# app.py - نسخه رایگان CPU basic — لود در ۱۰–۳۰ ثانیه، بدون ارور
import gradio as gr
import numpy as np

model = None  # مدل رو lazy load می‌کنیم

def load_model():
    global model
    if model is None:
        from catboost import CatBoostRegressor
        model = CatBoostRegressor()
        model.load_model("kaatib_v8_optimized.cbm")
        print("مدل کاتب لود شد!")
    return model

def predict(area_type, area, rooms, neighborhood, elevator, parking, warehouse, age):
    mdl = load_model()  # فقط اینجا لود می‌شه
    effective_area = area if area_type == "متراژ مفید (معمول در دیوار)" else area * 0.87
    pred = mdl.predict([[
        effective_area, np.log1p(effective_area), rooms, age,
        1 if age <= 5 else 0, neighborhood.strip(),
        int(elevator), int(parking), int(warehouse)
    ]])[0] / 1_000_000_000

    return f"""
    <div style="text-align:center;padding:40px;background:linear-gradient(135deg,#0d2b1f,#1e4d38);border-radius:24px;border:5px solid #d4af37;color:white">
      <h1 style="font-size:56px;margin:15px 0;color:#d4af37">{pred:.2f} میلیارد تومان</h1>
      <p style="font-size:22px">رنج واقعی: {(pred*0.88):.2f} – {(pred*1.15):.2f} میلیارد</p>
    </div>
    """

with gr.Blocks(title="کاتب 2025 - قیمت آپارتمان تهران") as app:
    gr.HTML("""
    <style>
        .gradio-container {max-width:920px;margin:20px auto;background:white;border-radius:28px;box-shadow:0 20px 60px rgba(0,0,0,0.1);padding:30px;direction:rtl;font-family:Vazir,system-ui}
        body {background:#f0f4f8}
        label {color:#1a1a1a;font-weight:600}
        .gr-textbox,.gr-dropdown {background:white;border:2px solid #e2e8f0;border-radius:16px;color:#666}
        .gr-textbox input::placeholder {color:#94a3b8}
        .gr-button {background:linear-gradient(45deg,#d4af37,#f4d03f);color:black;font-weight:bold;font-size:22px;padding:18px;border-radius:18px}
        .gr-button:hover {transform:translateY(-4px);box-shadow:0 15px 35px rgba(212,175,55,0.5)}
    </style>
    <div style="text-align:center;padding:50px;background:linear-gradient(135deg,#0d2b1f,#1e4d38);border-radius:24px;color:white">
        <h1 style="font-size:68px;margin:0;color:#d4af37;text-shadow:0 0 40px #d4af3777">کاتب</h1>
        <p style="font-size:28px;margin:10px">هوش مصنوعی پیش‌بینی قیمت مسکن تهران</p>
        <p style="font-size:20px;color:#a0d8c8">بیش از ۸۴,۰۰۰ آگهی واقعی از سایت معتبر دیوار (۱۴۰۴)</p>
    </div>
    """)

    area_type = gr.Radio(["متراژ مفید (معمول در دیوار)", "متراژ سندی"], value="متراژ مفید (معمول در دیوار)", label="نوع متراژ")
    with gr.Row(): area = gr.Slider(40,450,90,step=1,label="متراژ"); rooms = gr.Dropdown([1,2,3,4,5,6],3,label="تعداد خواب")
    neighborhood = gr.Textbox(placeholder="مثل: سعادت آباد، نیاوران، پونک...", label="محله")
    with gr.Row(): elevator = gr.Checkbox("آسانسور",True); parking = gr.Checkbox("پارکینگ",True); warehouse = gr.Checkbox("انباری",True)
    age = gr.Slider(0,50,8,step=1,label="سن بنا (سال)")

    gr.Button("پیش‌بینی قیمت").click(predict, [area_type,area,rooms,neighborhood,elevator,parking,warehouse,age], gr.Markdown())

    gr.HTML('<div style="text-align:center;margin-top:50px;padding:35px;background:white;border-radius:20px;border:3px dashed #d4af37"><p style="color:#d4af37;font-size:26px">ساخته شده با افتخار توسط حسین احمدی</p></div>')

app.launch()