from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
from fastapi.middleware.cors import CORSMiddleware
import logging

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

app = FastAPI()

# Enable CORS
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],  # Allow all origins (replace with your frontend URL in production)
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

# Load your fine-tuned model and tokenizer
MODEL_NAME = "aubmindlab/aragpt2-medium"

try:
    tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
    model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
except Exception as e:
    logger.error(f"Failed to load model or tokenizer: {str(e)}")
    raise RuntimeError(f"Failed to load model or tokenizer: {str(e)}")

# Define the general prompt template
general_prompt_template = """
أنت الآن نموذج لغة مخصص لتوليد نصوص عربية تعليمية بناءً على المادة والمستوى التعليمي. سيتم إعطاؤك مادة تعليمية ومستوى تعليمي، وعليك إنشاء نص مناسب بناءً على ذلك. النص يجب أن يكون:
1. واضحًا وسهل الفهم.
2. مناسبًا للمستوى التعليمي المحدد.
3. مرتبطًا بالمادة التعليمية المطلوبة.
4. قصيرًا ومباشرًا.

### أمثلة:
1. المادة: العلوم
   المستوى: الابتدائي
   النص: النباتات كائنات حية تحتاج إلى الماء والهواء وضوء الشمس لتنمو. بعض النباتات تنتج أزهارًا وفواكه. النباتات تساعدنا في الحصول على الأكسجين.

2. المادة: التاريخ
   المستوى: المتوسط
   النص: التاريخ هو دراسة الماضي وأحداثه المهمة. من خلال التاريخ، نتعلم عن الحضارات القديمة مثل الحضارة الفرعونية والحضارة الإسلامية. التاريخ يساعدنا على فهم تطور البشرية.

3. المادة: الجغرافيا
   المستوى: المتوسط
   النص: الجغرافيا هي دراسة الأرض وخصائصها. نتعلم عن القارات والمحيطات والجبال. الجغرافيا تساعدنا على فهم العالم من حولنا.

---

المادة: {المادة}
المستوى: {المستوى}

اكتب نصًا مناسبًا بناءً على المادة والمستوى المحددين. ركّز على جعل النص بسيطًا وواضحًا للمستوى المطلوب.
"""

class GenerateRequest(BaseModel):
    المادة: str
    المستوى: str

@app.post("/generate")
def generate_text(request: GenerateRequest):
    المادة = request.المادة
    المستوى = request.المستوى

    logger.info(f"Received request: المادة={المادة}, المستوى={المستوى}")

    if not المادة or not المستوى or not isinstance(المادة, str) or not isinstance(المستوى, str):
        logger.error("المادة والمستوى مطلوبان ويجب أن يكونا نصًا.")
        raise HTTPException(status_code=400, detail="المادة والمستوى مطلوبان ويجب أن يكونا نصًا.")

    try:
        # Format the prompt with user inputs
        arabic_prompt = general_prompt_template.format(المادة=المادة, المستوى=المستوى)
        logger.info(f"Formatted prompt: {arabic_prompt}")

        # Tokenize the prompt
        inputs = tokenizer(arabic_prompt, return_tensors="pt", max_length=512, truncation=True)

        # Generate text
        with torch.no_grad():
            outputs = model.generate(
                inputs.input_ids,
                max_length=300,
                num_return_sequences=1,
                temperature=0.1,
                top_p=0.9,
                do_sample=True,
            )

        # Decode the generated text
        generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
        logger.info(f"Generated text: {generated_text}")

        # Remove the prompt from the generated text
        generated_text = generated_text.replace(arabic_prompt, "").strip()

        return {"generated_text": generated_text}

    except Exception as e:
        logger.error(f"Error during text generation: {str(e)}")
        raise HTTPException(status_code=500, detail=f"Error during text generation: {str(e)}")

@app.get("/")
def read_root():
    return {"message": "Welcome to the Arabic Text Generation API!"}