import streamlit as st
from transformers import pipeline, set_seed
from streamlit.components.v1 import components
import os

# بارگذاری مدل GPT-2
@st.cache_resource
def load_model():
    generator = pipeline("text-generation", model="gpt2")
    set_seed(42)  # برای تکرارپذیری پاسخ‌ها
    return generator

model = load_model()

# تابع اصلی برنامه Streamlit
def main():
    st.set_page_config(page_title="دستیار هوش مصنوعی", layout="wide")
    st.title("دستیار هوش مصنوعی پیشرفته")

    # بارگذاری فایل HTML
    html_path = "static/index.html"
    if not os.path.exists(html_path):
        st.error("فایل HTML پیدا نشد. لطفاً مسیر فایل را بررسی کنید.")
        return

    with open(html_path, "r", encoding="utf-8") as file:
        html_content = file.read()

    # نمایش فایل HTML
    components.html(html_content, height=800, scrolling=True)

    # تعامل با مدل
    st.subheader("ارتباط با مدل")
    user_input = st.text_input("پیام خود را وارد کنید:")
    if st.button("ارسال"):
        if user_input.strip():
            # تولید پاسخ با مدل
            with st.spinner("در حال تولید پاسخ..."):
                response = model(user_input, max_length=50, num_return_sequences=1)
            st.success("پاسخ مدل:")
            st.write(response[0]["generated_text"])
        else:
            st.warning("لطفاً یک پیام وارد کنید.")

if __name__ == "__main__":
    main()