import gradio as gr
import requests
import time
from core.dashboard import ErohaDashboard
from core.intelligence import update_memory, summarize_context
from core.selfcheck import evaluate_answer, improve_answer
from core.learning import analyze_user_input, adapt_answer
from core.model_selector import choose_model

# 🔐 Токен Hugging Face (если не нужен — просто удали строку)
HEADERS = {"Authorization": "Bearer hf_your_token"}

dashboard = ErohaDashboard()

def generate_response(user_input):
    try:
        start = time.time()

        # 1️⃣ Определение модели
        prefs = analyze_user_input(user_input)
        model_id = choose_model(user_input)
       api_url = "https://router.huggingface.co"

payload = {
    "model": model_id,               # теперь модель указывается здесь!
    "inputs": user_input,
    "parameters": {"max_new_tokens": 600, "temperature": 0.7}
}

response = requests.post(api_url, headers=HEADERS, json=payload)


        # 2️⃣ Запрос к модели
        payload = {"inputs": user_input, "parameters": {"max_new_tokens": 600, "temperature": 0.7}}
        response = requests.post(api_url, headers=HEADERS, json=payload)

        if response.status_code != 200:
            return f"⚠️ Ошибка API ({response.status_code}): {response.text}"

        result = response.json()
        base_output = result[0]["generated_text"] if isinstance(result, list) else str(result)

        # 3️⃣ Самоанализ и улучшение
        check = evaluate_answer(base_output)
        improved = improve_answer(base_output)

        # 4️⃣ Адаптация под стиль пользователя
        personalized = adapt_answer(improved)

        # 5️⃣ Память и контекст
        update_memory(user_input, personalized)
        context = summarize_context()

        # 6️⃣ Метрики и дашборд
        response_time = round(time.time() - start, 2)
        dashboard.log_request(model_id, prefs["category"], response_time)

        # 7️⃣ Формирование результата
        summary = (
            f"🧠 Модель: `{model_id}`\n"
            f"🧩 Тип запроса: {prefs['category']}\n"
            f"⚡ Время отклика: {response_time} сек\n"
            f"🔍 Самоанализ: {check['result']}\n"
            f"{'; '.join(check['feedback']) if check['feedback'] else '✅ Всё отлично'}\n\n"
            f"{context}"
        )

        return f"{personalized}\n\n{summary}"

    except Exception as e:
        return f"❌ Ошибка: {str(e)}"


def show_dashboard():
    metrics_text, df = dashboard.dashboard_ui()
    return metrics_text, df


# === Интерфейс ===
with gr.Blocks(title="Eroha AgentAPI v5.0 — Auto Model Switch", theme="soft") as app:
    gr.Markdown("# 🤖 Eroha AgentAPI v5.0 — Guru Edition")
    gr.Markdown("**Автоматический интеллект + самообучение + аналитика 🧠**")

    with gr.Tab("💬 Agent Chat"):
        user_input = gr.Textbox(
            label="Введите запрос",
            placeholder="Например: Объясни квантовую запутанность или напиши стих...",
        )
        output_box = gr.Textbox(label="Ответ", lines=15)
        submit_btn = gr.Button("🚀 Отправить")
        submit_btn.click(fn=generate_response, inputs=user_input, outputs=output_box)

    with gr.Tab("📊 Dashboard"):
        metrics = gr.Markdown(label="Общая статистика")
        log_table = gr.Dataframe(headers=["time", "model", "type", "response_time"], label="История")
        refresh = gr.Button("🔄 Обновить")
        refresh.click(show_dashboard, outputs=[metrics, log_table])

app.launch(server_name="0.0.0.0", server_port=7860)