import gradio as gr
import os
import json
from datetime import datetime
import logging
import threading

# Configuración de logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# Importar módulos personalizados
from model_manager import ModelManager
from api_agent import APIAgent
from prompt_generator import PromptGenerator

# Inicializar componentes
model_manager = ModelManager()
api_agent = APIAgent()
prompt_generator = PromptGenerator()

class BATUTOChatbot:
    def __init__(self):
        self.conversation_history = []
        self.config = {
            'deepseek_api_key': '',
            'openai_api_key': '', 
            'max_tokens': 400,
            'temperature': 0.7
        }
    
    def update_config(self, deepseek_key, openai_key, max_tokens, temperature):
        """Actualiza la configuración desde la UI"""
        updated = False
        
        if deepseek_key:
            self.config['deepseek_api_key'] = deepseek_key
            updated = True
        if openai_key:
            self.config['openai_api_key'] = openai_key
            updated = True
        if max_tokens:
            self.config['max_tokens'] = int(max_tokens)
            updated = True
        if temperature:
            self.config['temperature'] = float(temperature)
            updated = True
            
        # Actualizar agentes
        model_manager.set_config(self.config)
        api_agent.set_config(self.config)
        
        return 'Configuración actualizada' if updated else 'Sin cambios'
    
    def get_system_status(self):
        """Obtiene el estado del sistema"""
        has_deepseek = bool(self.config.get('deepseek_api_key'))
        has_openai = bool(self.config.get('openai_api_key'))
        models_loaded = model_manager.loaded
        
        status_html = f'''
        <div style='padding: 15px; border-radius: 10px; background: #f8f9fa; border: 2px solid #e9ecef;'>
            <h4 style='margin-top: 0;'>Estado del Sistema</h4>
            <p><strong>Modelos locales:</strong> {'Cargados' if models_loaded else 'Cargando...'}</p>
            <p><strong>DeepSeek API:</strong> {'Configurada' if has_deepseek else 'No configurada'}</p>
            <p><strong>OpenAI API:</strong> {'Configurada' if has_openai else 'No configurada'}</p>
            <p><strong>Mensajes en sesión:</strong> {len(self.conversation_history)}</p>
        </div>
        '''
        return status_html
    
    def chat_response(self, message, history):
        """Genera respuesta del chatbot optimizado para HF"""
        if not message.strip():
            return ''
        
        # Mostrar indicador de typing
        yield 'Procesando...'
        
        try:
            # Detectar intención y mejorar prompt
            intent = prompt_generator.detect_intent(message)
            enhanced_prompt = prompt_generator.enhance_prompt(message, intent)
            
            # Intentar usar APIs primero
            api_result = api_agent.generate_response(enhanced_prompt, intent['is_code'])
            
            if api_result['response']:
                # Usar respuesta de API
                response_text = api_result['response']
                source = api_result['source']
            else:
                # Usar modelo local como fallback
                response_text = model_manager.generate_local_response(
                    enhanced_prompt, 
                    intent['is_code'],
                    max_length=200
                )
                source = 'local'
            
            # Agregar metadata a la respuesta
            metadata = f'\n\n---\nFuente: {source.upper()}'
            if intent['is_code']:
                metadata += f' | Tipo: Código'
            else:
                metadata += f' | Tipo: Conversación'
            
            full_response = response_text + metadata
            
            # Guardar en historial
            self.conversation_history.append({
                'timestamp': datetime.now().isoformat(),
                'user': message,
                'bot': response_text,
                'source': source,
                'intent': intent
            })
            
            yield full_response
            
        except Exception as e:
            error_msg = f'Error: {str(e)}'
            logger.error(f'Error en chat_response: {e}')
            yield error_msg
    
    def clear_conversation(self):
        """Limpia la conversación"""
        self.conversation_history.clear()
        return None, []

# Crear instancia del chatbot
chatbot = BATUTOChatbot()

# Cargar modelos al inicio (async)
def load_models_async():
    logger.info('Cargando modelos en segundo plano...')
    model_manager.load_models()
    logger.info('Modelos cargados exitosamente')

# Iniciar carga de modelos
model_loader = threading.Thread(target=load_models_async, daemon=True)
model_loader.start()

# Configuración de la interfaz Gradio para HF
with gr.Blocks(
    title='BATUTO Chatbot - Asistente Educativo',
    theme=gr.themes.Soft(),
    css='''
    .gradio-container {
        max-width: 1000px !important;
        margin: auto;
    }
    .chat-container {
        height: 500px;
    }
    .status-panel {
        background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
        padding: 20px;
        border-radius: 10px;
        color: white;
    }
    '''
) as demo:
    
    gr.Markdown('''
    # BATUTO Chatbot - Asistente Educativo
    **Sistema inteligente con modelos locales y APIs externas**  
    *Desplegado en Hugging Face Spaces - Versión Optimizada*
    ''')
    
    with gr.Row():
        with gr.Column(scale=2):
            # Área de chat
            gr.Markdown('### Conversación')
            chatbot_interface = gr.Chatbot(
                label='Chat con BATUTO',
                height=400,
                show_copy_button=True,
                container=True
            )
            msg = gr.Textbox(
                label='Escribe tu mensaje',
                placeholder='Pregunta sobre programación, explica conceptos, pide ejemplos...',
                lines=2,
                max_lines=4
            )
            
            with gr.Row():
                submit_btn = gr.Button('Enviar', variant='primary')
                clear_btn = gr.Button('Limpiar', variant='secondary')
        
        with gr.Column(scale=1):
            # Panel de estado
            gr.Markdown('### Estado del Sistema')
            status_display = gr.HTML()
            
            # Configuración rápida
            with gr.Accordion('Configuración Rápida', open=False):
                with gr.Group():
                    deepseek_key = gr.Textbox(
                        label='DeepSeek API Key',
                        type='password',
                        placeholder='sk-...',
                        info='Opcional - para respuestas mejoradas'
                    )
                    openai_key = gr.Textbox(
                        label='OpenAI API Key', 
                        type='password',
                        placeholder='sk-...',
                        info='Opcional - alternativa'
                    )
                    
                    with gr.Row():
                        max_tokens = gr.Slider(
                            label='Tokens máx',
                            minimum=100,
                            maximum=800,
                            value=400,
                            step=50
                        )
                        temperature = gr.Slider(
                            label='Temperatura',
                            minimum=0.1,
                            maximum=1.0,
                            value=0.7,
                            step=0.1
                        )
                    
                    save_config_btn = gr.Button('Guardar Config', size='sm')
                    config_output = gr.Textbox(label='Estado', interactive=False)
            
            # Información
            with gr.Accordion('Cómo usar', open=True):
                gr.Markdown('''
                **Ejemplos:**
                - Muéstrame una función Python para ordenar listas
                - Explica qué es machine learning
                - Corrige este código: [tu código]
                
                **Fuentes:**
                1. DeepSeek API (si se configura)
                2. OpenAI API (si se configura)  
                3. Modelos locales (fallback)
                ''')
    
    # Event handlers
    def handle_submit(message, history):
        if not message.strip():
            return '', history
        return '', history + [[message, None]]
    
    # Conectar el botón de enviar
    submit_btn.click(
        handle_submit,
        inputs=[msg, chatbot_interface],
        outputs=[msg, chatbot_interface]
    ).then(
        chatbot.chat_response,
        inputs=[msg, chatbot_interface],
        outputs=[chatbot_interface]
    )
    
    # Enter también envía
    msg.submit(
        handle_submit,
        inputs=[msg, chatbot_interface],
        outputs=[msg, chatbot_interface]
    ).then(
        chatbot.chat_response,
        inputs=[msg, chatbot_interface],
        outputs=[chatbot_interface]
    )
    
    # Limpiar chat
    clear_btn.click(
        chatbot.clear_conversation,
        outputs=[msg, chatbot_interface]
    )
    
    # Configuración
    save_config_btn.click(
        chatbot.update_config,
        inputs=[deepseek_key, openai_key, max_tokens, temperature],
        outputs=[config_output]
    ).then(
        chatbot.get_system_status,
        outputs=[status_display]
    )
    
    # Actualizar estado al cargar
    demo.load(
        chatbot.get_system_status,
        outputs=[status_display]
    )

# Configuración específica para Hugging Face Spaces
if __name__ == '__main__':
    demo.launch(
        server_name='0.0.0.0',
        server_port=7860,
        share=True,
        show_error=True,
        debug=False
    )