import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
import gradio as gr

model_dir = "Model"

tokenizer = AutoTokenizer.from_pretrained(model_dir)
model = AutoModelForCausalLM.from_pretrained(model_dir)

device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device)


def generate_answer(question, max_new_tokens=128, temperature=0.8, top_p=0.9):
    # Prompt au modèle (mais on ne l’affichera pas à l’utilisateur)
    prompt = f"Question: {question}\nRéponse:"

    inputs = tokenizer(prompt, return_tensors="pt").to(device)

    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_new_tokens=max_new_tokens,
            do_sample=True,
            top_p=top_p,
            temperature=temperature,
        )

    full_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # 1) On enlève la partie "Question: ... Réponse:"
    if "Réponse:" in full_text:
        answer_part = full_text.split("Réponse:", 1)[1]
    else:
        # fallback au cas où
        answer_part = full_text

    # 2) On coupe à <EOS> s'il est présent
    if "<EOS>" in answer_part:
        answer_part = answer_part.split("<EOS>")[0]

    # 3) Nettoyage des espaces
    answer_part = answer_part.strip()

    return answer_part


# Interface Gradio
iface = gr.Interface(
    fn=generate_answer,
    inputs=[
        gr.Textbox(lines=2, label="Ta question"),
        gr.Slider(16, 512, value=128, step=16, label="max_new_tokens"),
        gr.Slider(0.1, 1.5, value=0.8, step=0.05, label="temperature"),
        gr.Slider(0.1, 1.0, value=0.9, step=0.05, label="top_p"),
    ],
    outputs=gr.Textbox(lines=8, label="Réponse de l'IA"),
    title="QA LLM entraîné",
    description="Pose une question en français. Le modèle répond et s'arrête logiquement à <EOS>, sans afficher le prompt interne.",
)

if __name__ == "__main__":
    iface.launch(share=True)