import streamlit as st
from textwrap import dedent
from utils.audit.rag import get_text_from_content_for_doc,get_text_from_content_for_audio
from utils.audit.response_llm import generate_response_via_langchain
from langchain_core.messages import AIMessage, HumanMessage



def cr_main():
    st.title("Compte rendu")

    if "audit" not in st.session_state or st.session_state.audit == {}:
        st.error("Veuillez d'abord effectuer un audit pour générer un compte rendu.")
        return
    
    if "cr" not in st.session_state:
        st.session_state.cr = ""
    
    if "cr_chat_history" not in st.session_state:
        st.session_state.cr_chat_history = [
        ]
    
    audit = st.session_state.audit_simplified
    content = st.session_state.audit["content"]

    if audit["type de fichier"] == "pdf":
        text = get_text_from_content_for_doc(content)
    elif audit["type de fichier"] == "audio":
        text = get_text_from_content_for_audio(content)

    prompt_cr = dedent(f'''

    À partir du document ci-dessous, générez un compte rendu détaillé contenant les sections suivantes :

    2. **Résumé** : Fournissez une synthèse du document, en mettant en avant les points principaux, les relations essentielles, les concepts , les dates et les lieux, les conclusions et les détails importants.

    3. **Notes** :
    - Présentez les points clés sous forme de liste à puces avec des émojis pertinents pour souligner la nature de chaque point.
    - N'oubliez pas de relever tout les entités et les relations.
    - Incluez des sous-points (sans émojis) sous les points principaux pour offrir des détails ou explications supplémentaires.

    4. **Actions** : Identifiez et listez les actions spécifiques, tâches ou étapes recommandées ou nécessaires selon le contenu du document.

    **Document :**
                       
    {text}

    **Format de sortie :**


    ### Résumé :
    [Fournissez un résumé concis du document ici;n'oubliez pas de relever tout les entités et les relations.]

    ### Notes :
    - 📌 **Point Principal 1**
    - Sous-point A
    - Sous-point B
    - 📈 **Point Principal 2**
    - Sous-point C
    - Sous-point D
    - 📝 **Point Principal 3**
    - Sous-point E
    - Sous-point F

    ### Actions :
    1. [Action 1]
    2. [Action 2]
    3. [Action 3]
    4. ...

    ---
    ''')

    

    if st.button("Générer compte rendu"):

        with st.spinner("Génération du compte rendu..."):
            cr = generate_response_via_langchain(prompt_cr,stream=False,model="gpt-4o")
            st.session_state.cr =  cr
            st.session_state.cr_chat_history = []

    else: 
        cr = st.session_state.cr
    
    if cr:
        col1, col2 = st.columns([2.5, 1.5])

        with col1.container(border=True,height=800):
            st.markdown("##### Compte rendu")
            st.markdown("### Mots clés extraits:")
            st.write(f"- {audit['Mots clés'].strip()}")
            st.write(cr)
            # if st.button("📋",key="copy_transcription"):
            #     #pyperclip.copy(cr)
            #     st.success("Transcription copiée dans le presse-papier")
            
        with col2.container(border=True,height=800):
            st.markdown("##### Dialoguer avec le CR")

            user_query = st.chat_input("Par ici ...")
            if user_query is not None and user_query != "":
                st.session_state.cr_chat_history.append(HumanMessage(content=user_query))

            with st.container(height=650, border=False):
                for message in st.session_state.cr_chat_history:
                    if isinstance(message, AIMessage):
                        with st.chat_message("AI"):
                            st.markdown(message.content)
                    elif isinstance(message, HumanMessage):
                        with st.chat_message("Moi"):
                            st.write(message.content)
            
                #check if last message is human message
                if len(st.session_state.cr_chat_history) > 0:
                    last_message = st.session_state.cr_chat_history[-1]
                    if isinstance(last_message, HumanMessage):
                        with st.chat_message("AI"):
                            retreive = st.session_state.vectorstore.as_retriever()
                            context = retreive.invoke(last_message.content)
                            wrapped_prompt = f'''Étant donné le contexte suivant {context} et le compte rendu du document {cr}, {last_message.content}'''
                            response = st.write_stream(generate_response_via_langchain(wrapped_prompt,stream=True))
                            st.session_state.cr_chat_history.append(AIMessage(content=response))

                
cr_main()