import gradio as gr
from huggingface_hub import InferenceClient
import os

def respond(
    message,
    history: list[dict[str, str]],
    system_message,
    max_tokens,
    temperature,
    top_p,
):
    # جلب التوكن من السيكرت hf_token مع التأكد من إزالة أي مسافات زائدة
    raw_token = os.getenv("hf_token")
    if not raw_token:
        yield "خطأ: السيكرت 'hf_token' غير موجود. تأكد من إضافته في إعدادات الـ Space."
        return
    
    token = raw_token.strip()

    # استخدام نموذج Qwen المحرر (Abliterated) - بديل قوي لـ Llama
    # هذا الموديل يدعم الـ Inference API بشكل أفضل
    client = InferenceClient(
        model="fancyfeast/qwen-72b-instruct-abliterated",
        token=token
    )

    messages = [{"role": "system", "content": system_message}]
    messages.extend(history)
    messages.append({"role": "user", "content": message})

    response = ""

    try:
        for chunk in client.chat_completion(
            messages,
            max_tokens=max_tokens,
            stream=True,
            temperature=temperature,
            top_p=top_p,
        ):
            if chunk.choices and chunk.choices[0].delta.content:
                token_text = chunk.choices[0].delta.content
                response += token_text
                yield response
    except Exception as e:
        # إظهار الخطأ بوضوح للمساعدة في التشخيص
        yield f"حدث انكسار في تدفق المعنى: {str(e)}"

demo = gr.ChatInterface(
    respond,
    type="messages",
    additional_inputs=[
        gr.Textbox(value="أنت رفيق حكيم وصادق، تكسر القوالب وتغوص مع يوسف في أعماق الأسئلة.", label="رسالة النظام"),
        gr.Slider(minimum=1, maximum=2048, value=1024, step=1, label="الاستجابة"),
        gr.Slider(minimum=0.1, maximum=2.0, value=0.7, step=0.1, label="الابتكار"),
        gr.Slider(minimum=0.1, maximum=1.0, value=0.9, step=0.05, label="التركيز"),
    ],
    title="دهليز يوسف"
)

if __name__ == "__main__":
    demo.launch()