import gradio as gr
from huggingface_hub import hf_hub_download
from llama_cpp import Llama

# 1. إعدادات النموذج
# ⚠️ لا تنسَ تغيير USERNAME إلى اسم حسابك الفعلي في Hugging Face
REPO_ID = "aab20abdullah/Llama-3.2-3B-Turkmen-GGUF" 

# هذا هو الاسم الصحيح الذي قمت بإحضاره:
FILENAME = "Llama-3.2-3B-Instruct.Q4_K_M.gguf" 

# 2. تحميل ملف النموذج من المستودع إلى سيرفر الـ Space
print("⏳ جاري تحميل النموذج... قد يستغرق هذا بضع دقائق في المرة الأولى.")
model_path = hf_hub_download(repo_id=REPO_ID, filename=FILENAME)
# 3. تشغيل النموذج عبر Llama.cpp
llm = Llama(
    model_path=model_path,
    n_ctx=2048,  # طول السياق (الذاكرة المؤقتة للمحادثة)
    n_threads=2,  # عدد مسارات المعالج (مناسب للنسخة المجانية)
)

# 4. دالة الدردشة وتنسيق Llama-3
def chat_with_model(message, history):
    # بناء قالب Llama-3.2
    prompt = "<|begin_of_text|>"
    
    # إضافة المحادثات السابقة للذاكرة
    for user_msg, bot_msg in history:
        prompt += f"<|start_header_id|>user<|end_header_id|>\n\n{user_msg}<|eot_id|><|start_header_id|>assistant<|end_header_id|>\n\n{bot_msg}<|eot_id|>"
    
    # إضافة السؤال الجديد
    prompt += f"<|start_header_id|>user<|end_header_id|>\n\n{message}<|eot_id|><|start_header_id|>assistant<|end_header_id|>\n\n"

    # توليد الإجابة
    stream = llm(
        prompt,
        max_tokens=512,
        stop=["<|eot_id|>"],
        stream=True # تفعيل ظهور الكلمات تباعاً
    )
    
    response = ""
    for output in stream:
        response += output['choices'][0]['text']
        yield response

# 5. تصميم واجهة الويب
demo = gr.ChatInterface(
    fn=chat_with_model,
    title="🕊️ Llama-3.2-3B Turkmen Martyrs",
    description="مرحباً بك! يمكنك سؤالي عن الشهداء التركمان وسأقوم بإجابتك بالتفاصيل. (النموذج يعمل بصيغة GGUF الخفيفة).",
    examples=["حدثني عن الشهيد التركماني أحمد.", "من هم أبرز الشهداء التركمان في كركوك؟"],
    theme="soft",
)

# تشغيل التطبيق
if __name__ == "__main__":
    demo.launch()