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, 
    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()
            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 generar_recomendacion(datos):
    """Genera recomendaciones basadas en el estado de la colmena."""

    # ✅ Convertimos a float para evitar errores
    temperaturaInterior = float(datos.get("temperaturaInterior", 0))
    humedadInterior = float(datos.get("humedadInterior", 0))
    co2 = float(datos.get("co2", 0))

    recomendaciones = []

    if temperaturaInterior > 35:
        recomendaciones.append("🌡 La temperatura interior es alta. Podrías mejorar la ventilación para evitar el sobrecalentamiento de la colmena.")
    elif temperaturaInterior < 20:
        recomendaciones.append("❄ La temperatura interior es baja. Asegúrate de que la calefacción funcione correctamente para evitar estrés en las abejas.")

    if humedadInterior > 80:
        recomendaciones.append("💧 La humedad es alta. Esto puede favorecer hongos y enfermedades. Asegúrate de que la ventilación sea adecuada.")
    elif humedadInterior < 40:
        recomendaciones.append("🔥 La humedad es baja. Las abejas necesitan un nivel de humedad adecuado para la crianza, podrías aumentar la humedad si es necesario.")

    if co2 > 1000:
        recomendaciones.append("🌿 El nivel de CO₂ es alto. Esto puede indicar problemas de ventilación. Verifica que el sistema de ventilación esté activo.")

    if not recomendaciones:
        recomendaciones.append("✅ Todo parece estar en orden. Sigue monitoreando regularmente para asegurar el bienestar de la colmena.")

    return "\n".join(recomendaciones)

def conversar_con_colmena(mensaje):
    """Genera una respuesta combinando el modelo de lenguaje con recomendaciones sobre la colmena."""
    datos = obtener_datos_colmena()
    if "error" in datos:
        return datos["error"]
    
    datos_relevantes = generar_recomendacion(datos)
    
    contexto = f"Datos actuales de la colmena: {datos_relevantes}\nUsuario: {mensaje}\nColmena:"
    inputs = tokenizer(contexto, return_tensors="pt").to(device)

    print(f"🔄 Enviando entrada al modelo: {contexto}")  
    
    with torch.no_grad():
        output = model.generate(
            **inputs,
            max_length=100,  
            do_sample=True,
            top_k=50,
            temperature=0.7,
            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 f"{datos_relevantes}\n\n🤖 Respuesta de la IA: {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 recomendaciones."
)

iface.launch()