import os
import sqlite3
import pandas as pd
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
import gradio as gr



# Carrega chave da API (this is redundant now, but kept for clarity)
load_dotenv()
api_key = os.getenv("OPENROUTER_API_KEY")
if not api_key:
    raise ValueError("❌ Variável OPENROUTER_API_KEY não encontrada.")

# Define variáveis de ambiente
os.environ["OPENAI_API_KEY"] = api_key
os.environ["OPENAI_API_BASE"] = "https://openrouter.ai/api/v1"    

# Cria banco de dados se ainda não existir
conn = sqlite3.connect("historico_conversas.db")
cursor = conn.cursor()
cursor.execute('''
CREATE TABLE IF NOT EXISTS conversas (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    aluno TEXT,
    pergunta TEXT,
    resposta TEXT,
    timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
)
''')
conn.commit()
conn.close()

# Instancia o modelo
llm = ChatOpenAI(model="deepseek/deepseek-r1:free", temperature=0.4)

# Prompt com histórico
template = PromptTemplate.from_template(
    """Você é um tutor de programação em Python. Responda com clareza e exemplos.

Histórico da conversa:
{history}

Aluno: {input}
Resposta:"""
)

# Memória da conversa
memoria = ConversationBufferMemory(return_messages=True)

# Cadeia com memória e prompt
chat_chain = ConversationChain(llm=llm, memory=memoria, prompt=template)

# Função para salvar no banco
def salvar_conversa(nome, pergunta, resposta):
    conn = sqlite3.connect("historico_conversas.db")
    cursor = conn.cursor()
    cursor.execute("INSERT INTO conversas (aluno, pergunta, resposta) VALUES (?, ?, ?)",
                   (nome or "Anônimo", pergunta, resposta))
    conn.commit()
    conn.close()

# Função para responder e gravar
def responder(pergunta, nome):
    try:
        resposta = chat_chain.run(pergunta)
        salvar_conversa(nome, pergunta, resposta)
        return resposta
    except Exception as e:
        import traceback
        return f"❌ Erro:\n{traceback.format_exc()}"

# Resetar memória
def resetar_memoria():
    memoria.clear()
    return "✅ Memória resetada com sucesso!"

# Exportar conversas para arquivos
def exportar_conversas():
    conn = sqlite3.connect("historico_conversas.db")
    df = pd.read_sql_query("SELECT * FROM conversas ORDER BY timestamp DESC", conn)
    df.to_csv("conversas_exportadas.csv", index=False)
    df.to_excel("conversas_exportadas.xlsx", index=False, engine="openpyxl")
    conn.close()
    return "✅ Arquivos 'conversas_exportadas.csv' e 'conversas_exportadas.xlsx' foram salvos!"

# Interface Gradio
with gr.Blocks() as app:
    gr.Markdown("## 🤖 Tutor de Python com IA + Histórico em Banco de Dados + Exportação")
    nome = gr.Textbox(label="Seu nome (opcional)", placeholder="Ex: João")
    pergunta = gr.Textbox(label="Sua dúvida sobre Python", placeholder="Ex: Como usar listas em Python?")
    resposta = gr.Textbox(label="Resposta do Assistente")

    botao_enviar = gr.Button("Enviar")
    botao_resetar = gr.Button("🔁 Resetar Memória")
    botao_exportar = gr.Button("📤 Exportar Histórico")

    botao_enviar.click(fn=responder, inputs=[pergunta, nome], outputs=resposta)
    botao_resetar.click(fn=resetar_memoria, outputs=resposta)
    botao_exportar.click(fn=exportar_conversas, outputs=resposta)

app.launch(share=True)