import gradio as gr
import openai
import os
import openai
from openai import OpenAI
from gdmk_aux import generacion_llm

api_key = os.getenv("OPENAI_KEY")
client = OpenAI(api_key=api_key)

# Define the LLM function
def generacion_llm(texto_input):
    # Define the system and user messages
    formato_json = '''
      {
        "nombre_usuario": "           ",
        "ubicación_geográfica": "        ",
        "descripción_reto": "            ",
        "dudas_conceptuales": "            ",
        "certezas_conceptuales": "          ",
        "expectativas_del_taller": "            "
      }
    '''
    
    mensaje_sistema = (
        "Eres un experto en identificar aspectos descriptivos de las razones "
        "por las cuales un usuario necesita asesoría para implementar retos "
        "que involucren inteligencia artificial de varios tipos."
    )
    
    mensaje_usuario = (
        f"Analizar el texto: \nTexto a Analizar: {texto_input}, que es una redacción \
        libre de un usuario que busca asesoría para su uso óptimo de la inteligencia \
        artificial, que busca orientación a través de un taller de asesoría de un facilitador, \
        para lo cual te pido identifiques los siguientes extractos del texto \
        en el formato JSON: {formato_json}\n Si no hubiera claridad suficiente sobre alguno \
        de los contenidos del formato JSON, escribir 'No hay suficiente información'"
    )

    version_model = 'gpt-3.5-turbo-0125'

    # Call OpenAI API
    try:
        response = client.chat.completions.create(
            model=version_model,
            messages=[
                {"role": "system", "content": mensaje_sistema},
                {"role": "user", "content": mensaje_usuario}
            ],
            temperature=0.8,
            max_tokens=300,
            top_p=1,

        )

        # Extract the generated text from the response
        texto_respuesta = response.choices[0].message.content
        
        # Try parsing as JSON (if applicable)
        return texto_respuesta  # Return plain text for now (replace with JSON if needed)
    except Exception as e:
        return f"Error: {e}"

# Define Gradio app
with gr.Blocks() as interface:
    # Title and description
    gr.Markdown(
    """
    # Estructurador de Autodiagnóstico
    Ingrese el texto para analizar y extraer información en un formato JSON predefinido.
    
    Asegúrese de incluir, no necesariamente en orden:
    * Nombre de usuario.
    * Ubicación geográfica (ciudad, país).
    * Descripción de su reto.
    * Dudas conceptuales sobre tecnologías cognitivas.
    * Certezas conceptuales.
    * Expectativas del taller.
    """
    )
    # Input and output components
    input_text = gr.Textbox(label="Ingrese su texto libre para estructurar.")
    output_json = gr.Textbox(label="Resultado JSON")
    submit_button = gr.Button("Procesar")

    # Link the input/output and function
    submit_button.click(fn=generacion_llm, inputs=input_text, outputs=output_json)

    gr.Markdown(
        """Potenciado por GestioDinámica©2024"""
    )
    gr.Image('gdmk_logo.png')
# Launch the interface
interface.launch(share=True)