import streamlit as st
import os
from langchain.document_loaders import PyPDFDirectoryLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.vectorstores import Chroma
from langchain.embeddings import OpenAIEmbeddings
from langchain.llms import OpenAI
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough

# Configuración inicial y variables de entorno
st.title("Busca en PDFs")

# Entradas de usuario para las API keys
OPENAI_API_KEY = st.text_input('OpenAI Api Key', type='password')
if OPENAI_API_KEY:
    os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

    # Función principal
    def main():
        st.write("Aplicación en Streamlit ejecutándose correctamente")

        # Configura las carpetas necesarias
        source_data_folder = "src"
        path_db = "VectorDB"
        os.makedirs(source_data_folder, exist_ok=True)
        os.makedirs(path_db, exist_ok=True)

        # Carga de archivos PDF
        uploaded_files = st.file_uploader("Sube archivos PDF", type="pdf", accept_multiple_files=True)
        if uploaded_files:
            for uploaded_file in uploaded_files:
                with open(os.path.join(source_data_folder, uploaded_file.name), "wb") as f:
                    f.write(uploaded_file.getbuffer())
            st.write(f"{len(uploaded_files)} archivos subidos exitosamente")

            # Leer y procesar PDFs
            loader = PyPDFDirectoryLoader(source_data_folder)
            data_on_pdf = loader.load()
            st.write(f"Se han cargado {len(data_on_pdf)} documentos")

            # Particionar datos
            text_splitter = RecursiveCharacterTextSplitter(
                separators=["\n\n", "\n", ". ", " ", ""],
                chunk_size=1024,
                chunk_overlap=200
            )
            splits = text_splitter.split_documents(data_on_pdf)
            st.write(f"Se han creado {len(splits)} fragmentos")

            # Embeddings
            embeddings_model = OpenAIEmbeddings(model="text-embedding-ada-002")

            # Base de datos vectorial
            vectorstore = Chroma.from_documents(documents=splits, embedding=embeddings_model, persist_directory=path_db)

            # Configuración del LLM
            llm = OpenAI(model_name="gpt-3.5-turbo-0125", openai_api_key=OPENAI_API_KEY, temperature=0.8)

            retriever = vectorstore.as_retriever()

            prompt_template = """
            Responde en español como un experto en análisis de datos:
            {context}

            Pregunta: {question}
            """

            def format_docs(docs):
                return "\n\n".join(doc.page_content for doc in docs)

            def create_prompt(context, question):
                return prompt_template.format(context=context, question=question)

            rag_chain = (
                {"context": retriever | format_docs, "question": RunnablePassthrough()}
                | create_prompt
                | llm
                | StrOutputParser()
            )

            # Interacción con el usuario
            pregunta = st.text_input("Haz una pregunta sobre los documentos:")
            if pregunta:
                try:
                    response = rag_chain.invoke(pregunta)
                    st.markdown(response)
                except Exception as e:
                    st.error(f"Error al procesar la pregunta: {e}")

    if __name__ == "__main__":
        main()
else:
    st.write("Por favor, proporciona las API keys para continuar.")