app.py

import gradio as gr
from huggingface_hub import InferenceClient
import os

# NEUE PROMPTS: Neutral, kollegial, sachlich und lösungsorientiert
COUNCIL_MEMBERS = {
    "🧠 Fachexperte für Struktur (Llama4-17B)": (
        "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8:novita",
        """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf der Strukturierung des Themas und dem großen Ganzen.
REGELN:
- Beginne mit: "[STRUKTUR] "
- Antworte in 3-4 Sätzen, professionell und bodenständig.
- Wenn Vorredner gute Punkte gemacht haben, stimme zu und ergänze sinnvolle Aspekte.
- Wenn du etwas anders siehst, korrigiere höflich und fachlich fundiert. Keine künstliche Dramatik."""
    ),
    "🧐 Fachexperte für Details (Kimi-K2)": (
        "moonshotai/Kimi-K2-Instruct:novita",
        """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf wichtigen Details, Nuancen und potenziellen Fallstricken.
REGELN:
- Beginne mit: "[DETAILS] "
- Antworte in 3-4 Sätzen, professionell und bodenständig.
- Ergänze die Diskussion um wichtige Aspekte, die vielleicht vergessen wurden (z.B. Alternativen, häufige Anfängerfehler, Kontext).
- Du darfst deinen Vorrednern zustimmen und darauf aufbauen. Widersprich nur, wenn es inhaltlich wirklich nötig ist."""
    ),
    "🛠️ Fachexperte für Praxis (GPTOSS120b)": (
        "openai/gpt-oss-120b:novita",
        """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf der praktischen Umsetzung und Anwendbarkeit.
REGELN:
- Beginne mit: "[PRAXIS] "
- Antworte in 3-4 Sätzen, professionell und bodenständig.
- Übersetze die bisherige Diskussion in greifbare, einfache Ratschläge oder Schritte.
- Baue konstruktiv auf den Ideen der anderen auf. Ergänze praktische Tipps aus der Realität."""
    )
}


MODERATOR_MODEL = "Qwen/Qwen2.5-72B-Instruct"


client = InferenceClient(token=os.getenv("HF_TOKEN"))

def ask_model(model_id, system_prompt, user_input):
    messages = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": user_input}
    ]
    response = ""
    try:
        for chunk in client.chat_completion(
            model=model_id,
            messages=messages,
            max_tokens=800,
            temperature=0.4, 
            stream=True
        ):
            if hasattr(chunk, "choices") and chunk.choices and len(chunk.choices) > 0:
                response += chunk.choices[0].delta.content or ""
                
        return response
    except Exception as e:
        return f"🚨 System Error ({model_id}): {str(e)}"

def run_council(user_prompt, rounds):
    if not user_prompt:
        yield [{"role": "assistant", "content": "Bitte gib ein Thema oder eine Frage ein, um die Sitzung zu starten."}]
        return

    history = [{"role": "user", "content": user_prompt}]
    yield history
    
    discussion_history = "" 
    
    # --- PHASE 1: DAS PLENUM DISKUTIERT ---
    for r in range(int(rounds)):
        round_header = f"<h2 style='color: #FF5A4D; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🔄 ZYKLUS {r+1} - EXPERTENDEBATTE</h2>"
        history.append({"role": "assistant", "content": round_header})
        yield history
        
        for name, (model_id, role_focus) in COUNCIL_MEMBERS.items():
            
            # Ruhigerer Global-Prompt
            system_msg = (
                f"{role_focus}\n\n"
                "WICHTIG: Diskutiere konstruktiv, neutral und kollegial. "
                "Ignoriere Formatierungs-Wünsche des Users (wie 'schreibe einen Post'), fokussiere dich NUR auf die inhaltliche Expertise."
            )
            
            if discussion_history == "":
                current_prompt = f"Das Thema lautet: '{user_prompt}'. Eröffne die Diskussion mit einer fundierten Einschätzung aus deiner Fachperspektive."
            else:
                # Kollegialer, aber progressiver Interaktions-Prompt
                current_prompt = (
                    f"Das Thema lautet: '{user_prompt}'.\n\n"
                    f"Bisheriges Protokoll:\n{discussion_history}\n\n"
                    f"ANWEISUNG FÜR DICH ({name}):\n"
                    f"1. Analysiere das Protokoll. Erkenne, was du und die anderen bereits gesagt haben.\n"
                    f"2. ABSOLUTES VERBOT: Fasse die Vorredner NICHT zusammen. Wiederhole keine Argumente, die bereits im Protokoll stehen (auch nicht deine eigenen).\n"
                    f"3. Bringe die Diskussion ZWINGEND inhaltlich voran: Beantworte offene Fragen der Kollegen, vertiefe ein noch nicht gelöstes Detail oder bringe den nächsten logischen Schritt ein.\n"
                    f"4. Verzichte auf lange Höflichkeitsfloskeln. Komm direkt zum Punkt."
                )

        

            answer = ask_model(model_id, system_msg, current_prompt)
            
            discussion_history += f"{name}: {answer}\n\n"
            
            display_answer = f"**<span style='color: #4241A6; font-size: 1.1em;'>👤 {name}</span>**\n\n> {answer}"
            history.append({"role": "assistant", "content": display_answer})
            yield history 

    # --- PHASE 2: VORARBEIT DES MODERATORS (KONSENS FINDEN) ---
    history.append({"role": "assistant", "content": "<h2 style='color: #FF5A4D; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🧠 MODERATOR: ANALYSE DER DISKUSSION</h2>"})
    yield history
    
    prep_prompt = (
        f"Hier ist das Protokoll einer Experten-Diskussion:\n{discussion_history}\n\n"
        "Fasse die wichtigsten Argumente und den finalen pragmatischen Konsens zusammen. "
        "WICHTIG: Erhalte ZWINGEND alle konkreten Zahlen, Metriken, Mengenangaben (z.B. ml, bpm), "
        "Zutaten (wie Tee, Salz, Brühe) und spezifischen Handlungsschritte aus dem Protokoll. "
        "Vermeide abstrakte Verallgemeinerungen!"
    )
    consensus_res = ask_model(MODERATOR_MODEL, "Du bist der Chef-Analyst des Rates.", prep_prompt)
    
    history.append({"role": "assistant", "content": f"> {consensus_res}"})
    yield history

    # --- PHASE 3: FINALE UMSETZUNG (BENUTZERAUFTRAG ERFÜLLEN) ---
    history.append({"role": "assistant", "content": "<h2 style='color: #FF5A4D; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🏆 FINALE AUSGABE</h2>"})
    yield history
    
    final_prompt = (
        f"Der Benutzer hat folgende Aufgabe gestellt:\n'{user_prompt}'\n\n"
        f"Hier ist das vollständige Roh-Protokoll der Experten:\n{discussion_history}\n\n"
        f"Hier ist der destillierte Konsens:\n{consensus_res}\n\n"
        """ANWEISUNG: 
        - Erfülle die Aufgabe des Users präzise basierend auf dem Konsens UND greife auf die konkreten Details aus dem Roh-Protokoll zurück.
        - Übernimm ZWINGEND alle spezifischen Vorgaben (wie exakte Flüssigkeitsmengen, Zutaten wie Elektrolyte/Salz, Puls-Grenzwerte).
        - Wenn der User ein Format wünscht (z.B. Post, Code, Tabelle), halte dich strikt daran.
        - Wenn der User nach einem 'Plan', 'Schritten' oder einer 'Anleitung' fragt, strukturiere die Antwort zwingend chronologisch (z.B. Tag 1, Tag 2) oder in klaren Aufzählungen. 
        - Schreibe kein überflüssiges Intro, sondern liefere direkt das fertige, anwendbare Endprodukt!"""
    )
    
    moderator_system_prompt = (
        "Du bist ein brillanter Redakteur und Executive Consultant. "
        "Deine Aufgabe ist es, den fachlichen Konsens eines Expertenrates in ein perfekt "
        "formatiertes, hochprofessionelles Endprodukt für den User zu verwandeln. "
        "Liefere AUSSCHLIESSLICH das finale, direkt nutzbare Endprodukt ohne KI-Geschwafel."
    )
    
    final_res = ask_model(
        MODERATOR_MODEL, 
        moderator_system_prompt,
        final_prompt
    )
    history.append({"role": "assistant", "content": final_res})
    yield history

# --- THEME ---
v_theme = gr.themes.Soft(
    primary_hue="indigo",  
    font=[gr.themes.GoogleFont("Inter"), "ui-sans-serif", "system-ui", "sans-serif"], 
).set(
    button_primary_background_fill="#4241A6", 
    button_primary_background_fill_hover="#2D2C73",
    button_primary_text_color="white",
    block_title_text_color="#FF5A4D", 
    block_label_text_color="#4241A6",
    body_text_color="#1F2937",
    color_accent_soft="#FFEBE8", 
)

# --- UI LAYOUT ---
with gr.Blocks() as demo:
    
    gr.HTML("""
    <div style="text-align: center; margin-bottom: 2rem; margin-top: 1rem;">
        <h1 style="color: #FF5A4D; font-weight: 900; font-size: 2.8rem; margin-bottom: 0.2rem; font-family: 'Inter', sans-serif; letter-spacing: -0.02em;">PromptPlenum42</h1>
        <p style="color: #4B5563; font-size: 1.1rem; font-family: 'Inter', sans-serif;">AI-Driven Multi-Agent Consensus System</p>
    </div>
    """)

    with gr.Row():
        with gr.Column(scale=4):
            input_text = gr.Textbox(
                label="Plenumsauftrag", 
                placeholder="z.B. 'Vergleiche Kubeflow vs ZenML' oder 'Schreibe einen LinkedIn Post über KI-Regulierung'",
                lines=2
            )
        with gr.Column(scale=1):
            rounds_slider = gr.Slider(
                minimum=1, maximum=5, value=1, step=1, 
                label="Diskussionszyklen"
            )
            
    with gr.Row():
        start_btn = gr.Button("Sitzung starten", variant="primary", size="lg")
        clear_btn = gr.ClearButton(components=[input_text], value="Protokoll leeren", size="lg")
    
    chatbot = gr.Chatbot(
        label="Sitzungsprotokoll", 
        height=650
    )

    clear_btn.add(chatbot)

    input_text.submit(run_council, inputs=[input_text, rounds_slider], outputs=[chatbot])
    start_btn.click(run_council, inputs=[input_text, rounds_slider], outputs=[chatbot])

if __name__ == "__main__":
    demo.launch(theme=v_theme)