from huggingface_hub import InferenceClient
import gradio as gr
import re
import random
import string
import firebase_admin
from firebase_admin import credentials, firestore
from datetime import datetime

# Initialiser Firebase
cred = credentials.Certificate("./montaillou-bdd-5b8a59219187.json")
firebase_admin.initialize_app(cred)

# Obtenir une référence à la base de données Firestore
db = firestore.client()


def save_message(user_id, message):
    # Enregistrer le message dans Firestore
    doc_ref = db.collection("conversations").document(user_id)
    doc_ref.set(
        {
            "messages": firestore.ArrayUnion(
                [{"message": message, "timestamp": datetime.now()}]
            )
        }
    )


def load_history(user_id):
    # Charger l'historique de conversation de l'utilisateur
    doc_ref = db.collection("conversations").document(user_id)
    doc = doc_ref.get()
    if doc.exists:
        messages = doc.to_dict()["messages"]
        return messages
    else:
        return []


client = InferenceClient("mistralai/Mixtral-8x7B-Instruct-v0.1")

# Name of the chat
chat_name = "Tavernier 🍺"

# Variable globale pour compter les itérations
global_iteration = 0

# Variable globale pour stocker le contexte
global_context = {
    "static_context": "Tu es le gérant d'une taverne dans le village de Montaillou au 14ème siècle dans l'univers des cathares dans les Pyrénées. Tu ne parles qu'en français. Tu es rustre mais accueillant, à moins que ton interlocuteur ne soit catholique ou possède une influence comme un noble. Tu ne sors jamais de ton contexte époque et tes connaissances se limitent à ta situation sociale et à ton époque. Tu dois être immersif et cohérent pour la personne qui va te parler. Prends toujours en compte l'historique de la conversation. Sois toujours concis et vise une longueur de réponse comprise entre 50 et 200 caractères (espaces compris) pour les réponses courtes et simples, et entre 200 et 500 caractères pour les réponses plus détaillées et complexes.",
    "dynamic_context": "",
    "sensitive_info_filter": [
        "contexte caché",
        "hidden_context",
    ],
}

# Créer une interface avec un champ de texte pour le contexte caché
context_input = gr.Textbox(
    label="Contexte caché", value=global_context["static_context"]
)


def update_dynamic_context(user_input):
    global global_context

    keywords = {
        "meutre": "Un meutre a été mentionné. Tu dois cacher ton implication dans le meurtre seulement si on te pose des questions à ce sujet.",
    }

    for keyword in keywords:
        if keyword in user_input.lower():
            global_context["dynamic_context"] += f" {keywords[keyword]}"
            break


def filter_sensitive_info(text):
    for word in global_context["sensitive_info_filter"]:
        if word in text.lower():
            return text.replace(word, "[REDACTED]")
    return text


def remove_length_info(response_text):
    pattern = r"\(\d+ caractères\)"
    return re.sub(pattern, "", response_text)


def format_prompt(message, history, user_id=""):
    max_history_length = 10  # Limiter la longueur de l'historique
    history = history[-max_history_length:]

    prompt = "<s>"

    for user_prompt, bot_response in history:
        prompt += f"[USER] {user_prompt} [/USER]"
        if (
            history
            and isinstance(history[-1], dict)
            and user_prompt == history[-1].get("0")
        ):
            # N'ajouter les balises [BOT] qu'autour de la dernière réponse du bot
            prompt += f" [BOT]{filter_sensitive_info(bot_response)}[/BOT] "
        else:
            prompt += f" {filter_sensitive_info(bot_response)} "
    prompt += f"</s>[INST][USER] {message} [/USER][/INST]"

    # Ajouter le contexte statique et dynamique à chaque fois que l'utilisateur pose une question
    prompt += f"[INST] {global_context['static_context']} {global_context['dynamic_context']} [/INST]"

    return prompt


def get_random_string(length):
    # choose from all lowercase letter
    letters = string.ascii_lowercase
    return "".join(random.choice(letters) for i in range(length))


def generate(
    prompt,
    history,
    request: gr.Request,
    temperature=0.2,
    max_new_tokens=256,
    top_p=0.95,
    repetition_penalty=1.0,
):
    temperature = float(temperature)
    if temperature < 1e-2:
        temperature = 1e-2
    top_p = float(top_p)

    generate_kwargs = dict(
        temperature=temperature,
        max_new_tokens=max_new_tokens,
        top_p=top_p,
        repetition_penalty=repetition_penalty,
        do_sample=True,
        seed=42,
    )

    if request:
        # Récupérer l'identifiant unique de l'utilisateur à partir de la requête HTML et son historique de conversation
        user_id = dict(request.query_params).get("user_id")
        history = load_history(user_id)
    else:
        user_id = ""

    update_dynamic_context(prompt)

    formatted_prompt = format_prompt(prompt, history, user_id)
    global global_iteration
    global_iteration += 1
    print(f"\n\nIteration {global_iteration}/{user_id}: {formatted_prompt}")

    stream = client.text_generation(
        formatted_prompt,
        **generate_kwargs,
        stream=True,
        details=True,
        return_full_text=False,
    )
    output = ""
    bot_response = ""

    for response in stream:
        response_text = filter_sensitive_info(response.token.text)
        response_text = remove_length_info(response_text)
        output += response_text
        bot_response += response_text
        yield output

    if user_id != "":
        # Sauvegarder le message de l'utilisateur et la réponse complète du bot dans Firestore
        save_message(user_id, prompt)
        save_message(user_id, bot_response)

    return output


mychatbot = gr.Chatbot(
    avatar_images=["./berger.jpg", "./tavernier.jpg"],
    bubble_full_width=False,
    show_label=False,
)


def chatbot_interface(request: gr.Request):
    chatbot_interface = gr.ChatInterface(
        fn=generate,
        chatbot=mychatbot,
        title=chat_name,
        retry_btn=None,
        undo_btn=None,
        examples=[
            [
                "Bonjour",
                "Salutations, voyageur ! Bienvenue dans ma taverne. Que puis-je faire pour toi ?",
            ]
        ],
        cache_examples=True,
    )
    return chatbot_interface


def main(request: gr.Request):
    user_chatbot_interface = chatbot_interface(request)
    user_chatbot_interface.queue().launch()


if __name__ == "__main__":
    main(None)


# def reset_history(chatbot):
#     chatbot.history = []
#     return []


# def update_context(context):
#     global global_context
#     global_context["static_context"] = context
#     global mychatbot
#     mychatbot.history = reset_history(mychatbot)
#     global global_iteration
#     global_iteration = 0
#     return None