# ============================================================
# 💼 CETHA - AI CV REVIEW (FINAL JSON VERSION with SCORE)
# ============================================================

# !pip install -q gradio google-generativeai pymupdf

import gradio as gr
import google.generativeai as genai
import fitz  # PyMuPDF
import json
import os

# ============================================================
# 🔑 KONFIGURASI API KEY
# ============================================================
API_CONFIGURED = False
try:
    api_key = os.environ.get("GEMINI_API_KEY")
    if api_key:
        genai.configure(api_key=api_key)
        model = genai.GenerativeModel("gemini-flash-latest")
        API_CONFIGURED = True
        print("✅ Konfigurasi API dan model berhasil.")
    else:
        print("🛑 Secret 'GEMINI_API_KEY' tidak ditemukan.")
except Exception as e:
    print(f"🛑 Terjadi error saat inisialisasi: {e}")


# ============================================================
# 🧠 FUNGSI PENDUKUNG
# ============================================================

def ekstrak_teks_dari_pdf(path_file_pdf):
    """Membaca seluruh teks dari file PDF."""
    try:
        with fitz.open(path_file_pdf) as dokumen:
            teks_lengkap = "".join(halaman.get_text() for halaman in dokumen)
        return teks_lengkap
    except Exception as e:
        raise gr.Error(f"Gagal membaca file PDF: {e}")


def clean_and_parse_json(raw_text):
    """Membersihkan teks dari output model dan mem-parsing JSON valid."""
    start_index = raw_text.find("{")
    end_index = raw_text.rfind("}")
    if start_index == -1 or end_index == -1:
        raise json.JSONDecodeError("Tidak ditemukan blok JSON valid dalam respons.", raw_text, 0)

    json_str = raw_text[start_index : end_index + 1]
    return json.loads(json_str)


# ============================================================
# 🎯 FUNGSI UTAMA: PENILAIAN CV DENGAN SKOR DAN DETAIL
# ============================================================

def score_cv_json(cv_file):
    """Menilai CV dan mengembalikan hasil dalam format JSON dengan skor dan penjelasan detail."""
    if not API_CONFIGURED:
        raise gr.Error("API Key Gemini belum terkonfigurasi. Periksa Logs aplikasi di Hugging Face.")
    if cv_file is None:
        raise gr.Error("Mohon upload file CV (PDF) Anda.")

    try:
        print("--- 🚀 Memulai Proses Penilaian CV ---")

        # 1️⃣ Ekstraksi teks dari PDF
        teks_cv = ekstrak_teks_dari_pdf(cv_file.name)
        if not teks_cv:
            raise gr.Error("PDF kosong atau tidak dapat dibaca.")
        print("✅ Teks berhasil diekstrak dari PDF.")

        # 2️⃣ Prompt ke Gemini untuk analisis
        prompt_penilaian = f"""
        Anda adalah seorang career coach dan perekrut profesional.
        Analisislah CV berikut dan berikan hasil dalam format JSON **valid**.

        CV Kandidat:
        ---
        {teks_cv}
        ---

        Tugas Anda:
        1. Nilai CV berdasarkan 3 kategori (0–100):
           - "kelengkapan_informasi": Apakah CV mencakup nama, kontak, pengalaman, pendidikan, dan keterampilan?
           - "keterbacaan_dan_format": Apakah struktur, urutan, dan tampilan CV rapi dan mudah dibaca?
           - "dampak_pengalaman_kerja": Apakah deskripsi pengalaman menonjolkan hasil terukur (angka, pencapaian)?
        2. Hitung "skor_keseluruhan" sebagai rata-rata dari ketiga kategori.
        3. Temukan 3 KELEBIHAN utama dan 3 HAL YANG DAPAT DITINGKATKAN.
           Setiap poin memiliki:
           - "point": kalimat ringkas yang mewakili kelebihan/perbaikan.
           - "explanation": penjelasan singkat (1–3 kalimat) tentang konteks atau alasannya.

        Format output JSON yang harus dikembalikan:
        {{
          "skor_keseluruhan": <angka>,
          "penilaian_per_kategori": {{
              "kelengkapan_informasi": <angka>,
              "keterbacaan_dan_format": <angka>,
              "dampak_pengalaman_kerja": <angka>
          }},
          "highlights": [
            {{
              "point": "judul kelebihan singkat",
              "explanation": "penjelasan detail"
            }},
            ...
          ],
          "improvements": [
            {{
              "point": "judul perbaikan singkat",
              "explanation": "penjelasan detail"
            }},
            ...
          ]
        }}

        Pastikan output hanya berupa JSON valid tanpa tambahan teks lain.
        """

        print("📤 Mengirim prompt ke Gemini...")
        response = model.generate_content(prompt_penilaian)
        hasil_penilaian = clean_and_parse_json(response.text)
        print("✅ Analisis berhasil diterima dan dikonversi ke JSON.")

        # 3️⃣ Mengembalikan hasil JSON rapi
        return json.dumps(hasil_penilaian, indent=2, ensure_ascii=False)

    except Exception as e:
        print(f"🛑 ERROR: {e}")
        raise gr.Error(f"Terjadi kesalahan: {e}")


# ============================================================
# 💻 GRADIO INTERFACE
# ============================================================

with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("# 🤖 CETHA - AI CV Review (JSON Output with Score)")
    gr.Markdown(
        """
        Upload CV Anda dalam format **PDF** untuk mendapatkan hasil analisis otomatis berbasis AI.  
        Sistem akan memberikan **skor keseluruhan**, **penilaian per kategori**,  
        serta **3 poin kelebihan dan 3 poin perbaikan lengkap dengan penjelasan.**
        """
    )

    cv_pdf = gr.File(label="📄 Upload CV Anda (PDF)", file_types=[".pdf"])
    score_button = gr.Button("🚀 Analisis CV Sekarang", variant="primary")
    output_json = gr.JSON(label="📊 Hasil Analisis (JSON Lengkap)")

    score_button.click(
        fn=score_cv_json,
        inputs=[cv_pdf],
        outputs=[output_json],
        show_progress="full",
    )

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