import gradio as gr
from end_to_end_class import EndToEndRAG


rag_instance: EndToEndRAG | None = None


def respond(
    message,
    history: list[dict[str, str]],
    system_message,
    max_tokens,
    temperature,
    top_p,
    image_url: str,
    hf_token: gr.OAuthToken,
):
    """
    For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
    """
    global rag_instance

    if rag_instance is None:
        try:
            token_value = hf_token.token if hf_token and hasattr(hf_token, "token") else None
            rag_instance = EndToEndRAG.default(hf_token=token_value)
        except Exception as e:
            yield f"Failed to initialize RAG pipeline: {e}"
            return

    # Configure generation params per request
    rag_instance.max_new_tokens = int(max_tokens)
    rag_instance.temperature = float(temperature)

    user_text = message if isinstance(message, str) else str(message)
    img_input = image_url if isinstance(image_url, str) and image_url.strip() else None

    # Build a Persian prompt aligned with the notebook style
    sys_prefix = system_message if isinstance(system_message, str) and system_message.strip() else "تو یک دستیار پاسخ‌گوی دقیق به زبان فارسی هستی."

    user_desc_parts = []
    if user_text and user_text.strip():
        user_desc_parts.append(f"پرسش متنی: {user_text.strip()}")
    if img_input:
        user_desc_parts.append(f"لینک تصویر: {img_input}")

    prompt = (
        f"{sys_prefix} "
        "از زمینهٔ زیر برای پاسخ استفاده کن و اگر کافی نبود، صراحتاً اعلام کن. "
        "از حدس‌زدن بپرهیز و در صورت امکان به منبع اشاره کن.\n\n"
        f"جزئیات ورودی کاربر:\n- {' | '.join(user_desc_parts) if user_desc_parts else 'نامشخص'}\n\n"
        "پاسخ نهایی فارسی، موجز و مستدل:"
    )

    try:
        answer = rag_instance.query(text=prompt, image_url=img_input)
        yield answer
    except Exception as e:
        yield f"Error while generating answer: {e}"


"""
For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
"""
chatbot = gr.ChatInterface(
    respond,
    type="messages",
    additional_inputs=[
        gr.Textbox(value="تو یک دستیار پاسخ‌گوی دقیق به زبان فارسی هستی.", label="System message"),
        gr.Slider(minimum=1, maximum=2048, value=256, step=1, label="Max new tokens"),
        gr.Slider(minimum=0.0, maximum=2.0, value=0.2, step=0.1, label="Temperature"),
        gr.Slider(
            minimum=0.1,
            maximum=1.0,
            value=0.95,
            step=0.05,
            label="Top-p (unused)",
        ),
        gr.Textbox(value="", label="Image URL (optional)"),
    ],
)

with gr.Blocks() as demo:
    with gr.Sidebar():
        gr.LoginButton()
    chatbot.render()


if __name__ == "__main__":
    demo.launch()