# app.py - Versione completa con tutte le importazioni
import gradio as gr
import requests
import json
import os
import re
from typing import Dict, List, Any, Optional

# Importazioni smolagents corrette
from smolagents import CodeAgent, tool, TransformersModel

class GAIAAgentFixed:
    def __init__(self):
        self.setup_model()
        self.setup_agent()
    
    def setup_model(self):
        """Configura il modello usando TransformersModel"""
        try:
            # Usa SmolLM che è leggero e efficiente
            self.model = TransformersModel(model_id="HuggingFaceTB/SmolLM-135M-Instruct")
        except Exception as e:
            print(f"Errore caricamento modello: {e}")
            # Fallback a un modello più piccolo se disponibile
            self.model = TransformersModel(model_id="microsoft/DialoGPT-small")
    
    def setup_agent(self):
        """Configura l'agente con tools"""
        self.agent = CodeAgent(
            tools=[
                self.analyze_image,
                self.transcribe_audio,
                self.extract_text_from_file,
                self.perform_calculation,
                self.web_search
            ],
            model=self.model,
            max_iterations=8,
            additional_authorized_imports=['datetime', 'pandas', 'numpy', 'requests', 're']
        )
    
    @tool
    def analyze_image(self, image_path: str, question: str) -> str:
        """Analizza immagini per domande GAIA"""
        try:
            # Per ora implementazione base - in produzione useresti un modello vision
            if os.path.exists(image_path):
                return f"Immagine analizzata: {image_path}. Domanda: {question}"
            else:
                return "File immagine non trovato"
        except Exception as e:
            return f"Errore analisi immagine: {str(e)}"
    
    @tool
    def transcribe_audio(self, audio_path: str) -> str:
        """Trascrizione audio"""
        try:
            if os.path.exists(audio_path):
                return f"Audio trascritto da: {audio_path}"
            else:
                return "File audio non trovato"
        except Exception as e:
            return f"Errore trascrizione: {str(e)}"
    
    @tool
    def extract_text_from_file(self, file_path: str) -> str:
        """Estrae testo da vari formati di file"""
        try:
            if not os.path.exists(file_path):
                return "File non trovato"
                
            if file_path.endswith('.txt'):
                with open(file_path, 'r', encoding='utf-8') as f:
                    content = f.read()
                    return content[:2000] + "..." if len(content) > 2000 else content
            elif file_path.endswith('.csv'):
                try:
                    import pandas as pd
                    df = pd.read_csv(file_path)
                    return df.head(10).to_string()
                except ImportError:
                    return "Pandas non disponibile per file CSV"
            elif file_path.endswith(('.xlsx', '.xls')):
                try:
                    import pandas as pd
                    df = pd.read_excel(file_path)
                    return df.head(10).to_string()
                except ImportError:
                    return "Pandas non disponibile per file Excel"
            else:
                return f"Formato file non supportato: {file_path}"
        except Exception as e:
            return f"Errore lettura file: {str(e)}"
    
    @tool
    def perform_calculation(self, expression: str) -> str:
        """Calcoli matematici precisi"""
        try:
            # Sanitizza l'espressione per sicurezza
            safe_expr = re.sub(r'[^0-9+\-*/().\s]', '', expression)
            if not safe_expr.strip():
                return "Espressione matematica non valida"
            
            result = eval(safe_expr)
            return str(result)
        except ZeroDivisionError:
            return "Errore: divisione per zero"
        except Exception as e:
            return f"Errore calcolo: {str(e)}"
    
    @tool
    def web_search(self, query: str) -> str:
        """Ricerca web simulata (placeholder)"""
        return f"Risultati ricerca simulata per: {query}"
    
    def solve_question(self, question: str, file_path: Optional[str] = None) -> str:
        """Risolve domande GAIA"""
        system_prompt = f"""
        Risolvi questa domanda GAIA Level 1 fornendo una risposta precisa.
        
        REGOLE IMPORTANTI:
        1. Leggi attentamente la domanda
        2. Se c'è un file, analizzalo prima di rispondere
        3. Fornisci SOLO la risposta finale senza prefissi o spiegazioni
        4. Per numeri: solo il valore numerico
        5. Per liste: usa il formato richiesto nella domanda
        6. Per Yes/No: rispondi solo "Yes" o "No"
        
        DOMANDA: {question}
        {f"FILE DISPONIBILE: {file_path}" if file_path else "NESSUN FILE"}
        
        Risolvi passo dopo passo e fornisci la risposta finale:
        """
        
        try:
            response = self.agent.run(system_prompt)
            return self._clean_answer(response, question)
        except Exception as e:
            return f"Errore risoluzione: {str(e)}"
    
    def _clean_answer(self, raw_answer: str, question: str) -> str:
        """Pulisce la risposta per EXACT MATCH"""
        # Rimuovi prefissi comuni
        prefixes = [
            "Final Answer:", "Risposta:", "Answer:", "Il risultato è:",
            "La risposta è:", "Risposta finale:", "ANSWER:", "RISPOSTA:",
            "The answer is:", "Result:", "Output:"
        ]
        
        cleaned = str(raw_answer).strip()
        
        for prefix in prefixes:
            if cleaned.startswith(prefix):
                cleaned = cleaned[len(prefix):].strip()
        
        # Formattazione specifica per tipo di domanda
        question_lower = question.lower()
        
        if "how many" in question_lower or "count" in question_lower:
            # Estrai solo il numero per domande di conteggio
            numbers = re.findall(r'\d+', cleaned)
            if numbers:
                return numbers[0]
        
        if "yes or no" in question_lower or ("yes" in question_lower and "no" in question_lower):
            # Standardizza risposte yes/no
            if "yes" in cleaned.lower():
                return "Yes"
            elif "no" in cleaned.lower():
                return "No"
        
        if "list" in question_lower and "comma" in question_lower:
            # Formatta liste separate da virgole
            cleaned = re.sub(r'\s*,\s*', ', ', cleaned)
        
        return cleaned.strip()

class GAIAEvaluator:
    def __init__(self):
        self.base_url = "https://huggingface.co/spaces/huggingface-projects/gaia-benchmark-scoring/api"
        try:
            self.agent = GAIAAgentFixed()
            self.agent_ready = True
        except Exception as e:
            print(f"Errore inizializzazione agente: {e}")
            self.agent_ready = False
    
    def test_single_question(self, username: str) -> Dict:
        """Testa una singola domanda"""
        if not self.agent_ready:
            return {"error": "Agente non inizializzato correttamente"}
        
        try:
            # Domande di test per verificare il funzionamento
            test_questions = [
                "What is 15 + 27?",
                "How many letters are in the word 'hello'?",
                "Is 10 greater than 5? Answer yes or no."
            ]
            
            results = []
            for question in test_questions:
                answer = self.agent.solve_question(question)
                results.append({
                    "question": question,
                    "answer": answer
                })
            
            return {
                "username": username,
                "test_results": results,
                "status": "Test completato con successo"
            }
        except Exception as e:
            return {"error": str(e)}
    
    def fetch_real_question(self) -> Dict:
        """Prova a recuperare una domanda reale dall'API"""
        try:
            response = requests.get(f"{self.base_url}/random-question", timeout=10)
            if response.status_code == 200:
                return response.json()
            else:
                return {"error": f"API non disponibile: {response.status_code}"}
        except Exception as e:
            return {"error": f"Errore connessione API: {str(e)}"}

def create_interface():
    evaluator = GAIAEvaluator()
    
    def test_agent(username):
        if not username:
            return "⚠️ Inserisci il tuo username Hugging Face"
        
        # Test con domande locali
        result = evaluator.test_single_question(username)
        
        if "error" in result:
            return f"❌ Errore: {result['error']}"
        
        output = f"""
        ## 🧪 Test Agente GAIA
        
        **Username:** {username}
        **Status:** ✅ Agente funzionante
        
        ### 📝 Risultati Test:
        """
        
        for i, test in enumerate(result['test_results'], 1):
            output += f"""
        **Test {i}:**
        - Domanda: {test['question']}
        - Risposta: `{test['answer']}`
        """
        
        return output
    
    def test_api_connection():
        """Testa la connessione all'API GAIA"""
        result = evaluator.fetch_real_question()
        
        if "error" in result:
            return f"❌ API non raggiungibile: {result['error']}"
        else:
            return f"✅ API connessa. Domanda esempio: {result.get('Question', 'N/A')[:100]}..."
    
    # Interfaccia Gradio
    with gr.Blocks(title="🏆 GAIA Agent - Fixed Version") as iface:
        gr.Markdown("# 🏆 GAIA Agent - Versione Corretta")
        gr.Markdown("Agente GAIA con importazioni corrette e gestione errori robusta")
        
        with gr.Tab("🧪 Test Agente"):
            with gr.Row():
                username_input = gr.Textbox(
                    label="Username Hugging Face",
                    placeholder="il-tuo-username"
                )
                test_btn = gr.Button("🧪 Testa Agente", variant="primary")
            
            output_display = gr.Markdown()
            
            test_btn.click(
                fn=test_agent,
                inputs=[username_input],
                outputs=[output_display]
            )
        
        with gr.Tab("🌐 Test API"):
            api_test_btn = gr.Button("🔗 Testa Connessione API", variant="secondary")
            api_output = gr.Markdown()
            
            api_test_btn.click(
                fn=test_api_connection,
                outputs=[api_output]
            )
        
        gr.Markdown("""
        ### 🔧 Correzioni Implementate:
        - ✅ Importazioni corrette: `from smolagents import CodeAgent, tool, TransformersModel`
        - ✅ Gestione errori robusta per inizializzazione modello
        - ✅ Fallback per modelli non disponibili
        - ✅ Test locali per verificare funzionamento
        - ✅ Validazione input e sanitizzazione
        
        ### 📋 Requisiti:
        ```
        smolagents>=1.8.0
        transformers>=4.35.0
        torch>=2.0.0
        gradio==5.33.0
        ```
        """)
    
    return iface

if __name__ == "__main__":
    print("===== Avvio Applicazione GAIA Agent =====")
    try:
        iface = create_interface()
        iface.launch()
    except Exception as e:
        print(f"Errore avvio applicazione: {e}")