from fastapi import FastAPI
from pydantic import BaseModel
import yfinance as yf
import ta 
import pandas as pd
import numpy as np
from tensorflow.keras.models import load_model
import joblib
import warnings
import os

warnings.filterwarnings('ignore')

app = FastAPI()

print("🚀 Servidor FastAPI encendido. Esperando peticiones de n8n...")

# =========================================================
# 🚨 TRUCO ANTI-CRASH: Arrancamos con la RAM vacía
# =========================================================
MODELOS = {}

# IMPORTANTE: Revisa que estos nombres coincidan EXACTAMENTE con los que subiste
CONFIG = {
    "ORO": {"ticker": "GC=F", "modelo": "cerebro_oro.keras", "scaler": "scaler_oro.pkl"},
    "NVDA": {"ticker": "NVDA", "modelo": "cerebro_nvidia.keras", "scaler": "scaler_nvda.pkl"},
    "WTI": {"ticker": "CL=F", "modelo": "cerebro_wti.keras", "scaler": "scaler_wti.pkl"},
    "NASDAQ": {"ticker": "^NDX", "modelo": "cerebro_nasdaq.keras", "scaler": "scaler_nasdaq.pkl"}
}

# 🚨 NUEVO: El servidor ahora espera recibir el símbolo y el sentimiento
class PredictionRequest(BaseModel):
    symbol: str
    sentimiento: float = 0.0  # Si n8n no manda nada, asume Neutral (0.0)

@app.post("/predecir")
def predecir_mercado(req: PredictionRequest):
    activo_solicitado = req.symbol.upper()
    
    traductor = {
        "GC=F": "ORO", "XAUUSD=X": "ORO", "ORO": "ORO",
        "NVDA": "NVDA",
        "CL=F": "WTI", "WTI": "WTI", "USOIL": "WTI",
        "^IXIC": "NASDAQ", "^NDX": "NASDAQ", "NQ=F": "NASDAQ", "NASDAQ": "NASDAQ"
    }
    
    if activo_solicitado not in traductor:
        return {"error": f"Activo no soportado. Usa uno de estos: {list(CONFIG.keys())}"}
    
    id_activo = traductor[activo_solicitado]
    
    # =========================================================
    # 🚨 LAZY LOADING: Solo carga la IA a la RAM si n8n la pide
    # =========================================================
    if id_activo not in MODELOS:
        print(f"🧠 Despertando IA de {id_activo} por primera vez...")
        
        archivo_mod = CONFIG[id_activo]["modelo"]
        archivo_scl = CONFIG[id_activo]["scaler"]
        
        if not os.path.exists(archivo_mod) or not os.path.exists(archivo_scl):
            return {"error": f"¡Falta el archivo {archivo_mod} o {archivo_scl} en Hugging Face!"}
            
        try:
            MODELOS[id_activo] = {
                "ticker": CONFIG[id_activo]["ticker"],
                "modelo": load_model(archivo_mod),
                "escalador": joblib.load(archivo_scl)
            }
        except Exception as e:
            return {"error": f"Error al cargar la IA de {id_activo}: {str(e)}"}

    ticker = MODELOS[id_activo]["ticker"] 
    modelo = MODELOS[id_activo]["modelo"]
    escalador = MODELOS[id_activo]["escalador"]
    
    # 🎯 Obtener Precio Vivo
    try:
        df_minuto = yf.download(ticker, period="1d", interval="1m", progress=False)
        if isinstance(df_minuto.columns, pd.MultiIndex):
            df_minuto.columns = df_minuto.columns.droplevel(1)
        precio_actual = float(df_minuto['Close'].dropna().iloc[-1])
    except:
        precio_actual = 0.0 
    
    # 🧠 Obtener Datos para IA
    df = yf.download(ticker, period="150d", interval="1d", progress=False, auto_adjust=True)
    if isinstance(df.columns, pd.MultiIndex):
        df.columns = df.columns.droplevel(1)

    for col in ['Open', 'High', 'Low', 'Close', 'Volume']:
        df[col] = df[col].astype(float)

    if precio_actual == 0.0:
        precio_actual = float(df['Close'].dropna().iloc[-1])

    # Calcular Indicadores Técnicos
    df['SMA_20'] = ta.trend.sma_indicator(df['Close'], window=20)
    df['SMA_50'] = ta.trend.sma_indicator(df['Close'], window=50)
    df['RSI_14'] = ta.momentum.rsi(df['Close'], window=14)
    df['MACD'] = ta.trend.macd(df['Close'])
    df['MACD_Signal'] = ta.trend.macd_signal(df['Close'])
    df['ATR_14'] = ta.volatility.average_true_range(df['High'], df['Low'], df['Close'], window=14)
    
    # =========================================================
    # 🚨 INYECTAMOS EL SENTIMIENTO RECIBIDO DESDE N8N
    # =========================================================
    df['Sentimiento'] = req.sentimiento

    df.dropna(inplace=True)

    # 🚨 Matriz final con las 12 VARIABLES 🚨
    features = ['Open', 'High', 'Low', 'Close', 'Volume', 'SMA_20', 'SMA_50', 'RSI_14', 'MACD', 'MACD_Signal', 'ATR_14', 'Sentimiento']
    X_live = df.tail(60)[features].values.astype(np.float32)

    X_scaled = escalador.transform(X_live)
    X_reshaped = np.reshape(X_scaled, (1, 60, len(features)))

    # Predicción
    prediccion = float(modelo.predict(X_reshaped, verbose=0)[0][0])
    
    decision = "LONG (COMPRAR)" if prediccion > 0.5 else "SHORT (VENDER/ESPERAR)"
    confianza = round(prediccion * 100, 2) if prediccion > 0.5 else round((1 - prediccion) * 100, 2)
    
    return {
        "symbol": req.symbol,
        "ticker_ia": ticker,
        "precio_actual": precio_actual,  
        "decision_ia": decision,
        "confianza": f"{confianza}%",
        "probabilidad_matematica": prediccion,
        "sentimiento_aplicado": req.sentimiento # Te lo devuelvo para que confirmes que llegó bien
    }