"❌ Lỗi: {str(e)}"),
-            0,
-            round(time.time() - start_time, 2),
-            pd.DataFrame(),
-            gr.File(visible=False),
-            ""
-        )
-    
-
-def get_products_from_excel_api(excel_base64, product_column="Tên sản phẩm"):
-    """
-    Gọi API /extract-products/ để trích xuất sản phẩm từ Excel base64
-    Workflow: Frontend gửi excel_base64 (từ state) → Backend decode + extract → Return product list
-    """
-    print(f"[DEBUG] get_products_from_excel_api: excel_base64 length = {len(excel_base64) if excel_base64 else 0}")
-    
-    if not excel_base64 or len(excel_base64) == 0:
-        return "", "⚠️ Chưa có dữ liệu Excel! Hãy xử lý file ZIP trước."
-    
-    try:
-        # Gọi API /extract-products/
-        data = {
-            'excel_data_base64': excel_base64,
-            'product_column': product_column
-        }
-        
-        response = requests.post(API_BASE_URL + "extract-products/", data=data, timeout=30)
-        response.raise_for_status()
-        json_resp = response.json()
-        
-        if json_resp.get("status") == "success":
-            product_list = json_resp.get("product_list", [])
-            total_products = json_resp.get("total_products", len(product_list))
-            column_name = json_resp.get("column_name", product_column)
-            
-            print(f"[DEBUG] Extracted {total_products} products from column '{column_name}'")
-            print(f"[DEBUG] Sample products: {product_list[:5] if len(product_list) > 5 else product_list}")
-            
-            products_text = "\n".join([str(p) for p in product_list])
-            return products_text, f"✅ Đã lấy {total_products} sản phẩm từ cột '{column_name}'"
-        else:
-            error_msg = json_resp.get("detail", "Lỗi không xác định")
-            return "", f"❌ Lỗi: {error_msg}"
-            
-    except requests.exceptions.HTTPError as e:
-        # Parse error detail from response
-        try:
-            error_detail = e.response.json().get("detail", str(e))
-        except:
-            error_detail = str(e)
-        return "", f"❌ Lỗi API: {error_detail}"
-    except requests.exceptions.Timeout:
-        return "", "⚠️ Request timeout - vui lòng thử lại!"
-    except Exception as e:
-        return "", f"❌ Lỗi: {str(e)}"
-
-
-def call_mapping_api(product_list, method, weight_value, rrf_k_value, excel_base64, use_prediction=False):
-    """
-    Gọi API /mapping/ với danh sách sản phẩm text.
-
-    Args:
-        product_list: text, mỗi dòng 1 sản phẩm
-        use_prediction: bool, tự động predict L1/L2/L3
-
-    Returns: status, time, df, file, top5_data
-    """
-    start_time = time.time()
-    
-    empty_return = (
-        gr.update(value="⚠️ Vui lòng nhập danh sách sản phẩm trước khi mapping!"),
-        0,
-        pd.DataFrame(),
-        gr.File(visible=False),
-        {},
-    )
-    
-    if not product_list or not product_list.strip():
-        return empty_return
-    
-    try:
-        # Build request data
-        data = {
-            'product_list': product_list.strip(),
-            'method': method if method else 'weighted',
-            'use_prediction': use_prediction,
-        }
-        
-        if method == "weighted":
-            data['dense_weight'] = weight_value
-            data['sparse_weight'] = 1.0 - weight_value
-        elif method == "rrf":
-            data['rrf_k'] = int(rrf_k_value)
-        elif method == "rrf_cross_encoder":
-            data['rrf_k'] = int(rrf_k_value)
-        else:  # weighted_rrf
-            data['dense_weight'] = weight_value
-            data['sparse_weight'] = 1.0 - weight_value
-            data['rrf_k'] = int(rrf_k_value)
-        
-        # Gửi Excel gốc để API merge kết quả mapping vào
-        if excel_base64:
-            data['excel_data_base64'] = excel_base64
-            data['product_column'] = 'Tên sản phẩm'
-        
-        response = requests.post(API_BASE_URL + "mapping/", data=data, timeout=300)
-        response.raise_for_status()
-        json_resp = response.json()
-        
-        # Ưu tiên merged Excel (giữ nguyên format gốc + thêm cột "đã chọn")
-        merged_b64 = json_resp.get("merged_excel_base64", "")
-        mapping_b64 = json_resp.get("excel_data_base64", "")
-        
-        if merged_b64:
-            excel_bytes = base64.b64decode(merged_b64)
-        else:
-            excel_bytes = base64.b64decode(mapping_b64)
-        
-        df = pd.read_excel(BytesIO(excel_bytes))
-        
-        # Build top5 data keyed by row index for floating menu
-        top5_data = {}
-        results = json_resp.get("results", [])
-        
-        # First build product_name → top5 mapping
-        product_to_top5 = {}
-        for r in results:
-            name = r.get("Tên sản phẩm gốc", "").strip()
-            top5 = [r.get(f"Top {i}", "") for i in range(1, 6)]
-            top5 = [t for t in top5 if t]
-            if name:
-                product_to_top5[name.lower()] = top5
-        
-        # Then map to row indices in the DataFrame
-        product_col = None
-        for col in df.columns:
-            col_lower = col.lower().strip()
-            if col_lower == 'tên sản phẩm' or col_lower == 'ten san pham':
-                product_col = col
-                break
-        
-        if product_col:
-            for i in range(len(df)):
-                product_name = str(df.iloc[i].get(product_col, "")).strip()
-                if product_name.lower() in product_to_top5:
-                    top5_data[i] = product_to_top5[product_name.lower()]
-        
-        # Save Excel file for download
-        result_file_name = "mapping_result_" + datetime.now().strftime("%Y%m%d%H%M%S") + ".xlsx"
-        excel_path = os.path.join(tempfile.gettempdir(), result_file_name)
-        df.to_excel(excel_path, index=False)
-        
-        api_duration = json_resp.get("api_duration", round(time.time() - start_time, 2))
-        total_products = json_resp.get("total_products", 0)
-        
-        return (
-            gr.update(value=f"✅ Đã mapping {total_products} sản phẩm thành công!"),
-            api_duration,
-            df,
-            gr.File(value=excel_path, visible=True),
-            top5_data,
-        )
-        
-    except requests.exceptions.Timeout:
-        return (
-            gr.update(value="⚠️ Request timeout - vui lòng thử lại sau!"),
-            round(time.time() - start_time, 2),
-            pd.DataFrame(),
-            gr.File(visible=False),
-            {},
-        )
-    except Exception as e:
-        return (
-            gr.update(value=f"❌ Lỗi: {str(e)}"),
-            round(time.time() - start_time, 2),
-            pd.DataFrame(),
-            gr.File(visible=False),
-            {},
-        )
-
-
-def search_products_api(keyword):
-    """
-    Tìm kiếm sản phẩm như Ctrl+F - substring matching.
-    Gọi API /search-products/ với keyword.
-    """
-    if not keyword or not keyword.strip():
-        return gr.update(choices=[], value=None), "⚠️ Vui lòng nhập từ khóa tìm kiếm"
-
-    try:
-        data = {
-            'keyword': keyword.strip(),
-        }
-        
-        response = requests.post(API_BASE_URL + "search-products/", data=data, timeout=30)
-        response.raise_for_status()
-        json_resp = response.json()
-        
-        if json_resp.get("status") == "success":
-            product_list = json_resp.get("product_list", [])
-            total = json_resp.get("total_results", len(product_list))
-            return (
-                gr.update(choices=product_list, value=None),
-                f"✅ Tìm thấy {total} sản phẩm chứa '{keyword.strip()}'"
-            )
-        else:
-            return gr.update(choices=[], value=None), "❌ Không tìm thấy kết quả"
-            
-    except requests.exceptions.Timeout:
-        return gr.update(choices=[], value=None), "⚠️ Request timeout - vui lòng thử lại"
-    except Exception as e:
-        return gr.update(choices=[], value=None), f"❌ Lỗi: {str(e)}"
-
-
-def save_edited_excel(df_editable):
-    """
-    Lưu DataFrame đã chỉnh sửa thành file Excel.
-    """
-    if df_editable is None or df_editable.empty:
-        return gr.File(visible=False), "⚠️ Không có dữ liệu để lưu!"
-    
-    try:
-        # Tìm cột sản phẩm để lọc
-        target_col = None
-        for col in df_editable.columns:
-            col_lower = col.lower().strip()
-            if col_lower in ('tên sản phẩm', 'ten san pham'):
-                target_col = col
-                break
-        
-        # Lọc bỏ dòng "Không phải sản phẩm Rạng Đông"
-        df_filtered = df_editable.copy()
-        removed_count = 0
-        if target_col:
-            mask = df_editable[target_col] == not_rd_label
-            removed_count = int(mask.sum())
-            df_filtered = df_editable[~mask].copy()
-        else:
-            df_filtered = df_editable.copy()
-            removed_count = 0
-        
-        result_file_name = "mapping_edited_" + datetime.now().strftime("%Y%m%d%H%M%S") + ".xlsx"
-        excel_path = os.path.join(tempfile.gettempdir(), result_file_name)
-        df_filtered.to_excel(excel_path, index=False)
-        
-        if removed_count > 0:
-            return gr.File(value=excel_path, visible=True), f"✅ Đã lưu file Excel! (Đã xóa {removed_count} dòng 'Không phải sản phẩm Rạng Đông')"
-        return gr.File(value=excel_path, visible=True), "✅ Đã lưu file Excel!"
-    except Exception as e:
-        return gr.File(visible=False), f"❌ Lỗi lưu file: {str(e)}"
-
-
-def on_cell_select(top5_data, df, evt: gr.SelectData):
-    """Khi user click vào ô trong bảng mapping → hiện floating menu nếu là cột sản phẩm"""
-    if df is None or (isinstance(df, pd.DataFrame) and df.empty):
-        return gr.update(visible=False), "", gr.update(choices=[], value=None), None, ""
-    
-    row_idx = evt.index[0]
-    col_idx = evt.index[1]
-    
-    # Tìm cột sản phẩm
-    product_col_idx = None
-    product_col_name = None
-    for i, col in enumerate(df.columns):
-        col_lower = col.lower().strip()
-        if col_lower == 'tên sản phẩm' or col_lower == 'ten san pham':
-            product_col_idx = i
-            product_col_name = col
-            break
-    
-    # Chỉ hiện floating menu khi click vào cột sản phẩm
-    if product_col_idx is None or col_idx != product_col_idx:
-        return gr.update(visible=False), "", gr.update(choices=[], value=None), None, ""
-    current_value = str(df.iloc[row_idx][product_col_name])
-    
-    # Gradio Serialize JSON nên array index (int) có thể bị parse thành kiểu string trong dictionary
-    top5 = []
-    if isinstance(top5_data, dict):
-        top5 = top5_data.get(row_idx, top5_data.get(str(row_idx), []))
-    
-    if not top5:
-        return (
-            gr.update(visible=True),
-            f"📝 Dòng {row_idx+1} - SP hiện tại: {current_value}",
-            gr.update(choices=["Không có đề xuất", not_rd_label], value=None),
-            row_idx,
-            current_value
-        )
-    
-    # Thêm option "Không phải sản phẩm Rạng Đông" vào cuối danh sách
-    choices_with_not_rd = top5 + [not_rd_label]
-    return (
-        gr.update(visible=True),
-        f"📝 Dòng {row_idx+1} - SP hiện tại: {current_value}",
-        gr.update(choices=choices_with_not_rd, value=None),
-        row_idx,
-        current_value
-    )
-
-
-def apply_product(df, selected_row_idx, selected_product, undo_history):
-    """Áp dụng sản phẩm đã chọn vào cột sản phẩm tại dòng đã click"""
-    if df is None or (isinstance(df, pd.DataFrame) and df.empty):
-        return df, undo_history, "⚠️ Không có dữ liệu"
-    
-    if selected_row_idx is None or selected_product is None:
-        return df, undo_history, "⚠️ Vui lòng click vào ô sản phẩm và chọn đề xuất"
-    
-    if selected_product in ["Không có đề xuất"]:
-        return df, undo_history, "⚠️ Sản phẩm không hợp lệ"
-    
-    row_idx = selected_row_idx
-    if row_idx < 0 or row_idx >= len(df):
-        return df, undo_history, "❌ Dòng không hợp lệ"
-    
-    # Tìm cột sản phẩm
-    target_col = None
-    for col in df.columns:
-        col_lower = col.lower().strip()
-        if col_lower == 'tên sản phẩm' or col_lower == 'ten san pham':
-            target_col = col
-            break
-    
-    if target_col is None:
-        return df, undo_history, "❌ Không tìm thấy cột sản phẩm"
-    
-    # Lưu undo history
-    old_value = str(df.iloc[row_idx][target_col])
-    if undo_history is None:
-        undo_history = []
-    undo_history = list(undo_history)  # Copy to avoid mutation
-    undo_history.append({
-        'row': row_idx,
-        'col': target_col,
-        'old_value': old_value
-    })
-    
-    # Áp dụng giá trị mới
-    df_updated = df.copy()
-    df_updated.at[row_idx, target_col] = selected_product
-    
-    return df_updated, undo_history, f"✅ Dòng {row_idx+1}: '{old_value}' → '{selected_product}'"
-
-
-def undo_change(df, undo_history):
-    """Hoàn tác thay đổi cuối cùng"""
-    if df is None or (isinstance(df, pd.DataFrame) and df.empty):
-        return df, undo_history, "⚠️ Không có dữ liệu"
-    
-    if not undo_history or len(undo_history) == 0:
-        return df, undo_history, "⚠️ Không có thay đổi nào để hoàn tác"
-    
-    undo_history = list(undo_history)  # Copy
-    last_change = undo_history.pop()
-    row = last_change['row']
-    col = last_change['col']
-    old_value = last_change['old_value']
-    
-    df_updated = df.copy()
-    current_value = str(df_updated.iloc[row][col])
-    df_updated.at[row, col] = old_value
-    
-    remaining = len(undo_history)
-    return df_updated, undo_history, f"↩ Dòng {row+1}: '{current_value}' → '{old_value}' (còn {remaining} thay đổi có thể hoàn tác)"
-
-
-# ====================== GRADIO UI ======================
-
-with gr.Blocks(title="NHẬP ĐƠN HÀNG ĐA PHƯƠNG THỨC") as demo:
-
-    # State variables
-    excel_base64_state = gr.State("")   # Lưu excel_data_base64 từ /information_extraction/
-    top5_state = gr.State({})           # Lưu top 5 đề xuất cho mỗi sản phẩm (key: row index)
-    undo_history_state = gr.State([])   # Lưu lịch sử thay đổi để undo
-    selected_row_state = gr.State(None) # Lưu row index đang được chọn từ DataFrame click
-
-    # ====================== HEADER ======================
-    with gr.Row():
-        with gr.Column(scale=0, min_width=120):
-            gr.Image(
-                value="logo_multimodal_invoice.jpg",
-                show_label=False,
-                elem_id="logo",
-                height=100,
-                width=100,
-                container=False,
-            )
-        with gr.Column():
-            gr.Markdown(
-                """
-                <div style='text-align: center;'>
-                    <h1 style='margin-bottom: 0.5em; font-size: 1.8em;'>📄 NHẬP ĐƠN HÀNG ĐA PHƯƠNG THỨC</h1>
-                </div>
-                """,
-                elem_id="main-title"
-            )
-
-    gr.Markdown("---")
-
-    # ====================== SECTION 1: MÃ NHÂN VIÊN - LLM MODEL ======================
-    with gr.Row(equal_height=True):
-        employee_code_input = gr.Textbox(
-            label="Mã nhân viên",
-            placeholder="Nhập mã nhân viên",
-            scale=1
-        )
-        llm_model_input = gr.Dropdown(
-            ["Gemini 2.5 Flash", "Gemini 2.5 Flash-Lite"],
-            value="Gemini 2.5 Flash",
-            label="Mô hình đa phương thức",
-            scale=1,
-            interactive=True
-        )
-
-    # ====================== SECTION 2: OCR + TRẠNG THÁI + CẤU HÌNH ======================
-    with gr.Row(equal_height=True):
-        # Cột 1: Upload + Xử lý
-        with gr.Column(scale=1):
-            uploaded_files = gr.File(
-                label="Tải lên file ZIP",
-                file_count="single",
-                file_types=[".zip"],
-                type="filepath"
-            )
-            process_btn = gr.Button("⚙️ Xử lý đơn hàng", variant="secondary")
-            progress = gr.Textbox(label="Trạng thái xử lý", interactive=False)
-
-        # Cột 2: Thông tin tiến trình
-        with gr.Column(scale=1):
-            current_file_text = gr.Textbox(label="Đang xử lý file", interactive=False)
-            file_time_output = gr.Textbox(label="Thời gian xử lý file", interactive=False, lines=4)
-            total_time_output = gr.Number(label="Tổng thời gian xử lý (giây)", interactive=False)
-
-        # Cột 3: Cấu hình tìm kiếm + Mapping
-        with gr.Column(scale=2):
-            gr.Markdown("#### ⚙️ Cấu hình tìm kiếm")
-            search_method = gr.Radio(
-                choices=["weighted", "rrf", "weighted_rrf", "rrf_cross_encoder"],
-                value="weighted",
-                label="Phương pháp Fusion",
-                info="Weighted: trọng số điểm | RRF: xếp hạng đảo | Weighted RRF: kết hợp | RRF+CE: rerank"
-            )
-            with gr.Group(visible=True) as weighted_config:
-                weight_slider = gr.Slider(
-                    minimum=0, maximum=1, value=0.7, step=0.1,
-                    label="Dense ↔ Sparse",
-                    info="Kéo trái → ưu tiên Sparse (từ khóa) | Kéo phải → ưu tiên Dense (ngữ nghĩa)"
-                )
-                weight_display = gr.Markdown(value="**Dense: 0.7** | **Sparse: 0.3**")
-            with gr.Group(visible=False) as rrf_config:
-                rrf_k_slider = gr.Slider(
-                    minimum=30, maximum=100, value=60, step=30,
-                    label="RRF K (hằng số làm mượt)",
-                    info="30: nhạy | 60: cân bằng | 100: ổn định"
-                )
-            use_prediction_checkbox = gr.Checkbox(
-                label="🤖 Tự động dự đoán danh mục (LLM Prediction)",
-                value=False,
-                info="Khi bật: tự động predict L1/L2/L3 cho mỗi sản phẩm qua LLM → filter search"
-            )
-            with gr.Row():
-                mapping_status = gr.Textbox(label="Trạng thái mapping", interactive=False, scale=2)
-                mapping_time = gr.Number(label="Thời gian (giây)", interactive=False, scale=1)
-            mapping_btn = gr.Button("🚀 BẮT ĐẦU MAPPING", variant="primary", size="lg")
-
-    # Hidden state: danh sách sản phẩm từ OCR
-    product_list = gr.Textbox(visible=True)
-
-    excel_download = gr.File(
-        label="Tải file Excel kết quả xử lý",
-        interactive=False,
-        visible=False
-    )
-
-    ocr_result = gr.Dataframe(
-        label="Kết quả nhận diện (OCR)",
-        wrap=True,
-        interactive=False
-    )
-
-    gr.Markdown("---")
-
-    # ====================== SECTION 3: KẾT QUẢ MAPPING ======================
-    gr.Markdown("### 📊 Kết quả Mapping")
-    gr.Markdown("*Click vào ô **Tên sản phẩm** để xem Top 5 đề xuất → Chọn sản phẩm → Áp dụng*")
-
-    mapping_result = gr.Dataframe(
-        label="Kết quả Mapping (click vào ô sản phẩm để thay thế)",
-        wrap=True,
-        interactive=True
-    )
-
-    # ====================== FLOATING MENU - TOP 5 ĐỀ XUẤT ======================
-    with gr.Group(visible=False) as floating_panel:
-        gr.Markdown("#### 🔄 Chọn sản phẩm thay thế")
-        floating_product_display = gr.Textbox(
-            label="Sản phẩm đang chọn",
-            interactive=False
-        )
-        floating_top5_radio = gr.Radio(
-            label="Top 5 sản phẩm đề xuất (chọn 1 để thay thế)",
-            choices=[],
-            interactive=True
-        )
-        with gr.Row():
-            floating_apply_btn = gr.Button("✅ Áp dụng", variant="primary", scale=1)
-            floating_undo_btn = gr.Button("↩ Hoàn tác", variant="secondary", scale=1)
-            floating_status = gr.Textbox(label="Trạng thái", interactive=False, scale=3)
-
-    gr.Markdown("---")
-
-    # ====================== TÌM KIẾM MỞ RỘNG ======================
-    with gr.Accordion("🔍 Tìm kiếm mở rộng (nếu Top 5 kh��ng phù hợp)", open=False):
-        gr.Markdown("*Tìm kiếm như Ctrl+F trong danh sách sản phẩm → chọn sản phẩm → áp dụng vào dòng đã click ở bảng trên*")
-
-        with gr.Row():
-            search_keyword = gr.Textbox(
-                label="Từ khóa tìm kiếm (tự động cập nhật khi click vào ô sản phẩm)",
-                placeholder="Click vào ô sản phẩm ở bảng trên hoặc nhập từ khóa...",
-                interactive=True,
-                scale=2
-            )
-            search_btn = gr.Button("🔍 Tìm kiếm", variant="secondary", scale=1)
-
-        search_status = gr.Textbox(label="Trạng thái tìm kiếm", interactive=False)
-
-        search_results = gr.Dropdown(
-            label="Kết quả tìm kiếm (chọn sản phẩm)",
-            choices=[],
-            interactive=True,
-            allow_custom_value=True
-        )
-
-        apply_search_btn = gr.Button("✅ Áp dụng sản phẩm từ tìm kiếm", variant="primary")
-
-    gr.Markdown("---")
-
-    # ====================== TẢI FILE EXCEL KẾT QUẢ ======================
-    with gr.Row():
-        save_btn = gr.Button("💾 Lưu Excel đã chỉnh sửa", variant="primary")
-        save_status = gr.Textbox(label="Trạng thái lưu", interactive=False, scale=2)
-
-    mapping_download = gr.File(
-        label="Tải file Excel kết quả",
-        interactive=False,
-        visible=False
-    )
-
-    # ====================== EVENT HANDLERS ======================
-
-    # Xử lý file ZIP → hiện kết quả OCR → cập nhật product_list
-    process_btn.click(
-        fn=process_zip_with_api,
-        inputs=[employee_code_input, uploaded_files, llm_model_input],
-        outputs=[progress, file_time_output, total_time_output, ocr_result, excel_download, excel_base64_state]
-    ).then(
-        fn=lambda excel_base64: get_products_from_excel_api(excel_base64, "Tên sản phẩm"),
-        inputs=[excel_base64_state],
-        outputs=[product_list, current_file_text]
-    )
-
-    # Mapping sản phẩm
-    mapping_btn.click(
-        fn=call_mapping_api,
-        inputs=[product_list, search_method, weight_slider, rrf_k_slider, excel_base64_state, use_prediction_checkbox],
-        outputs=[mapping_status, mapping_time, mapping_result, mapping_download, top5_state]
-    )
-
-    # Click vào ô sản phẩm → hiện floating menu + cập nhật ô tìm kiếm
-    mapping_result.select(
-        fn=on_cell_select,
-        inputs=[top5_state, mapping_result],
-        outputs=[floating_panel, floating_product_display, floating_top5_radio, selected_row_state, search_keyword]
-    )
-
-    # Áp dụng sản phẩm đã chọn từ Top 5
-    floating_apply_btn.click(
-        fn=apply_product,
-        inputs=[mapping_result, selected_row_state, floating_top5_radio, undo_history_state],
-        outputs=[mapping_result, undo_history_state, floating_status]
-    )
-
-    # Hoàn tác thay đổi cuối cùng
-    floating_undo_btn.click(
-        fn=undo_change,
-        inputs=[mapping_result, undo_history_state],
-        outputs=[mapping_result, undo_history_state, floating_status]
-    )
-
-    # Tìm kiếm sản phẩm mở rộng
-    search_btn.click(
-        fn=search_products_api,
-        inputs=[search_keyword],
-        outputs=[search_results, search_status]
-    )
-
-    # Áp dụng sản phẩm từ tìm kiếm mở rộng
-    apply_search_btn.click(
-        fn=apply_product,
-        inputs=[mapping_result, selected_row_state, search_results, undo_history_state],
-        outputs=[mapping_result, undo_history_state, floating_status]
-    )
-
-    # Dynamic UI: Show/hide config based on method selection
-    def update_method_visibility(method):
-        if method == "weighted":
-            return gr.update(visible=True), gr.update(visible=False)
-        elif method == "rrf":
-            return gr.update(visible=False), gr.update(visible=True)
-        elif method == "rrf_cross_encoder":
-            return gr.update(visible=False), gr.update(visible=True)
-        else:  # weighted_rrf: hiện cả hai
-            return gr.update(visible=True), gr.update(visible=True)
-
-    search_method.change(
-        fn=update_method_visibility,
-        inputs=[search_method],
-        outputs=[weighted_config, rrf_config]
-    )
-
-    # Update weight display when slider changes
-    def update_weight_display(value):
-        dense = round(value, 1)
-        sparse = round(1.0 - value, 1)
-        return f"**Dense: {dense}** | **Sparse: {sparse}**"
-
-    weight_slider.change(
-        fn=update_weight_display,
-        inputs=[weight_slider],
-        outputs=[weight_display]
-    )
-
-    # Lưu Excel đã chỉnh sửa
-    save_btn.click(
-        fn=save_edited_excel,
-        inputs=[mapping_result],
-        outputs=[mapping_download, save_status]
-    )
-
-
-if __name__ == "__main__":
+import gradio as gr
+import requests
+import tempfile
+import os
+import base64
+import pandas as pd
+from io import BytesIO
+import time
+from datetime import datetime
+import zipfile
+
+API_BASE_URL = "https://gradio-ocr-audio-demo-i7u7.onrender.com/"
+
+# API_BASE_URL = "http://127.0.0.1:8000/"
+
+
+# Global variable để lưu danh sách tất cả sản phẩm từ search
+all_search_results = {}
+
+# Label cho option "Không phải sản phẩm Rạng Đông"
+not_rd_label = "Không phải sản phẩm Rạng Đông"
+
+
+custom_css = """
+h1 {
+    font-family: 'Segoe UI', sans-serif;
+    font-weight: 700;
+    font-size: 2.5rem;
+}
+label, .gr-input, .gr-file {
+    font-family: 'Segoe UI', sans-serif;
+    font-size: 1rem;
+}
+.gr-button {
+    font-weight: bold;
+    background-color: #4CAF50;
+    color: white;
+    border-radius: 8px;
+    padding: 10px 16px;
+}
+.gr-button:hover {
+    background-color: #45a049;
+}
+body {
+    background-color: #f8f9fa;
+}
+.section-box {
+    border: 1px solid #e0e0e0;
+    border-radius: 10px;
+    padding: 15px;
+    margin: 10px 0;
+    background-color: #fafafa;
+}
+"""
+
+
+# ====================== FUNCTIONS ======================
+
+def process_zip_with_api(employee_code, zip_file, llm_model):
+    """
+    Xử lý file ZIP chứa ảnh hóa đơn - giống tab nhập đơn hàng
+    Returns: status, api_time, total_time, df, excel_file, excel_base64
+    """
+    if not zip_file:
+        return (
+            gr.update(value="⚠️ Vui lòng tải lên file ZIP!"),
+            0,
+            0,
+            pd.DataFrame(),
+            gr.File(visible=False),
+            ""  # excel_base64 empty
+        )
+    
+    start_time = time.time()
+    
+    try:
+        # Handle both string path and file object from Gradio
+        file_path = zip_file.name if hasattr(zip_file, 'name') else zip_file
+        with open(file_path, "rb") as f:
+            files = {'file': (os.path.basename(file_path), f.read(), 'application/zip')}
+
+        data = {
+            'employee_code': employee_code or "default",
+            'approach': "multimodal",
+            'llm_model': llm_model,
+            'audio_model': llm_model
+        }
+
+        response = requests.post(API_BASE_URL + "information_extraction/", files=files, data=data, timeout=600)
+        response.raise_for_status()
+        json_resp = response.json()
+        
+        # Lưu excel_base64 để dùng cho endpoint /extract-products/
+        excel_base64 = json_resp.get("excel_data_base64", "")
+        
+        excel_bytes = base64.b64decode(excel_base64)
+        api_duration = json_resp.get("api_duration", 0.)
+        df = pd.read_excel(BytesIO(excel_bytes))
+        
+        # Lưu file Excel để tải về
+        df_to_save = df
+        result_file_name = "result_" + datetime.now().strftime("%Y%m%d%H%M%S") + ".xlsx"
+        excel_path = os.path.join(tempfile.gettempdir(), result_file_name)
+        df_to_save.to_excel(excel_path, index=False)
+        
+        print(f"[DEBUG] process_zip_with_api: excel_base64 length = {len(excel_base64)}")
+        print(f"[DEBUG] process_zip_with_api: DataFrame columns = {list(df.columns)}")
+        
+        return (
+            gr.update(value="✅ Xử lý thành công!"),
+            api_duration,
+            round(time.time() - start_time, 2),
+            df,
+            gr.File(value=excel_path, visible=True),
+            excel_base64  # Return base64 để dùng cho /extract-products/
+        )
+        
+    except requests.exceptions.Timeout:
+        return (
+            gr.update(value="⚠️ Request timeout - vui lòng thử lại!"),
+            0,
+            round(time.time() - start_time, 2),
+            pd.DataFrame(),
+            gr.File(visible=False),
+            ""
+        )
+    except Exception as e:
+        return (
+            gr.update(value=f"❌ Lỗi: {str(e)}"),
+            0,
+            round(time.time() - start_time, 2),
+            pd.DataFrame(),
+            gr.File(visible=False),
+            ""
+        )
+    
+
+def get_products_from_excel_api(excel_base64, product_column="Tên sản phẩm"):
+    """
+    Gọi API /extract-products/ để trích xuất sản phẩm từ Excel base64
+    Workflow: Frontend gửi excel_base64 (từ state) → Backend decode + extract → Return product list
+    """
+    print(f"[DEBUG] get_products_from_excel_api: excel_base64 length = {len(excel_base64) if excel_base64 else 0}")
+    
+    if not excel_base64 or len(excel_base64) == 0:
+        return "", "⚠️ Chưa có dữ liệu Excel! Hãy xử lý file ZIP trước."
+    
+    try:
+        # Gọi API /extract-products/
+        data = {
+            'excel_data_base64': excel_base64,
+            'product_column': product_column
+        }
+        
+        response = requests.post(API_BASE_URL + "extract-products/", data=data, timeout=30)
+        response.raise_for_status()
+        json_resp = response.json()
+        
+        if json_resp.get("status") == "success":
+            product_list = json_resp.get("product_list", [])
+            total_products = json_resp.get("total_products", len(product_list))
+            column_name = json_resp.get("column_name", product_column)
+            
+            print(f"[DEBUG] Extracted {total_products} products from column '{column_name}'")
+            print(f"[DEBUG] Sample products: {product_list[:5] if len(product_list) > 5 else product_list}")
+            
+            products_text = "\n".join([str(p) for p in product_list])
+            return products_text, f"✅ Đã lấy {total_products} sản phẩm từ cột '{column_name}'"
+        else:
+            error_msg = json_resp.get("detail", "Lỗi không xác định")
+            return "", f"❌ Lỗi: {error_msg}"
+            
+    except requests.exceptions.HTTPError as e:
+        # Parse error detail from response
+        try:
+            error_detail = e.response.json().get("detail", str(e))
+        except:
+            error_detail = str(e)
+        return "", f"❌ Lỗi API: {error_detail}"
+    except requests.exceptions.Timeout:
+        return "", "⚠️ Request timeout - vui lòng thử lại!"
+    except Exception as e:
+        return "", f"❌ Lỗi: {str(e)}"
+
+
+def call_mapping_api(product_list, method, weight_value, rrf_k_value, excel_base64, use_prediction=False):
+    """
+    Gọi API /mapping/ với danh sách sản phẩm text.
+
+    Args:
+        product_list: text, mỗi dòng 1 sản phẩm
+        use_prediction: bool, tự động predict L1/L2/L3
+
+    Returns: status, time, df, file, top5_data
+    """
+    start_time = time.time()
+    
+    empty_return = (
+        gr.update(value="⚠️ Vui lòng nhập danh sách sản phẩm trước khi mapping!"),
+        0,
+        pd.DataFrame(),
+        gr.File(visible=False),
+        {},
+    )
+    
+    if not product_list or not product_list.strip():
+        return empty_return
+    
+    try:
+        # Build request data
+        data = {
+            'product_list': product_list.strip(),
+            'method': method if method else 'weighted',
+            'use_prediction': use_prediction,
+        }
+        
+        if method == "weighted":
+            data['dense_weight'] = weight_value
+            data['sparse_weight'] = 1.0 - weight_value
+        elif method == "rrf":
+            data['rrf_k'] = int(rrf_k_value)
+        elif method == "rrf_cross_encoder":
+            data['rrf_k'] = int(rrf_k_value)
+        else:  # weighted_rrf
+            data['dense_weight'] = weight_value
+            data['sparse_weight'] = 1.0 - weight_value
+            data['rrf_k'] = int(rrf_k_value)
+        
+        # Gửi Excel gốc để API merge kết quả mapping vào
+        if excel_base64:
+            data['excel_data_base64'] = excel_base64
+            data['product_column'] = 'Tên sản phẩm'
+        
+        response = requests.post(API_BASE_URL + "mapping/", data=data, timeout=300)
+        response.raise_for_status()
+        json_resp = response.json()
+        
+        # Ưu tiên merged Excel (giữ nguyên format gốc + thêm cột "đã chọn")
+        merged_b64 = json_resp.get("merged_excel_base64", "")
+        mapping_b64 = json_resp.get("excel_data_base64", "")
+        
+        if merged_b64:
+            excel_bytes = base64.b64decode(merged_b64)
+        else:
+            excel_bytes = base64.b64decode(mapping_b64)
+        
+        df = pd.read_excel(BytesIO(excel_bytes))
+        
+        # Build top5 data keyed by row index for floating menu
+        top5_data = {}
+        results = json_resp.get("results", [])
+        
+        # First build product_name → top5 mapping
+        product_to_top5 = {}
+        for r in results:
+            name = r.get("Tên sản phẩm gốc", "").strip()
+            top5 = [r.get(f"Top {i}", "") for i in range(1, 6)]
+            top5 = [t for t in top5 if t]
+            if name:
+                product_to_top5[name.lower()] = top5
+        
+        # Then map to row indices in the DataFrame
+        product_col = None
+        for col in df.columns:
+            col_lower = col.lower().strip()
+            if col_lower == 'tên sản phẩm' or col_lower == 'ten san pham':
+                product_col = col
+                break
+        
+        if product_col:
+            for i in range(len(df)):
+                product_name = str(df.iloc[i].get(product_col, "")).strip()
+                if product_name.lower() in product_to_top5:
+                    top5_data[i] = product_to_top5[product_name.lower()]
+        
+        # Save Excel file for download
+        result_file_name = "mapping_result_" + datetime.now().strftime("%Y%m%d%H%M%S") + ".xlsx"
+        excel_path = os.path.join(tempfile.gettempdir(), result_file_name)
+        df.to_excel(excel_path, index=False)
+        
+        api_duration = json_resp.get("api_duration", round(time.time() - start_time, 2))
+        total_products = json_resp.get("total_products", 0)
+        
+        return (
+            gr.update(value=f"✅ Đã mapping {total_products} sản phẩm thành công!"),
+            api_duration,
+            df,
+            gr.File(value=excel_path, visible=True),
+            top5_data,
+        )
+        
+    except requests.exceptions.Timeout:
+        return (
+            gr.update(value="⚠️ Request timeout - vui lòng thử lại sau!"),
+            round(time.time() - start_time, 2),
+            pd.DataFrame(),
+            gr.File(visible=False),
+            {},
+        )
+    except Exception as e:
+        return (
+            gr.update(value=f"❌ Lỗi: {str(e)}"),
+            round(time.time() - start_time, 2),
+            pd.DataFrame(),
+            gr.File(visible=False),
+            {},
+        )
+
+
+def search_products_api(keyword):
+    """
+    Tìm kiếm sản phẩm như Ctrl+F - substring matching.
+    Gọi API /search-products/ với keyword.
+    """
+    if not keyword or not keyword.strip():
+        return gr.update(choices=[], value=None), "⚠️ Vui lòng nhập từ khóa tìm kiếm"
+
+    try:
+        data = {
+            'keyword': keyword.strip(),
+        }
+        
+        response = requests.post(API_BASE_URL + "search-products/", data=data, timeout=30)
+        response.raise_for_status()
+        json_resp = response.json()
+        
+        if json_resp.get("status") == "success":
+            product_list = json_resp.get("product_list", [])
+            total = json_resp.get("total_results", len(product_list))
+            return (
+                gr.update(choices=product_list, value=None),
+                f"✅ Tìm thấy {total} sản phẩm chứa '{keyword.strip()}'"
+            )
+        else:
+            return gr.update(choices=[], value=None), "❌ Không tìm thấy kết quả"
+            
+    except requests.exceptions.Timeout:
+        return gr.update(choices=[], value=None), "⚠️ Request timeout - vui lòng thử lại"
+    except Exception as e:
+        return gr.update(choices=[], value=None), f"❌ Lỗi: {str(e)}"
+
+
+def save_edited_excel(df_editable):
+    """
+    Lưu DataFrame đã chỉnh sửa thành file Excel.
+    """
+    if df_editable is None or df_editable.empty:
+        return gr.File(visible=False), "⚠️ Không có dữ liệu để lưu!"
+    
+    try:
+        # Tìm cột sản phẩm để lọc
+        target_col = None
+        for col in df_editable.columns:
+            col_lower = col.lower().strip()
+            if col_lower in ('tên sản phẩm', 'ten san pham'):
+                target_col = col
+                break
+        
+        # Lọc bỏ dòng "Không phải sản phẩm Rạng Đông"
+        df_filtered = df_editable.copy()
+        removed_count = 0
+        if target_col:
+            mask = df_editable[target_col] == not_rd_label
+            removed_count = int(mask.sum())
+            df_filtered = df_editable[~mask].copy()
+        else:
+            df_filtered = df_editable.copy()
+            removed_count = 0
+        
+        result_file_name = "mapping_edited_" + datetime.now().strftime("%Y%m%d%H%M%S") + ".xlsx"
+        excel_path = os.path.join(tempfile.gettempdir(), result_file_name)
+        df_filtered.to_excel(excel_path, index=False)
+        
+        if removed_count > 0:
+            return gr.File(value=excel_path, visible=True), f"✅ Đã lưu file Excel! (Đã xóa {removed_count} dòng 'Không phải sản phẩm Rạng Đông')"
+        return gr.File(value=excel_path, visible=True), "✅ Đã lưu file Excel!"
+    except Exception as e:
+        return gr.File(visible=False), f"❌ Lỗi lưu file: {str(e)}"
+
+
+def on_cell_select(top5_data, df, evt: gr.SelectData):
+    """Khi user click vào ô trong bảng mapping → hiện floating menu nếu là cột sản phẩm"""
+    if df is None or (isinstance(df, pd.DataFrame) and df.empty):
+        return gr.update(visible=False), "", gr.update(choices=[], value=None), None, ""
+    
+    row_idx = evt.index[0]
+    col_idx = evt.index[1]
+    
+    # Tìm cột sản phẩm
+    product_col_idx = None
+    product_col_name = None
+    for i, col in enumerate(df.columns):
+        col_lower = col.lower().strip()
+        if col_lower == 'tên sản phẩm' or col_lower == 'ten san pham':
+            product_col_idx = i
+            product_col_name = col
+            break
+    
+    # Chỉ hiện floating menu khi click vào cột sản phẩm
+    if product_col_idx is None or col_idx != product_col_idx:
+        return gr.update(visible=False), "", gr.update(choices=[], value=None), None, ""
+    current_value = str(df.iloc[row_idx][product_col_name])
+    
+    # Gradio Serialize JSON nên array index (int) có thể bị parse thành kiểu string trong dictionary
+    top5 = []
+    if isinstance(top5_data, dict):
+        top5 = top5_data.get(row_idx, top5_data.get(str(row_idx), []))
+    
+    if not top5:
+        return (
+            gr.update(visible=True),
+            f"📝 Dòng {row_idx+1} - SP hiện tại: {current_value}",
+            gr.update(choices=["Không có đề xuất", not_rd_label], value=None),
+            row_idx,
+            current_value
+        )
+    
+    # Thêm option "Không phải sản phẩm Rạng Đông" vào cuối danh sách
+    choices_with_not_rd = top5 + [not_rd_label]
+    return (
+        gr.update(visible=True),
+        f"📝 Dòng {row_idx+1} - SP hiện tại: {current_value}",
+        gr.update(choices=choices_with_not_rd, value=None),
+        row_idx,
+        current_value
+    )
+
+
+def apply_product(df, selected_row_idx, selected_product, undo_history):
+    """Áp dụng sản phẩm đã chọn vào cột sản phẩm tại dòng đã click"""
+    if df is None or (isinstance(df, pd.DataFrame) and df.empty):
+        return df, undo_history, "⚠️ Không có dữ liệu"
+    
+    if selected_row_idx is None or selected_product is None:
+        return df, undo_history, "⚠️ Vui lòng click vào ô sản phẩm và chọn đề xuất"
+    
+    if selected_product in ["Không có đề xuất"]:
+        return df, undo_history, "⚠️ Sản phẩm không hợp lệ"
+    
+    row_idx = selected_row_idx
+    if row_idx < 0 or row_idx >= len(df):
+        return df, undo_history, "❌ Dòng không hợp lệ"
+    
+    # Tìm cột sản phẩm
+    target_col = None
+    for col in df.columns:
+        col_lower = col.lower().strip()
+        if col_lower == 'tên sản phẩm' or col_lower == 'ten san pham':
+            target_col = col
+            break
+    
+    if target_col is None:
+        return df, undo_history, "❌ Không tìm thấy cột sản phẩm"
+    
+    # Lưu undo history
+    old_value = str(df.iloc[row_idx][target_col])
+    if undo_history is None:
+        undo_history = []
+    undo_history = list(undo_history)  # Copy to avoid mutation
+    undo_history.append({
+        'row': row_idx,
+        'col': target_col,
+        'old_value': old_value
+    })
+    
+    # Áp dụng giá trị mới
+    df_updated = df.copy()
+    df_updated.at[row_idx, target_col] = selected_product
+    
+    return df_updated, undo_history, f"✅ Dòng {row_idx+1}: '{old_value}' → '{selected_product}'"
+
+
+def undo_change(df, undo_history):
+    """Hoàn tác thay đổi cuối cùng"""
+    if df is None or (isinstance(df, pd.DataFrame) and df.empty):
+        return df, undo_history, "⚠️ Không có dữ liệu"
+    
+    if not undo_history or len(undo_history) == 0:
+        return df, undo_history, "⚠️ Không có thay đổi nào để hoàn tác"
+    
+    undo_history = list(undo_history)  # Copy
+    last_change = undo_history.pop()
+    row = last_change['row']
+    col = last_change['col']
+    old_value = last_change['old_value']
+    
+    df_updated = df.copy()
+    current_value = str(df_updated.iloc[row][col])
+    df_updated.at[row, col] = old_value
+    
+    remaining = len(undo_history)
+    return df_updated, undo_history, f"↩ Dòng {row+1}: '{current_value}' → '{old_value}' (còn {remaining} thay đổi có thể hoàn tác)"
+
+
+# ====================== GRADIO UI ======================
+
+with gr.Blocks(title="NHẬP ĐƠN HÀNG ĐA PHƯƠNG THỨC") as demo:
+
+    # State variables
+    excel_base64_state = gr.State("")   # Lưu excel_data_base64 từ /information_extraction/
+    top5_state = gr.State({})           # Lưu top 5 đề xuất cho mỗi sản phẩm (key: row index)
+    undo_history_state = gr.State([])   # Lưu lịch sử thay đổi để undo
+    selected_row_state = gr.State(None) # Lưu row index đang được chọn từ DataFrame click
+
+    # ====================== HEADER ======================
+    with gr.Row():
+        with gr.Column(scale=0, min_width=120):
+            gr.Image(
+                value="logo_multimodal_invoice.jpg",
+                show_label=False,
+                elem_id="logo",
+                height=100,
+                width=100,
+                container=False,
+            )
+        with gr.Column():
+            gr.Markdown(
+                """
+                <div style='text-align: center;'>
+                    <h1 style='margin-bottom: 0.5em; font-size: 1.8em;'>📄 NHẬP ĐƠN HÀNG ĐA PHƯƠNG THỨC</h1>
+                </div>
+                """,
+                elem_id="main-title"
+            )
+
+    gr.Markdown("---")
+
+    # ====================== SECTION 1: MÃ NHÂN VIÊN - LLM MODEL ======================
+    with gr.Row(equal_height=True):
+        employee_code_input = gr.Textbox(
+            label="Mã nhân viên",
+            placeholder="Nhập mã nhân viên",
+            scale=1
+        )
+        llm_model_input = gr.Dropdown(
+            ["Gemini 2.5 Flash", "Gemini 2.5 Flash-Lite"],
+            value="Gemini 2.5 Flash",
+            label="Mô hình đa phương thức",
+            scale=1,
+            interactive=True
+        )
+
+    # ====================== SECTION 2: OCR + TRẠNG THÁI + CẤU HÌNH ======================
+    with gr.Row(equal_height=True):
+        # Cột 1: Upload + Xử lý
+        with gr.Column(scale=1):
+            uploaded_files = gr.File(
+                label="Tải lên file ZIP",
+                file_count="single",
+                file_types=[".zip"],
+                type="filepath"
+            )
+            process_btn = gr.Button("⚙️ Xử lý đơn hàng", variant="secondary")
+            progress = gr.Textbox(label="Trạng thái xử lý", interactive=False)
+
+        # Cột 2: Thông tin tiến trình
+        with gr.Column(scale=1):
+            current_file_text = gr.Textbox(label="Đang xử lý file", interactive=False)
+            file_time_output = gr.Textbox(label="Thời gian xử lý file", interactive=False, lines=4)
+            total_time_output = gr.Number(label="Tổng thời gian xử lý (giây)", interactive=False)
+
+        # Cột 3: Cấu hình tìm kiếm + Mapping
+        with gr.Column(scale=2):
+            gr.Markdown("#### ⚙️ Cấu hình tìm kiếm")
+            search_method = gr.Radio(
+                choices=["weighted", "rrf", "weighted_rrf", "rrf_cross_encoder"],
+                value="weighted",
+                label="Phương pháp Fusion",
+                info="Weighted: trọng số điểm | RRF: xếp hạng đảo | Weighted RRF: kết hợp | RRF+CE: rerank"
+            )
+            with gr.Group(visible=True) as weighted_config:
+                weight_slider = gr.Slider(
+                    minimum=0, maximum=1, value=0.7, step=0.1,
+                    label="Dense ↔ Sparse",
+                    info="Kéo trái → ưu tiên Sparse (từ khóa) | Kéo phải → ưu tiên Dense (ngữ nghĩa)"
+                )
+                weight_display = gr.Markdown(value="**Dense: 0.7** | **Sparse: 0.3**")
+            with gr.Group(visible=False) as rrf_config:
+                rrf_k_slider = gr.Slider(
+                    minimum=30, maximum=100, value=60, step=30,
+                    label="RRF K (hằng số làm mượt)",
+                    info="30: nhạy | 60: cân bằng | 100: ổn định"
+                )
+            use_prediction_checkbox = gr.Checkbox(
+                label="🤖 Tự động dự đoán danh mục (LLM Prediction)",
+                value=False,
+                info="Khi bật: tự động predict L1/L2/L3 cho mỗi sản phẩm qua LLM → filter search"
+            )
+            with gr.Row():
+                mapping_status = gr.Textbox(label="Trạng thái mapping", interactive=False, scale=2)
+                mapping_time = gr.Number(label="Thời gian (giây)", interactive=False, scale=1)
+            mapping_btn = gr.Button("🚀 BẮT ĐẦU MAPPING", variant="primary", size="lg")
+
+    # Hidden state: danh sách sản phẩm từ OCR
+    product_list = gr.Textbox(visible=True)
+
+    excel_download = gr.File(
+        label="Tải file Excel kết quả xử lý",
+        interactive=False,
+        visible=False
+    )
+
+    ocr_result = gr.Dataframe(
+        label="Kết quả nhận diện (OCR)",
+        wrap=True,
+        interactive=False
+    )
+
+    gr.Markdown("---")
+
+    # ====================== SECTION 3: KẾT QUẢ MAPPING ======================
+    gr.Markdown("### 📊 Kết quả Mapping")
+    gr.Markdown("*Click vào ô **Tên sản phẩm** để xem Top 5 đề xuất → Chọn sản phẩm → Áp dụng*")
+
+    mapping_result = gr.Dataframe(
+        label="Kết quả Mapping (click vào ô sản phẩm để thay thế)",
+        wrap=True,
+        interactive=True
+    )
+
+    # ====================== FLOATING MENU - TOP 5 ĐỀ XUẤT ======================
+    with gr.Group(visible=False) as floating_panel:
+        gr.Markdown("#### 🔄 Chọn sản phẩm thay thế")
+        floating_product_display = gr.Textbox(
+            label="Sản phẩm đang chọn",
+            interactive=False
+        )
+        floating_top5_radio = gr.Radio(
+            label="Top 5 sản phẩm đề xuất (chọn 1 để thay thế)",
+            choices=[],
+            interactive=True
+        )
+        with gr.Row():
+            floating_apply_btn = gr.Button("✅ Áp dụng", variant="primary", scale=1)
+            floating_undo_btn = gr.Button("↩ Hoàn tác", variant="secondary", scale=1)
+            floating_status = gr.Textbox(label="Trạng thái", interactive=False, scale=3)
+
+    gr.Markdown("---")
+
+    # ====================== TÌM KIẾM MỞ RỘNG ======================
+    with gr.Accordion("🔍 Tìm kiếm mở rộng (nếu Top 5 không phù hợp)", open=False):
+        gr.Markdown("*Tìm kiếm như Ctrl+F trong danh sách sản phẩm → chọn sản phẩm → áp dụng vào dòng đã click ở bảng trên*")
+
+        with gr.Row():
+            search_keyword = gr.Textbox(
+                label="Từ khóa tìm kiếm (tự động cập nhật khi click vào ô sản phẩm)",
+                placeholder="Click vào ô sản phẩm ở bảng trên hoặc nhập từ khóa...",
+                interactive=True,
+                scale=2
+            )
+            search_btn = gr.Button("🔍 Tìm kiếm", variant="secondary", scale=1)
+
+        search_status = gr.Textbox(label="Trạng thái tìm kiếm", interactive=False)
+
+        search_results = gr.Dropdown(
+            label="Kết quả tìm kiếm (chọn sản phẩm)",
+            choices=[],
+            interactive=True,
+            allow_custom_value=True
+        )
+
+        apply_search_btn = gr.Button("✅ Áp dụng sản phẩm từ tìm kiếm", variant="primary")
+
+    gr.Markdown("---")
+
+    # ====================== TẢI FILE EXCEL KẾT QUẢ ======================
+    with gr.Row():
+        save_btn = gr.Button("💾 Lưu Excel đã chỉnh sửa", variant="primary")
+        save_status = gr.Textbox(label="Trạng thái lưu", interactive=False, scale=2)
+
+    mapping_download = gr.File(
+        label="Tải file Excel kết quả",
+        interactive=False,
+        visible=False
+    )
+
+    # ====================== EVENT HANDLERS ======================
+
+    # Xử lý file ZIP → hiện kết quả OCR → cập nhật product_list
+    process_btn.click(
+        fn=process_zip_with_api,
+        inputs=[employee_code_input, uploaded_files, llm_model_input],
+        outputs=[progress, file_time_output, total_time_output, ocr_result, excel_download, excel_base64_state]
+    ).then(
+        fn=lambda excel_base64: get_products_from_excel_api(excel_base64, "Tên sản phẩm"),
+        inputs=[excel_base64_state],
+        outputs=[product_list, current_file_text]
+    )
+
+    # Mapping sản phẩm
+    mapping_btn.click(
+        fn=call_mapping_api,
+        inputs=[product_list, search_method, weight_slider, rrf_k_slider, excel_base64_state, use_prediction_checkbox],
+        outputs=[mapping_status, mapping_time, mapping_result, mapping_download, top5_state]
+    )
+
+    # Click vào ô sản phẩm → hiện floating menu + cập nhật ô tìm kiếm
+    mapping_result.select(
+        fn=on_cell_select,
+        inputs=[top5_state, mapping_result],
+        outputs=[floating_panel, floating_product_display, floating_top5_radio, selected_row_state, search_keyword]
+    )
+
+    # Áp dụng sản phẩm đã chọn từ Top 5
+    floating_apply_btn.click(
+        fn=apply_product,
+        inputs=[mapping_result, selected_row_state, floating_top5_radio, undo_history_state],
+        outputs=[mapping_result, undo_history_state, floating_status]
+    )
+
+    # Hoàn tác thay đổi cuối cùng
+    floating_undo_btn.click(
+        fn=undo_change,
+        inputs=[mapping_result, undo_history_state],
+        outputs=[mapping_result, undo_history_state, floating_status]
+    )
+
+    # Tìm kiếm sản phẩm mở rộng
+    search_btn.click(
+        fn=search_products_api,
+        inputs=[search_keyword],
+        outputs=[search_results, search_status]
+    )
+
+    # Áp dụng sản phẩm từ tìm kiếm mở rộng
+    apply_search_btn.click(
+        fn=apply_product,
+        inputs=[mapping_result, selected_row_state, search_results, undo_history_state],
+        outputs=[mapping_result, undo_history_state, floating_status]
+    )
+
+    # Dynamic UI: Show/hide config based on method selection
+    def update_method_visibility(method):
+        if method == "weighted":
+            return gr.update(visible=True), gr.update(visible=False)
+        elif method == "rrf":
+            return gr.update(visible=False), gr.update(visible=True)
+        elif method == "rrf_cross_encoder":
+            return gr.update(visible=False), gr.update(visible=True)
+        else:  # weighted_rrf: hiện cả hai
+            return gr.update(visible=True), gr.update(visible=True)
+
+    search_method.change(
+        fn=update_method_visibility,
+        inputs=[search_method],
+        outputs=[weighted_config, rrf_config]
+    )
+
+    # Update weight display when slider changes
+    def update_weight_display(value):
+        dense = round(value, 1)
+        sparse = round(1.0 - value, 1)
+        return f"**Dense: {dense}** | **Sparse: {sparse}**"
+
+    weight_slider.change(
+        fn=update_weight_display,
+        inputs=[weight_slider],
+        outputs=[weight_display]
+    )
+
+    # Lưu Excel đã chỉnh sửa
+    save_btn.click(
+        fn=save_edited_excel,
+        inputs=[mapping_result],
+        outputs=[mapping_download, save_status]
+    )
+
+
+if __name__ == "__main__":
     demo.launch(inbrowser=True, share=False)