import accelerate
import gradio as gr
import joblib
import numpy as np
import requests
import torch
import os
from transformers import AutoModelForCausalLM, AutoTokenizer
from langchain.memory import ConversationBufferMemory

# Configuración del modelo de lenguaje
MODEL_NAME = "PlanTL-GOB-ES/roberta-base-bne"
device = "cuda" if torch.cuda.is_available() else "cpu"
HF_TOKEN = os.getenv("HF_TOKEN")  # Token de Hugging Face

if not HF_TOKEN:
    raise ValueError("❌ ERROR: No se encontró HF_TOKEN. Asegúrate de definirlo en las variables de entorno.")

print("🔄 Cargando modelo de lenguaje...")
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, token=HF_TOKEN)

model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    torch_dtype=torch.float32,  # ⚠️ Float32 es mejor para CPU
    device_map="auto",
    token=HF_TOKEN
)

# Memoria conversacional
memory = ConversationBufferMemory()

# API de Node-RED
NODE_RED_URL = "https://appairedecolmena.es/colmena1/datos"
USERNAME = "user"
PASSWORD = "velutina"

def obtener_datos_colmena():
    """Obtiene los datos más recientes de Node-RED con autenticación."""
    try:
        respuesta = requests.get(NODE_RED_URL, auth=(USERNAME, PASSWORD), timeout=5)
        if respuesta.status_code == 200:
            datos = respuesta.json()
            print("🔍 Datos recibidos de Node-RED:", datos)  # ⬅️ Muestra los datos en la terminal
            if "data" in datos and isinstance(datos["data"], list) and datos["data"]:
                return datos["data"][-1]  # Último registro
            return {"error": "No hay datos recientes en Node-RED."}
        else:
            return {"error": f"Error en la API: {respuesta.status_code}"}
    except Exception as e:
        return {"error": str(e)}

def conversar_con_colmena(mensaje):
    """Genera una respuesta basada en el estado de la colmena sin reglas fijas."""
    datos = obtener_datos_colmena()
    if "error" in datos:
        return datos["error"]
    
    contexto = f"""
    Datos actuales de la colmena:
    - Temperatura interior: {datos.get("temperaturaInterior", "Desconocida")}°C
    - Humedad interior: {datos.get("humedadInterior", "Desconocida")}%
    - Nivel de CO₂: {datos.get("co2", "Desconocido")} ppm
    - Estado del ventilador: {"Encendido" if datos.get("ver_ventilador") == "1" else "Apagado"}
    - Estado del calefactor: {"Encendido" if datos.get("ver_calefactor") == "1" else "Apagado"}
    - Estado del ultrasonido: {"Encendido" if datos.get("ver_ultrasonido") == "1" else "Apagado"}

    Basándote en estos datos, responde como un experto en apicultura y monitoreo de colmenas. Explica cómo está la colmena y si hay algún problema que deba resolverse.
    
    Usuario: {mensaje}
    Colmena:
    """
    
    inputs = tokenizer(contexto, return_tensors="pt").to(device)

    print(f"🔄 Enviando entrada al modelo: {contexto}")  
    
    with torch.no_grad():
        output = model.generate(
            **inputs,
            max_new_tokens=100,  # 🔽 Limitamos la respuesta para que sea rápida
            do_sample=True,
            top_k=40,  # 🔽 Controla la aleatoriedad
            temperature=0.6,  # 🔽 Mantiene precisión en la respuesta
            pad_token_id=tokenizer.eos_token_id
        )

    respuesta = tokenizer.decode(output[0], skip_special_tokens=True).strip()
    print(f"✅ Respuesta generada por la IA: '{respuesta}'")

    if not respuesta:
        return "🤖 No pude generar una respuesta. Inténtalo de nuevo con otra pregunta."

    return respuesta

iface = gr.Interface(
    fn=conversar_con_colmena,
    inputs="text",
    outputs="text",
    title="🐝 Chat con la Colmena",
    description="Consulta el estado de la colmena y recibe respuestas generadas por IA en tiempo real."
)

iface.launch()