import streamlit as st

# ==========================================
# 页面基础配置
# ==========================================
st.set_page_config(
    page_title="AI 团队协作深度指南",
    page_icon="🤗",
    layout="wide",
    initial_sidebar_state="expanded"
)

# 统一的 CSS 样式调整
st.markdown("""
<style>
    .big-font { font-size:18px !important; line-height: 1.6; }
    .why-box { background-color: #f0f8ff; padding: 15px; border-left: 5px solid #1e90ff; border-radius: 5px; margin-bottom: 20px;}
    .danger-box { background-color: #ffe4e1; padding: 15px; border-left: 5px solid #ff4500; border-radius: 5px; margin-bottom: 20px;}
</style>
""", unsafe_allow_html=True)

# ==========================================
# 侧边栏导航
# ==========================================
with st.sidebar:
    # 如果本地没有这个图片，可以使用在线链接或删掉这行
    st.image("https://huggingface.co/front/assets/huggingface_logo-noborder.svg", width=50)
    st.title("团队协作 Wiki")
    st.markdown("---")
    
    menu = [
        "🏠 首页：理念与权限",
        "📊 数据集 (Datasets) 实战",
        "🤖 模型 (Models) 实战",
        "🔄 核心：Git 协作工作流"
    ]
    choice = st.radio("📚 章节导航：", menu)
    
    st.markdown("---")
    st.caption("👩‍💻 维护者：团队架构组")
    st.caption("📅 版本：3.0 (代码实战版)")

# ==========================================
# 页面内容渲染
# ==========================================

# ---------------------------------------------------------
# 1. 首页
# ---------------------------------------------------------
if choice == "🏠 首页：理念与权限":
    st.title("🤗 团队研发协作指南")
    st.markdown("<p class='big-font'>欢迎加入！本文档不仅指导你如何使用 Hugging Face，更将解释我们为什么要采用这套工业级协作标准。</p>", unsafe_allow_html=True)
    
    st.header("1. 底层理念：为什么不用网盘或 FTP？")
    st.markdown("""
    <div class='why-box'>
    <b>💡 设计意义：</b><br>
    在 AI 研发中，“数据版本”和“代码版本”是等价重要的。如果你用网盘传文件，一旦有人覆盖了 <code>dataset_final_v2.csv</code>，整个团队的心血就会瞬间蒸发，且无法回溯。<br>
    Hugging Face 的底层是 <b>Git LFS (Large File Storage)</b>。每一次数据修改、模型权重的迭代，都被打上了时间戳和数字签名，团队可以随时“时光倒流”到任意一个稳定版本。
    </div>
    """, unsafe_allow_html=True)
    
    st.header("2. 权限隔离机制")
    st.markdown("团队项目统一托管在 Organization 下，且默认 **Private（私有）**。")
    col1, col2 = st.columns(2)
    with col1:
        st.info("**组员 (Write)**：\n具备拉取、创建分支、提交修改的权限，但**无权直接修改主线业务**。")
    with col2:
        st.warning("**组长 (Admin)**：\n负责全局把控，唯有 Admin 有权通过 Pull Request 将修改合并到主分支 (main)。")

# ---------------------------------------------------------
# 2. 数据集实战
# ---------------------------------------------------------
elif choice == "📊 数据集 (Datasets) 实战":
    st.title("📊 数据集管理：上传与下载指南")
    st.markdown("<p class='big-font'>确保 Hugging Face 上的 main 分支永远是 <b>唯一可靠的真理源 (Single Source of Truth)</b>。</p>", unsafe_allow_html=True)
    
    tab1, tab2 = st.tabs(["⏬ 下载数据 (Download)", "⏫ 上传数据 (Upload)"])
    
    with tab1:
        st.subheader("方案 A：Python API 直接加载（推荐）")
        st.markdown("自动下载、缓存并解析数据。对于超大数据集可开启流式加载 (`streaming=True`)。")
        st.code("""
from datasets import load_dataset

# ================= 修改区 =================
REPO_ID = "你们的组织名/数据集仓库名" # 例如："AILab/clean-audio-signals"
TOKEN = "你的hf_xxxxxx"            # 替换为你的真实 Token
# ==========================================

# 加载数据集到本地缓存
dataset = load_dataset(REPO_ID, token=TOKEN)

print("下载成功！来看看第一条数据：")
print(dataset['train'][0])
        """, language="python")

    with tab2:
        st.subheader("方案 A：Python API 直接推文件（推荐单文件）")
        st.code("""
from huggingface_hub import HfApi
api = HfApi()

# ================= 修改区 =================
LOCAL_FILE_PATH = "data/batch_06.csv"        # 本地刚清洗好的数据文件
REPO_ID = "你们的组织名/数据集仓库名"        # 目标数据集仓库
FILE_IN_REPO = "cleaned_data/batch_06.csv"   # 云端存储路径
TOKEN = "你的hf_xxxxxx"                      
# ==========================================

api.upload_file(
    path_or_fileobj=LOCAL_FILE_PATH,
    path_in_repo=FILE_IN_REPO,
    repo_id=REPO_ID,
    repo_type="dataset",                     # ⚠️ 关键：指定类型为 dataset
    token=TOKEN
)
print("数据已成功上传！")
        """, language="python")
        
        st.subheader("方案 B：Git LFS 命令行推大文件夹（适合海量图片/音频）")
        st.code("""
git clone https://huggingface.co/datasets/组织名/仓库名
cd 仓库名

# 放入大量图片后，一定要追踪大文件格式！
git lfs track "*.png"

git add .
git commit -m "Upload raw image dataset batch 1"
git push
        """, language="bash")

# ---------------------------------------------------------
# 3. 模型实战
# ---------------------------------------------------------
elif choice == "🤖 模型 (Models) 实战":
    st.title("🤖 模型托管：上传与下载指南")
    st.markdown("<p class='big-font'>无论是 LLM 还是小型的信号处理分类器，都可以托管在 Models 仓库中。</p>", unsafe_allow_html=True)

    tab1, tab2, tab3 = st.tabs(["⏬ 下载模型 (Download)", "⏫ 上传模型 (Upload)", "📝 自动写 README"])

    with tab1:
        st.subheader("方案 A：Hugging Face 原生架构一键加载")
        st.code("""
from transformers import AutoModel, AutoTokenizer

REPO_ID = "组织名/微调后的模型名" 
TOKEN = "你的hf_xxxxxx"

tokenizer = AutoTokenizer.from_pretrained(REPO_ID, token=TOKEN)
model = AutoModel.from_pretrained(REPO_ID, token=TOKEN)
        """, language="python")
        
        st.subheader("方案 B：自定义小模型精确下载权重")
        st.code("""
from huggingface_hub import hf_hub_download
import torch

# 将指定权重文件下载到缓存目录，并返回绝对路径
file_path = hf_hub_download(
    repo_id="组织名/信号分类小模型", 
    filename="model_weights.pth", 
    token="你的hf_xxxxxx"
)

# my_model.load_state_dict(torch.load(file_path))
        """, language="python")

    with tab2:
        st.subheader("方案 A：Trainer/Transformers 一键上传")
        st.code("""
model.push_to_hub(
    repo_id="组织名/新模型", 
    token="你的hf_xxxxxx",
    commit_message="微调完成"
)
        """, language="python")

        st.subheader("方案 B：上传整个实验文件夹（含代码、日志和权重）")
        st.code("""
from huggingface_hub import HfApi
api = HfApi()

api.upload_folder(
    folder_path="./experiment_04_results",   # 本地实验产出文件夹
    repo_id="组织名/实验记录专用模型库",
    repo_type="model",
    token="你的hf_xxxxxx"
)
        """, language="python")

    with tab3:
        st.subheader("强制自动化 README 规范")
        st.markdown("""
        <div class='why-box'>
        <b>💡 规范要求：</b>严禁手工填写实验指标！请在训练脚本末尾加入以下代码，实现真实客观的自动记录。
        </div>
        """, unsafe_allow_html=True)
        st.code("""
import json
from huggingface_hub import HfApi

def upload_artifacts(model_path, metrics_dict, repo_id, token):
    api = HfApi()
    
    # 动态构建说明书
    readme_content = f\"\"\"---
language: zh
tags:
- signal-classification
---
# 自动生成的模型说明

## 测试集表现
{json.dumps(metrics_dict, indent=4)}
\"\"\"
    with open("README.md", "w") as f:
        f.write(readme_content)
        
    api.upload_folder(
        folder_path=".", 
        allow_patterns=["*.pth", "README.md"], 
        repo_id=repo_id, 
        token=token
    )
        """, language="python")

# ---------------------------------------------------------
# 4. Git 工作流
# ---------------------------------------------------------
elif choice == "🔄 核心：Git 协作工作流":
    st.title("🔄 任务协同与代码流转机制")
    st.markdown("<p class='big-font'>这是团队防错机制的核心，务必严格遵守以下 4 步走流程。</p>", unsafe_allow_html=True)
    
    with st.expander("步骤 1：基于 Discussion 领任务", expanded=True):
        st.markdown("""
        **操作：** 组长在 Community 发起任务，并 `@相关组员`。
        <div class='why-box'>
        <b>💡 设计意义 (信息透明)：</b>公开的 Discussion 让整个团队看到当前进度，且所有关于任务的疑问都在同一个帖子里沉淀。
        </div>
        """, unsafe_allow_html=True)

    with st.expander("步骤 2：创建功能分支 (Branch)", expanded=True):
        st.markdown("""
        **操作：** `git checkout -b feature/your-name-task`
        <div class='danger-box'>
        <b>🚫 危险行为：</b>直接在主干 (main) 上修改代码或上传数据。<br>
        <b>💡 设计意义 (沙盒隔离)：</b>分支就像是“平行宇宙”，在自己分支上做错任何事都不会影响主线。
        </div>
        """, unsafe_allow_html=True)

    with st.expander("步骤 3：发起 Pull Request (合并请求)", expanded=True):
        st.markdown("""
        **操作：** 在网页端将分支请求合并到 main，并 `@组长` 审核。
        <div class='why-box'>
        <b>💡 设计意义 (强制安检)：</b>PR 是一道安检门，强迫主管审视代码差异，是防止脏数据混入标准集的最有效手段。
        </div>
        """, unsafe_allow_html=True)

    with st.expander("步骤 4：代码审查 (Code Review) 与合并", expanded=True):
        st.markdown("""
        **操作：** 组长审核无误后，点击 Merge。
        <div class='why-box'>
        <b>💡 设计意义 (责任转移)：</b>一旦点击 Merge，该代码引发的后果将由团队承担，这是保护工程师的终极机制。
        </div>
        """, unsafe_allow_html=True)