# Importacion de Librerias
import os
import openai
from llama_index.core import SimpleDirectoryReader, ServiceContext, VectorStoreIndex
from llama_index.core import (
    SimpleDirectoryReader,
    VectorStoreIndex,
    ServiceContext,
    StorageContext,
    Response,
    Document,
    load_index_from_storage
)
from llama_index.llms.openai import OpenAI
import gradio as gr
from gradio import components
import textwrap
import datetime

openai.api_key = os.environ.get('openai_key')
os.environ["OPENAI_API_KEY"] = os.environ.get('openai_key')


# Cargar modelo
exec(os.environ.get('storage_context'))



### Inicio context ###

# load index
storage_context = StorageContext.from_defaults(persist_dir = "./")
index = load_index_from_storage(storage_context, index_id="vector_index")
print("Se cargó el index.")


# load from disk

llm=OpenAI(model="gpt-3.5-turbo", temperature=0.1)
query_engine = index.as_query_engine(llm=llm, streaming=True)

prompt = """Responder en español: """

### Fin context ###



import gradio as gr
from gradio import components
import textwrap


def responder(pregunta):
    # Respuesta con prompt sumado a la pregunta
    respuesta = query_engine.query(prompt + pregunta)

    # Muestra la cadena que se va formando palabra por palabra
    partial_message = ""
    for chunk in respuesta.response_gen:
        partial_message += chunk
        yield partial_message




# Definir la interfaz de usuario con Gradio
with gr.Blocks(theme='sudeepshouche/minimalist') as demo:

    gr.Markdown("""
    # Pharma.IA
    Realiza preguntas
    """)
    with gr.Row():
        with gr.Column():
            pregunta = gr.Text(label="Pregunta", placeholder='Escribe tu pregunta aquí...')

            with gr.Row():
                btn_send = gr.Button(value="Preguntar", variant="primary")
                clear = gr.Button(value="Limpiar")

            #gr.Examples(label="Ejemplos", examples=[""], inputs=[pregunta])

        with gr.Column():
            response = gr.Textbox(label="Respuesta")

    btn_send.click(responder, inputs=[pregunta], outputs=[response])
    clear.click(lambda: None, None, pregunta, queue=False)

demo.queue()
demo.launch()