app.py

import requests
import PyPDF2
from io import BytesIO
from openai import OpenAI
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity
import re
from typing import List, Tuple
import gradio as gr # Import gradio

# Initialize the client
client = OpenAI(
    api_key="sk-EiLiW1tVzR6ra7LoAvAWRbppMJWnezTanz3AfvvVrGYBEN1b", # โปรดเก็บ API key ของคุณให้ปลอดภัย ไม่ควร hardcode แบบนี้ในโค้ดจริง
    base_url="https://api.opentyphoon.ai/v1"
)

class PDPAKnowledgeBase:
    def __init__(self, pdf_url: str):
        self.pdf_url = pdf_url
        self.chunks = []
        # max_features might need adjustment based on PDF content, but 1000 is a reasonable start.
        self.vectorizer = TfidfVectorizer(stop_words='english', max_features=1000)
        self.chunk_vectors = None
        self.load_and_process_pdf()
    
    def download_pdf(self) -> bytes:
        """Download PDF from GitHub URL"""
        print("📥 กำลังดาวน์โหลด PDPA PDF...")
        try:
            response = requests.get(self.pdf_url, timeout=30)
            response.raise_for_status()
            print("✅ ดาวน์โหลดสำเร็จ!")
            return response.content
        except Exception as e:
            print(f"❌ ไม่สามารถดาวน์โหลด PDF ได้: {e}")
            return None
    
    def extract_text_from_pdf(self, pdf_content: bytes) -> str:
        """Extract text from PDF content"""
        print("📄 กำลังแยกข้อความจาก PDF...")
        try:
            pdf_file = BytesIO(pdf_content)
            pdf_reader = PyPDF2.PdfReader(pdf_file)
            
            text = ""
            for page_num, page in enumerate(pdf_reader.pages):
                try:
                    page_text = page.extract_text()
                    # Add page separator for context if chunks overlap across pages
                    text += f"\n--- หน้า {page_num + 1} ---\n{page_text}\n"
                except Exception as e:
                    print(f"⚠️ ไม่สามารถอ่านหน้า {page_num + 1}: {e}")
                    continue
            
            print(f"✅ แยกข้อความสำเร็จ! จำนวน {len(pdf_reader.pages)} หน้า")
            return text
        except Exception as e:
            print(f"❌ ไม่สามารถแยกข้อความได้: {e}")
            return ""
    
    def chunk_text(self, text: str, chunk_size: int = 1000, overlap: int = 200) -> List[str]:
        """Split text into overlapping chunks"""
        print("✂️ กำลังแบ่งข้อความเป็นส่วนๆ...")
        
        # Clean text
        text = re.sub(r'\s+', ' ', text.strip())
        
        chunks = []
        start = 0
        
        while start < len(text):
            end = start + chunk_size
            
            # Try to break at sentence end
            if end < len(text):
                # Look for sentence endings
                for i in range(end, max(start + chunk_size - 200, start), -1):
                    if text[i] in '.!?':
                        end = i + 1
                        break
            
            chunk = text[start:end].strip()
            if chunk:
                chunks.append(chunk)
            
            start = end - overlap
            if start >= len(text):
                break
        
        print(f"✅ แบ่งเป็น {len(chunks)} ส่วน")
        return chunks
    
    def create_embeddings(self, chunks: List[str]):
        """Create TF-IDF vectors for chunks"""
        print("🔢 กำลังสร้าง embeddings...")
        try:
            self.chunk_vectors = self.vectorizer.fit_transform(chunks)
            print("✅ สร้าง embeddings สำเร็จ!")
        except Exception as e:
            print(f"❌ ไม่สามารถสร้าง embeddings ได้: {e}")
    
    def load_and_process_pdf(self):
        """Download and process the PDF"""
        pdf_content = self.download_pdf()
        if not pdf_content:
            return
        
        text = self.extract_text_from_pdf(pdf_content)
        if not text:
            return
        
        self.chunks = self.chunk_text(text)
        if self.chunks:
            self.create_embeddings(self.chunks)
    
    def search_relevant_chunks(self, query: str, top_k: int = 3) -> List[Tuple[str, float]]:
        """Search for relevant chunks based on query"""
        if not self.chunks or self.chunk_vectors is None:
            return []
        
        try:
            # Check if query contains only stop words or is too short after tokenization
            processed_query = ' '.join([word for word in self.vectorizer.build_tokenizer()(query) if word not in self.vectorizer.get_stop_words()])
            if not processed_query:
                return []

            # Vectorize the query
            query_vector = self.vectorizer.transform([query])
            
            # Calculate similarities
            similarities = cosine_similarity(query_vector, self.chunk_vectors)[0]
            
            # Get top-k most similar chunks
            top_indices = np.argsort(similarities)[::-1][:top_k]
            
            results = []
            for idx in top_indices:
                if similarities[idx] > 0.1:  # Minimum similarity threshold
                    results.append((self.chunks[idx], similarities[idx]))
            
            return results
        except Exception as e:
            print(f"⚠️ ข้อผิดพลาดในการค้นหา: {e}")
            return []

# --- Gradio Integration ---

# Global knowledge base instance and RAG status
pdf_url = "https://raw.githubusercontent.com/tiya1012/pdpa/main/PDPA_Guideline_v_1_merged.pdf"
kb = PDPAKnowledgeBase(pdf_url)

if not kb.chunks:
    print("❌ ไม่สามารถโหลดข้อมูล PDPA ได้ กำลังใช้โหมดปกติ...")
    use_rag = False
else:
    print(f"✅ โหลดข้อมูล PDPA สำเร็จ! มีข้อมูล {len(kb.chunks)} ส่วน")
    use_rag = True

def predict_chat(message: str, history: List[Tuple[str, str]]) -> str:
    """
    Function to handle chat predictions for Gradio interface.
    Args:
        message (str): The user's current input message.
        history (List[Tuple[str, str]]): List of previous conversation turns.
                                          Each turn is a tuple of (user_message, bot_message).
    Returns:
        str: The chatbot's response.
    """
    
    global use_rag, kb # Access global variables

    # Initialize messages for the current turn, including system prompt
    messages = [
        {"role": "system", "content": "คุณเป็นผู้เชี่ยวชาญด้าน PDPA ให้คำแนะนำเกี่ยวกับกฎหมาย PDPA โดยตอบเป็นภาษาไทยเท่านั้น หากมีข้อมูลอ้างอิงจากเอกสาร PDPA ให้อ้างอิงแหล่งที่มาด้วย"}
    ]

    # Add previous conversation history from Gradio's format to OpenAI's format
    for human_msg, ai_msg in history:
        messages.append({"role": "user", "content": human_msg})
        messages.append({"role": "assistant", "content": ai_msg})

    # Search for relevant information if RAG is available
    context = ""
    if use_rag:
        relevant_chunks = kb.search_relevant_chunks(message)
        
        if relevant_chunks:
            context = "\n\nข้อมูลอ้างอิงจากเอกสาร PDPA:\n"
            for i, (chunk, score) in enumerate(relevant_chunks, 1):
                context += f"\n[อ้างอิง {i}] {chunk[:500]}...\n" # Limit chunk preview to 500 chars
        
    # Create enhanced prompt with context
    enhanced_input = message
    if context:
        enhanced_input = f"{message}\n{context}\n\nโปรดตอบโดยอ้างอิงจากข้อมูลข้างต้นหากเกี่ยวข้อง และระบุแหล่งอ้างอิงด้วย"
    
    # Add current user message to conversation for the LLM
    messages.append({"role": "user", "content": enhanced_input})

    try:
        # Make the API call (not streaming directly to Gradio ChatInterface, but getting full response)
        completion = client.chat.completions.create(
            model="typhoon-v2.1-12b-instruct",
            messages=messages,
            temperature=0.7,
            max_tokens=2048,
            top_p=0.9,
            stream=False # For easier integration with gr.ChatInterface, get full response at once
        )
        
        full_response = completion.choices[0].message.content
        return full_response

    except Exception as e:
        return f"❌ เกิดข้อผิดพลาด: {e}. กรุณาลองใหม่อีกครั้ง."


if __name__ == "__main__":
    print("\n🚀 กำลังเริ่มต้น Gradio Chatbot...")
    
    # Custom CSS for a nicer look within Gradio
    custom_css = """
    body {
        background-color: #f4f7f6; /* Light grey background */
        font-family: 'IBM Plex Sans Thai', 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
    }
    .gradio-container {
        max-width: 900px;
        margin: 40px auto;
        box-shadow: 0 4px 15px rgba(0,0,0,0.1);
        border-radius: 15px;
        overflow: hidden;
    }
    .panel-header {
        background-color: #28a745; /* Green header */
        color: white;
        padding: 18px 25px;
        text-align: center;
        font-size: 1.6em;
        font-weight: bold;
        border-top-left-radius: 15px;
        border-top-right-radius: 15px;
    }
    .chat-message.bot {
        background-color: #e6ffed; /* Light green for bot messages */
        border-left: 5px solid #28a745;
        padding: 12px 18px;
        border-radius: 10px;
        margin-bottom: 10px;
        margin-right: 15%; /* Keep some space on the right */
        word-wrap: break-word; /* Ensure long words break */
    }
    .chat-message.user {
        background-color: #e0f2f7; /* Light blue for user messages */
        border-right: 5px solid #007bff;
        padding: 12px 18px;
        border-radius: 10px;
        margin-bottom: 10px;
        margin-left: 15%; /* Keep some space on the left */
        word-wrap: break-word; /* Ensure long words break */
    }
    .gr-button {
        background-color: #007bff; /* Blue buttons */
        color: white;
        border-radius: 8px;
        padding: 10px 18px;
        font-size: 1em;
        border: none;
        transition: background-color 0.3s ease;
    }
    .gr-button:hover {
        background-color: #0056b3;
    }
    .gr-textarea {
        border-radius: 8px;
        border: 1px solid #ced4da;
    }
    .gradio-container h1 {
        padding: 15px 0;
        margin-bottom: 0;
    }
    /* Style for the chatbot examples */
    .gr-samples-container button {
        background-color: #f8f9fa;
        color: #495057;
        border: 1px solid #dee2e6;
        border-radius: 5px;
        padding: 8px 12px;
        margin: 5px;
        cursor: pointer;
        transition: all 0.2s ease-in-out;
    }
    .gr-samples-container button:hover {
        background-color: #e2e6ea;
        border-color: #dae0e5;
        color: #212529;
    }
    """

    # Gradio ChatInterface setup
    demo = gr.ChatInterface(
        fn=predict_chat,
        title="🤖 Typhoon PDPA RAG Expert Chatbot",
        description="คุณเป็นผู้เชี่ยวชาญด้าน PDPA ให้คำแนะนำเกี่ยวกับกฎหมาย PDPA โดยตอบเป็นภาษาไทยเท่านั้น หากมีข้อมูลอ้างอิงจากเอกสาร PDPA ให้อ้างอิงแหล่งที่มาด้วย",
        examples=[
            "PDPA คืออะไร?",
            "สิทธิของเจ้าของข้อมูลส่วนบุคคลมีอะไรบ้าง?",
            "ใครคือผู้ควบคุมข้อมูลส่วนบุคคล?",
            "กรณีใดบ้างที่สามารถเก็บรวบรวมข้อมูลส่วนบุคคลได้โดยไม่ต้องขอความยินยอม?",
            "การแจ้งวัตถุประสงค์ในการเก็บข้อมูลสำคัญอย่างไร?"
        ],
        chatbot=gr.Chatbot(height=500), # Adjust chatbot display height
        theme=gr.themes.Soft(), # Use a soft theme, combined with custom CSS
        css=custom_css, # Apply custom CSS
        # Removed these arguments as they are not directly supported by gr.ChatInterface init
        # clear_btn="ล้างการสนทนา", 
        # undo_btn="เลิกทำ",
        # retry_btn="ลองอีกครั้ง"
    )

    # Launch the Gradio interface
    # เมื่อรันสคริปต์นี้ Gradio จะแสดง URL ในคอนโซล (เช่น http://127.0.0.1:7860)
    # URL นี้คือสิ่งที่คุณต้องใช้ใน iframe ในไฟล์ HTML ของคุณ
    demo.launch(share=True)