import gradio as gr
import time
from transformers import pipeline
from datasets import load_dataset

# Загружаем банковский датасет
dataset = load_dataset("Romjiik/Russian_bank_reviews", split="train")

# Примеры для few-shot
few_shot_examples = []
for row in dataset.select(range(2)):
    review = row["review"]
    example = f"Клиент: {review}\nКлассификация: прочее"
    few_shot_examples.append(example)

# Инструкции
cot_instruction = (
    "Ты — ассистент банка. Проанализируй обращение клиента и классифицируй его по теме."
    " Сначала рассуждай шаг за шагом, затем выведи финальную категорию."
)

simple_instruction = (
    "Ты — банковский помощник. Классифицируй обращение клиента одним словом — категорией."
)

# Промпты

def build_cot_prompt(user_input):
    examples = "\n\n".join(few_shot_examples)
    return (
        f"{cot_instruction}\n\n{examples}\n\nКлиент: {user_input}\n"
        f"Рассуждение:"
    )


def build_simple_prompt(user_input):
    examples = "\n\n".join(few_shot_examples)
    return (
        f"{simple_instruction}\n\n{examples}\n\nКлиент: {user_input}\n"
        f"Категория:"
    )

# Рабочие модели с поддержкой русского языка и легкие
models = {
    "ChatGPT-like (FRED-T5-small)": pipeline("text2text-generation", model="cointegrated/translation-t5-russian-finetuned", tokenizer="cointegrated/translation-t5-russian-finetuned", device=-1),
    "DeepSeek-like (ruGPT3-small)": pipeline("text-generation", model="ai-forever/rugpt3small_based_on_gpt2", tokenizer="ai-forever/rugpt3small_based_on_gpt2", device=-1),
    "GigaChat-like (RuBERT-tiny2)": pipeline("text-classification", model="cointegrated/rubert-tiny2", tokenizer="cointegrated/rubert-tiny2", device=-1),
}

# Генерация ответов

def generate_dual_answers(user_input):
    results = {}
    prompt_cot = build_cot_prompt(user_input)
    prompt_simple = build_simple_prompt(user_input)

    for name, pipe in models.items():
        # CoT
        start_cot = time.time()
        try:
            out_cot = pipe(prompt_cot, max_new_tokens=150, do_sample=True, top_p=0.9, temperature=0.7)[0]
            answer_cot = out_cot.get("generated_text", out_cot.get("label", "-"))
        except:
            answer_cot = "Ошибка в CoT"
        end_cot = round(time.time() - start_cot, 2)

        # Simple
        start_simple = time.time()
        try:
            out_simple = pipe(prompt_simple, max_new_tokens=150, do_sample=True, top_p=0.9, temperature=0.7)[0]
            answer_simple = out_simple.get("generated_text", out_simple.get("label", "-"))
        except:
            answer_simple = "Ошибка в обычном"
        end_simple = round(time.time() - start_simple, 2)

        results[name] = {
            "cot_answer": answer_cot.strip(),
            "cot_time": end_cot,
            "simple_answer": answer_simple.strip(),
            "simple_time": end_simple
        }

    return (
        results["ChatGPT-like (FRED-T5-small)"]["cot_answer"], f"{results['ChatGPT-like (FRED-T5-small)']['cot_time']} сек",
        results["ChatGPT-like (FRED-T5-small)"]["simple_answer"], f"{results['ChatGPT-like (FRED-T5-small)']['simple_time']} сек",

        results["DeepSeek-like (ruGPT3-small)"]["cot_answer"], f"{results['DeepSeek-like (ruGPT3-small)']['cot_time']} сек",
        results["DeepSeek-like (ruGPT3-small)"]["simple_answer"], f"{results['DeepSeek-like (ruGPT3-small)']['simple_time']} сек",

        results["GigaChat-like (RuBERT-tiny2)"]["cot_answer"], f"{results['GigaChat-like (RuBERT-tiny2)']['cot_time']} сек",
        results["GigaChat-like (RuBERT-tiny2)"]["simple_answer"], f"{results['GigaChat-like (RuBERT-tiny2)']['simple_time']} сек",
    )

# Интерфейс Gradio
with gr.Blocks() as demo:
    gr.Markdown("## 🤖 Классификация клиентских обращений — CoT vs обычный промпт")
    inp = gr.Textbox(label="Обращение клиента", placeholder="Например: Я не могу войти в личный кабинет", lines=2)
    btn = gr.Button("Классифицировать")

    gr.Markdown("### ChatGPT-like (FRED-T5-small)")
    cot1, cot1_time = gr.Textbox(label="CoT ответ"), gr.Textbox(label="Время CoT")
    simple1, simple1_time = gr.Textbox(label="Обычный ответ"), gr.Textbox(label="Время обычного")

    gr.Markdown("### DeepSeek-like (ruGPT3-small)")
    cot2, cot2_time = gr.Textbox(label="CoT ответ"), gr.Textbox(label="Время CoT")
    simple2, simple2_time = gr.Textbox(label="Обычный ответ"), gr.Textbox(label="Время обычного")

    gr.Markdown("### GigaChat-like (RuBERT-tiny2)")
    cot3, cot3_time = gr.Textbox(label="CoT ответ"), gr.Textbox(label="Время CoT")
    simple3, simple3_time = gr.Textbox(label="Обычный ответ"), gr.Textbox(label="Время обычного")

    btn.click(generate_dual_answers, inputs=[inp], outputs=[
        cot1, cot1_time, simple1, simple1_time,
        cot2, cot2_time, simple2, simple2_time,
        cot3, cot3_time, simple3, simple3_time,
    ])

if __name__ == '__main__':
    demo.launch()