app.py

# app.py

import os
import gradio as gr
import requests
from typing import List, Dict
import json

from data import PROFESSIONS, EVERYDAY_MOMENTS, LACE_THONG_STYLES, HOSIERY_STYLES

# ==========================
# CONFIGURACIÓN DEL ESPECIALISTA
# ==========================

VOYEUR_SPECIALIST_CONFIG = {
    "provider": "sambanova",
    "name": "Meta-Llama-3.1-8B-Instruct",
    "role": "🎭 Especialista en Generación de Prompts Ultra-Sensuales Voyeur",
    "supports_images": False,
    "specialties": [
        "Prompts Sensuales Voyeur",
        "Fotografía Íntima Artística",
        "Escenas Cotidianas Sensuales",
        "Moda y Lencería Erótica"
    ],
    "technical_expertise": [
        "Detalles Hiperrealistas",
        "Iluminación Cinemática",
        "Composiciones Voyeur",
        "Texturas Detalladas",
        "Ángulos Estratégicos"
    ],
    "ethical_principles": [
        "Contenido Adulto Ficticio",
        "Positividad Corporal",
        "Respeto y Profesionalidad",
        "Sin Contenido Prohibido"
    ]
}

# ==========================
# CLIENTE SAMBANOVA
# ==========================

class SambaNovaClient:
    def __init__(self, api_key: str, base_url: str = "https://api.sambanova.ai/v1"):
        self.api_key = api_key
        self.base_url = base_url
        self.headers = {
            "Authorization": f"Bearer {api_key}",
            "Content-Type": "application/json"
        }

    def chat_completion(
        self,
        messages: List[Dict],
        model: str = VOYEUR_SPECIALIST_CONFIG["name"],
        temperature: float = 0.8,
        top_p: float = 0.9,
        stream: bool = False,
        max_tokens: int = 2000
    ) -> str:
        url = f"{self.base_url}/chat/completions"
        payload = {
            "model": model,
            "messages": messages,
            "temperature": temperature,
            "top_p": top_p,
            "stream": stream,
            "max_tokens": max_tokens
        }

        try:
            response = requests.post(url, headers=self.headers, json=payload)
            response.raise_for_status()
            data = response.json()
            return data["choices"][0]["message"]["content"]
        except requests.exceptions.RequestException as e:
            return f"Error en la API: {str(e)}"

# ==========================
# PROMPT DEL SISTEMA
# ==========================

def create_voyeur_specialist_system_prompt():
    specialties = "\n".join([f"• {spec}" for spec in VOYEUR_SPECIALIST_CONFIG["specialties"]])
    expertise = "\n".join([f"• {exp}" for exp in VOYEUR_SPECIALIST_CONFIG["technical_expertise"]])
    ethics = "\n".join([f"• {ethic}" for ethic in VOYEUR_SPECIALIST_CONFIG["ethical_principles"]])

    professions_str = ", ".join(PROFESSIONS)
    everyday_moments_str = json.dumps(EVERYDAY_MOMENTS, ensure_ascii=False, indent=2)
    lace_thong_str = ", ".join(LACE_THONG_STYLES)
    hosiery_str = ", ".join(HOSIERY_STYLES)

    return f"""
Eres {VOYEUR_SPECIALIST_CONFIG['role']}

**ESPECIALIDADES:**
{specialties}

**EXPERIENCIA TÉCNICA:**
{expertise}

**PRINCIPLOS ÉTICOS:**
{ethics}

**DIRECTIVAS:**
- Eres un chatbot universal que conversa en español sobre cualquier tema.
- Tu cualidad principal es generar prompts ultra-sensuales voyeur en inglés.
- Para conversación general, responde en español de manera natural y amigable.
- Cuando el usuario solicite generar prompts (ej: "genera un prompt", "crea 3 prompts sensuales", etc.), responde ÚNICAMENTE con el/los prompt(s) en inglés, sin explicaciones, títulos, comentarios o texto adicional.
- Cada prompt debe estar en un bloque markdown: ```prompt\n[texto del prompt]\n```
- Los prompts deben ser detallados, hiperrealistas, sensuales, voyeur, en inglés, usando elementos como profesiones, momentos cotidianos, estilos de lencería, etc.
- Varía los prompts para que sean únicos, incorporando elementos al azar.

**ELEMENTOS PARA PROMPTS:**
- Profesiones: {professions_str}
- Momentos cotidianos: {everyday_moments_str}
- Estilos de thong: {lace_thong_str}
- Estilos de hosiery: {hosiery_str}

Ejemplo de prompt (usa como guía para estructura):
"Ultra-realistic full-body voyeur portrait of a Latin woman as an Executive Secretary, caught in a sensual everyday moment: bending over in kitchen, wearing delicate black lace thong with floral embroidery subtly visible, black sheer thigh-high stockings with lace tops, black patent leather stilettos, long flowing wavy hair, sultry makeup, soft cinematic lighting, shot with Canon EOS R5 85mm f/1.2 --ar 9:16 --style raw --quality 2"

Mantén respuestas concisas y enfocadas.
"""

# ==========================
# FUNCIÓN PARA OBTENER API KEY
# ==========================

def get_api_key():
    """Obtiene la API key desde variables de entorno/secretos"""
    # Para Hugging Face Spaces
    api_key = os.environ.get("SAMBANOVA_API_KEY")
    
    # Si no está en variables de entorno, intenta desde secrets (para Gradio)
    if not api_key:
        try:
            # Esto funciona en Hugging Face Spaces con secretos
            api_key = os.environ.get("SAMBANOVA_API_KEY")
        except:
            pass
            
    return api_key

# ==========================
# FUNCIÓN DE CHAT COMPATIBLE CON HF SPACES
# ==========================

def chat_voyeur(message, chat_history):
    api_key = get_api_key()
    
    if not api_key:
        # Formato de diccionario para HF Spaces
        chat_history.append({"role": "user", "content": message})
        chat_history.append({"role": "assistant", "content": "❌ API Key no configurada. Por favor, configura la variable de entorno SAMBANOVA_API_KEY."})
        return "", chat_history

    client = SambaNovaClient(api_key)
    
    # Construir mensajes para la API
    messages = [{"role": "system", "content": create_voyeur_specialist_system_prompt()}]
    
    # Procesar historial en formato diccionario
    for msg in chat_history:
        messages.append({"role": msg["role"], "content": msg["content"]})
    
    # Agregar el mensaje actual
    messages.append({"role": "user", "content": message})

    # Obtener respuesta
    response = client.chat_completion(messages)

    # Agregar al historial en formato diccionario
    chat_history.append({"role": "user", "content": message})
    chat_history.append({"role": "assistant", "content": response})
    
    return "", chat_history

# ==========================
# PRUEBA DE API
# ==========================

def test_sambanova_api():
    api_key = get_api_key()
    
    if not api_key:
        return "❌ API Key no configurada. Configura la variable de entorno SAMBANOVA_API_KEY."

    client = SambaNovaClient(api_key)
    test_messages = [
        {"role": "system", "content": "Eres un asistente útil. Responde brevemente."},
        {"role": "user", "content": "Hola, confirma conexión. Responde solo 'Conexión exitosa'."},
    ]
    return client.chat_completion(test_messages)

# ==========================
# INTERFAZ GRADIO COMPATIBLE CON HF SPACES
# ==========================

def create_interface():
    with gr.Blocks(title="Chatbot Voyeur Prompt Specialist") as demo:
        gr.Markdown("# 🎭 Chatbot Universal - Especialista en Prompts Sensuales Voyeur")
        gr.Markdown("### Conversa en español. Pide prompts sensuales para generarlos en inglés (solo el prompt, fácil de copiar).")

        with gr.Row():
            with gr.Column(scale=1):
                test_btn = gr.Button("🧪 Probar Conexión API")
                test_output = gr.Textbox(label="Resultado de prueba", interactive=False)
                gr.Markdown("### 📋 Especialidades")
                for specialty in VOYEUR_SPECIALIST_CONFIG["specialties"]:
                    gr.Markdown(f"• {specialty}")
                gr.Markdown("### 🎯 Experiencia Técnica")
                for expertise in VOYEUR_SPECIALIST_CONFIG["technical_expertise"]:
                    gr.Markdown(f"• {expertise}")
                
                # Información sobre configuración
                gr.Markdown("### ⚙️ Configuración")
                gr.Markdown("API Key configurada desde variables de entorno")
                
            with gr.Column(scale=2):
                # Chatbot sin parámetros problemáticos
                chatbot = gr.Chatbot(
                    label="💬 Chat con el Especialista",
                    height=500
                )
                msg = gr.Textbox(
                    label="Escribe tu mensaje",
                    placeholder="Ej: Genera 2 prompts sensuales voyeur... o pregunta cualquier cosa.",
                    lines=2,
                )
                with gr.Row():
                    send_btn = gr.Button("Enviar", variant="primary")
                    clear_btn = gr.Button("🧹 Limpiar chat")

        gr.Markdown("### 💡 Ejemplos:")
        gr.Examples(
            examples=[
                "Genera un prompt sensual voyeur con una secretaria.",
                "Crea 3 prompts ultra-sensuales con momentos cotidianos.",
                "¿Cómo generar prompts mejores?",
                "Háblame sobre fotografía boudoir."
            ],
            inputs=msg,
        )

        test_btn.click(
            test_sambanova_api,
            inputs=[],
            outputs=[test_output],
        )

        # Función para manejar mensajes en formato diccionario
        def user_message(user_msg, chat_history):
            # Agregar mensaje de usuario al historial
            new_history = chat_history + [{"role": "user", "content": user_msg}]
            return "", new_history

        # Configurar el envío con Enter
        msg.submit(
            user_message,
            inputs=[msg, chatbot],
            outputs=[msg, chatbot],
        ).then(
            chat_voyeur,
            inputs=[msg, chatbot],
            outputs=[msg, chatbot],
        )

        # Configurar el botón Enviar
        send_btn.click(
            user_message,
            inputs=[msg, chatbot],
            outputs=[msg, chatbot],
        ).then(
            chat_voyeur,
            inputs=[msg, chatbot],
            outputs=[msg, chatbot],
        )

        # Configurar el botón Limpiar
        clear_btn.click(lambda: [], None, chatbot, queue=False)

    return demo

if __name__ == "__main__":
    demo = create_interface()
    # Para Hugging Face Spaces, no usar share=True
    demo.launch(debug=True)