import pandas as pd
import streamlit as st
from dotenv import load_dotenv
import openai
import os

# Configuración de la clave API
load_dotenv()
openai.api_key = os.getenv("OPENAI_API_KEY")

# Clases para la gestión de pedidos
class PedidoAgent:
    def __init__(self, menu_csv_path):
        self.menu_csv_path = menu_csv_path
        self.menu_data = self.load_menu()
    
    def load_menu(self):
        try:
            df_menu = pd.read_csv(self.menu_csv_path)
            productos = df_menu["Producto"].tolist()
            precios = df_menu["Precio"].tolist()
            return {"productos": productos, "precios": precios}
        except Exception as e:
            st.error(f"Error al cargar el menú: {e}")
            return None

    def realizar_pedido(self, state):
        if not self.menu_data:
            st.warning("No se pudo cargar el menú.")
            return

        productos = self.menu_data["productos"]
        precios = self.menu_data["precios"]

        # Interfaz de usuario para seleccionar productos y cantidades
        with st.form("pedido_form"):
            producto_seleccionado = st.selectbox("Producto:", productos)
            cantidad = st.number_input("Cantidad:", min_value=1, value=1)
            submitted = st.form_submit_button("Agregar al pedido")

            if submitted:
                precio = precios[productos.index(producto_seleccionado)]
                state.pedidos.append(
                    {"Producto": producto_seleccionado, "Cantidad": cantidad, "Precio": precio}
                )
                st.success("Pedido agregado correctamente")

        # Mostrar el pedido actual
        st.subheader("Pedido actual:")
        if state.pedidos:
            df_pedidos = pd.DataFrame(state.pedidos)
            st.table(df_pedidos)

class CalculoPedidoAgent:
    def calcular_total(self, state):
        st.subheader("Resumen del Pedido")
        if state.pedidos:
            df_pedidos = pd.DataFrame(state.pedidos)
            st.table(df_pedidos)
            total = df_pedidos["Cantidad"].mul(df_pedidos["Precio"]).sum()
            st.markdown(f"**Total: ${total:.2f}**")
        else:
            st.info("El pedido está vacío.")

# Función para obtener respuesta de OpenAI
def obtener_respuesta(pregunta, modelo="gpt-4", temperatura=0.5):
    respuesta = openai.Completion.create(
        engine=modelo,
        prompt=f"Pregunta: {pregunta}\nRespuesta:",
        max_tokens=150,
        temperature=temperatura,
    ).choices[0].text.strip()
    return respuesta

# Configuración de Streamlit
st.set_page_config(page_title="Asistente Teológico", page_icon="📖")

# Estilos CSS personalizados
st.markdown(
    """
    <style>
        body {
            background: #f2f3f5;
            color: #333;
        }
        .stButton>button {
            background-color: #4CAF50;
            color: white;
            border-radius: 10px;
        }
        .stTextInput>div>div>input {
            border: 1px solid #4CAF50;
            border-radius: 10px;
        }
        .stMarkdown>div>p {
            color: #4CAF50;
            font-weight: bold;
        }
        .stAudio {
            margin-top: 20px;
            border: 2px solid #4CAF50;
            border-radius: 10px;
        }
        .stFileUploader>div>div>input {
            border: 1px solid #4CAF50;
            border-radius: 10px;
        }
    </style>
    """,
    unsafe_allow_html=True,
)

# Encabezado
st.image("biblia.jpg")
st.title("📖 Asistente Teológico - BOTIDINAMIX AI")
st.markdown("Bienvenido al Asistente Teológico, donde puedes preguntar sobre interpretaciones y reflexiones bíblicas.")

# Chat
st.subheader("🗣️ Chat con el Asistente")
if 'mensajes' not in st.session_state:
    st.session_state.mensajes = []

for mensaje in st.session_state.mensajes:
    with st.chat_message(mensaje["role"]):
        st.markdown(mensaje["content"])

pregunta_usuario = st.text_input("Escribe tu pregunta sobre la Biblia:")
if st.button("Enviar"):
    if pregunta_usuario:
        st.session_state.mensajes.append({"role": "user", "content": pregunta_usuario, "timestamp": time.time()})
        with st.chat_message("user"):
            st.markdown(pregunta_usuario)

        with st.spinner("Generando respuesta..."):
            respuesta = obtener_respuesta(pregunta_usuario)
            st.session_state.mensajes.append({"role": "assistant", "content": respuesta, "timestamp": time.time()})
            with st.chat_message("assistant"):
                st.markdown(respuesta)
    else:
        st.warning("Por favor, ingresa una pregunta antes de enviar.")

# Gestión de pedidos
st.subheader("📋 Gestión de Pedidos")
menu_csv_path = "menu.csv"  # Ruta al archivo CSV del menú
if 'pedidos' not in st.session_state:
    st.session_state.pedidos = []

pedido_agent = PedidoAgent(menu_csv_path)
calculo_pedido_agent = CalculoPedidoAgent()

pedido_agent.realizar_pedido(st.session_state)
calculo_pedido_agent.calcular_total(st.session_state)