import openai
import os

from openai import OpenAI
client = OpenAI(
    api_key= os.environ["gptkey"]
)
def ideagen(context):
    total_prompt_tokens_used = 0
    total_completion_tokens_used = 0

    #print(context)

    messages_base = [
      {"role": "system", "content": "請扮演行銷策略的大師，善於觀察社會巨觀的的發展和人與人之間微觀的互動，從中挖掘出不為人察覺的行為洞察，好的洞察可以幫助找出問題背後的問題，透過一層層深入的分析，幫助找出問題的核心。"},
      ]
    messages_base.extend([{"role": "user", "content":  f"請幫助我分析{context}問題的成因。"}])
    messages_base.extend([{"role": "user", "content":  "請用以下的格式回答：我'問題A'，因為'理由A'，之後將'理由A'變成新的問題，重複以上的分析：我'理由A'，因為'理由B'，請重複以上的動作五次，每次都挖掘更深入的心理動機，但第三次請給我一個出乎意料的理由，理由來自於更尖銳、深刻的人群觀察，接露這些人不為人知的一面，請用markdown格式回覆我，包含'編號'、'問題'、'理由'欄位，最後給出一段結論，概述推理問題的過程，並給出解決問題的建議。"}])
    messages_base.extend([{"role": "user", "content":  "請發揮你的創意跟想像並盡可能描述更多細節，必須要讓看到的人有驚豔的感覺。請使用繁體中文。"}])

    full_text = ""
    total_price = 0


    #for _ in range(loop):
    response = client.chat.completions.create(
       model='gpt-4-turbo',
       max_tokens=2000,
       temperature=0.7,
       messages=messages_base
     )
    completed_text = response.choices[0].message.content
    total_prompt_tokens_used += response.usage.prompt_tokens
    total_completion_tokens_used += response.usage.completion_tokens
    price = total_prompt_tokens_used*0.03/1000 + total_completion_tokens_used*0.06/1000

    full_text += completed_text + "\n\n----------\n\n"
    total_price += price


    price = "price:" + str(total_prompt_tokens_used*0.03/1000 + total_completion_tokens_used*0.06/1000) + "$"

    full_text += "\n\n" + "price:" + str(total_price)


    #return response.choices[0].message.content
    return full_text