app.py

import os
import streamlit as st
from dotenv import load_dotenv

# Lector de PDFs
from PyPDF2 import PdfReader

# Fragmentador de texto
from langchain.text_splitter import RecursiveCharacterTextSplitter

# Embeddings y VectorStore
from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings
from langchain_community.vectorstores import FAISS

# Librerías de LangChain para RAG
from langchain.chains import ConversationalRetrievalChain
from langchain.chat_models import ChatOpenAI
from langchain.memory import ConversationBufferMemory
from mi_prompt import tu_prompt_personalizado


# Cargar .env si lo necesitas
load_dotenv()

# Ajuste puntual (opcional en ciertos entornos Windows)
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"

# Embeddings con spaCy (puedes cambiarlo por OpenAIEmbeddings, etc.)
embeddings = SpacyEmbeddings(model_name="en_core_web_sm")

# ---------------------------------------------
# Funciones auxiliares
# ---------------------------------------------
def read_pdfs(pdf_files):
    """Lee cada PDF y concatena su texto."""
    text = ""
    for pdf_file in pdf_files:
        pdf_reader = PdfReader(pdf_file)
        for page in pdf_reader.pages:
            text += page.extract_text() or ""
    return text

def chunk_text(text):
    """Divide el texto en chunks."""
    text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
    chunks = text_splitter.split_text(text)
    return chunks

def create_vectorstore(chunks):
    """Crea el FAISS VectorStore a partir de la lista de chunks."""
    vectorstore = FAISS.from_texts(chunks, embedding=embeddings)
    return vectorstore

# ---------------------------------------------
# Aplicación principal
# ---------------------------------------------
def main():
    st.set_page_config(page_title="Chat PDF (RAG)", layout="wide")
    st.header("RAG-based Chat con PDFs")

    # Iniciamos el estado de la conversación en la app
    if "conversation_chain" not in st.session_state:
        st.session_state["conversation_chain"] = None

    # Guardamos el historial en session_state (para la UI)
    if "messages" not in st.session_state:
        st.session_state["messages"] = []

    # Barra lateral: subir PDFs y procesarlos
    with st.sidebar:
        st.title("Menú:")
        uploaded_pdfs = st.file_uploader(
            "Sube tus PDFs y haz clic en 'Procesar PDFs'.",
            accept_multiple_files=True
        )

        if st.button("Procesar PDFs"):
            if uploaded_pdfs:
                with st.spinner("Procesando e indexando..."):
                    # 1) Leer PDFs
                    raw_text = read_pdfs(uploaded_pdfs)

                    # 2) Fragmentar texto
                    text_chunks = chunk_text(raw_text)

                    # 3) Crear FAISS VectorStore
                    vectorstore = create_vectorstore(text_chunks)

                    # 4) Crear la cadena conversacional con retrieval
                    #    - ConversationalRetrievalChain maneja preguntas + contexto
                    llm = ChatOpenAI(
                        model_name="gpt-4o-mini",  # o "gpt-4", según tu acceso
                        temperature=0
                    )

                    # Memoria para la conversación
                    memory = ConversationBufferMemory(
                        memory_key="chat_history", 
                        return_messages=True
                    )

                    # Creamos la cadena RAG:
                    conversation_chain = ConversationalRetrievalChain.from_llm(
                        llm=llm,
                        retriever=vectorstore.as_retriever(search_kwargs={"k": 6}),
                        memory=memory,
                        # Opcionalmente, ajusta cómo combinar la pregunta con los documentos:
                        combine_docs_chain_kwargs={"prompt": tu_prompt_personalizado},
                    )

                    # Guardamos la cadena en session_state
                    st.session_state["conversation_chain"] = conversation_chain
                st.success("¡PDFs procesados y VectorStore creado!")
            else:
                st.warning("No subiste ningún PDF")

        # Botón para reiniciar
        if st.button("Reiniciar VectorStore"):
            st.session_state["conversation_chain"] = None
            st.session_state["messages"] = []
            st.info("Base vectorial reiniciada. Sube nuevos PDFs si lo deseas.")

    st.subheader("Chat con tus PDFs")

    # Mostrar historial previo
    for msg in st.session_state["messages"]:
        st.write(f"**{msg['role'].capitalize()}:** {msg['content']}")

    # Input del usuario
    user_input = st.text_input("Haz una pregunta sobre el/los PDF(s)...")

    if user_input:
        if st.session_state["conversation_chain"] is None:
            st.warning("No hay PDFs procesados. Sube y procesa al menos un PDF.")
        else:
            # Guardamos mensaje del usuario en el historial
            st.session_state["messages"].append({"role": "user", "content": user_input})

            # Usar la cadena conversacional para obtener respuesta
            response = st.session_state["conversation_chain"]({
                "question": user_input
            })

            # El output viene en la llave "answer" por defecto con ConversationalRetrievalChain
            answer = response["answer"]

            # Añadir respuesta al historial
            st.session_state["messages"].append({"role": "assistant", "content": answer})

            # Mostrar la respuesta
            st.write(f"**Asistente:** {answer}")

if __name__ == "__main__":
    main()