from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
import gradio as gr

def answer(message, history):
    files = []  # Lista para almacenar los archivos del usuario

    # Recorre el historial de mensajes para encontrar archivos previamente cargados
    for msg in history:
        if msg['role'] == "user" and isinstance(msg['content'], tuple):
            files.append(msg['content'][0])  # Extrae el nombre del archivo

    # Agrega los nuevos archivos enviados con el mensaje actual
    for file in message["files"]:
        files.append(file)

    # Usa SimpleDirectoryReader para cargar el contenido de los archivos
    documents = SimpleDirectoryReader(input_files=files).load_data()

    # Crea un índice vectorial a partir de los documentos cargados
    index = VectorStoreIndex.from_documents(documents)

    # Crea un motor de consulta para buscar dentro del índice
    query_engine = index.as_query_engine()

    # Realiza la consulta usando el texto ingresado por el usuario y devuelve la respuesta como string
    return str(query_engine.query(message["text"]))

# Define la interfaz de chat de Gradio
demo = gr.ChatInterface(
    answer,                      # Función que procesa cada mensaje
    type="messages",             # El historial se maneja como lista de mensajes con roles
    title="Llama Index RAG v1",  # Título del chatbot
    description="Upload any text or pdf files and ask questions about them!",  # Descripción visible para el usuario
    textbox=gr.MultimodalTextbox(file_types=[".pdf", ".txt"]),  # Caja de entrada que permite texto y archivos
    multimodal=True              # Habilita el soporte para entrada multimodal (texto + archivos)
)

# Lanza la aplicación de Gradio para que se abra en el navegador
demo.launch()