app.py

import gradio as gr
import json, re
from sentence_transformers import SentenceTransformer
import faiss
from transformers import pipeline

# --- Carica i dati ---
with open("guida_olfattiva.txt", "r", encoding="utf-8") as f:
    guida_text = f.read()

with open("faq_servizio_clienti.txt", "r", encoding="utf-8") as f:
    faq_text = f.read()

with open("docs.json", "r", encoding="utf-8") as f:
    prodotti = json.load(f)

# --- Prepara documenti e vettori ---
docs = []
sources = []

# separa guida e faq in paragrafi
for par in re.split(r"\n{2,}", guida_text + "\n\n" + faq_text):
    if len(par.strip()) > 50:
        docs.append(par.strip())
        sources.append("guida/faq")

# embedding model (leggero e gratuito)
embedder = SentenceTransformer("all-MiniLM-L6-v2")
doc_embeddings = embedder.encode(docs, convert_to_tensor=False)

index = faiss.IndexFlatL2(doc_embeddings.shape[1])
index.add(doc_embeddings)

# LLM per generare risposte
llm = pipeline("text-generation", model="mistralai/Mistral-7B-Instruct", device_map="auto", max_new_tokens=300)

# --- Funzione principale ---
def chatbot(utente):
    # trova i 2 testi più rilevanti
    query_emb = embedder.encode([utente])
    D, I = index.search(query_emb, 2)
    context = "\n\n".join([docs[i] for i in I[0]])

    # filtra prodotti per note o parole chiave
    suggeriti = []
    for p in prodotti:
        descr = (p.get("descrizione") or "").lower() + " " + (p.get("olfatto") or "").lower()
        if any(k in utente.lower() for k in descr.split()):
            suggeriti.append(p)
    suggeriti = suggeriti[:3]

    # costruisce prompt
    prompt = f"""Sei un assistente per una profumeria.
Hai accesso a una guida olfattiva e un catalogo prodotti.

Guida e FAQ rilevanti:
{context}

Domanda: {utente}

Consigli: {', '.join([p['nome'] for p in suggeriti]) if suggeriti else 'nessuno trovato'}

Rispondi in modo amichevole, proponendo solo profumi dal catalogo se pertinenti.
"""

    risposta = llm(prompt)[0]["generated_text"]
    return risposta.strip()

# --- Interfaccia Gradio ---
gr.Interface(
    fn=chatbot,
    inputs=gr.Textbox(label="Scrivi la tua domanda"),
    outputs="text",
    title="💬 Chatbot Profumeria Intelligente",
    description="Capisce le note olfattive, consulta la guida e consiglia solo profumi effettivamente presenti nel catalogo."
).launch()