from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

# Cargar dataset
with open("intents.json") as f:
    data = json.load(f)

X = [d["text"] for d in data]
y = [d["intent"] for d in data]

# Vectorizar texto
vectorizer = CountVectorizer()
X_vect = vectorizer.fit_transform(X)

# Entrenar modelo
clf = MultinomialNB()
clf.fit(X_vect, y)

responses = {
    "greet": "¡Hola! ¿En qué puedo ayudarte?",
    "goodbye": "¡Hasta luego! Que tengas un buen día.",
    "ask_hours": "Estamos abiertos de lunes a viernes de 9 a 18h.",
    "ask_registration": "Para registrarte, visita nuestra web y completa el formulario."
}

def chatbot_response(text):
    X_new = vectorizer.transform([text])
    intent = clf.predict(X_new)[0]
    return responses.get(intent, "Lo siento, no entendí tu pregunta.")

while True:
    msg = input("Tú: ")
    if msg.lower() in ["salir", "adiós"]:
        print("Bot:", responses["goodbye"])
        break
    print("Bot:", chatbot_response(msg))

import gradio as gr

def chat_gradio(message):
    return chatbot_response(message)

iface = gr.Interface(
    fn=chat_gradio,
    inputs="text",
    outputs="text",
    title="Chatbot Demo",
    description="Demo de chatbot entrenado con anotaciones simples"
)

iface.launch()