# 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
from llama_index.core import Settings
from llama_index.embeddings.openai import OpenAIEmbedding
from llama_index.core.node_parser import SentenceSplitter
from llama_index.core.tools import RetrieverTool
from llama_index.core.selectors import LLMSingleSelector, LLMMultiSelector
from llama_index.core.selectors import (
    PydanticMultiSelector,
    PydanticSingleSelector,
)
from llama_index.core.retrievers import (
    BaseRetriever,
    VectorIndexRetriever,
    KGTableRetriever,
    RouterRetriever
)
from llama_index.core import get_response_synthesizer
from llama_index.core.query_engine import RetrieverQueryEngine
from llama_index.core.prompts import PromptTemplate
from llama_index.core import QueryBundle
from llama_index.core.schema import NodeWithScore
from llama_index.core.postprocessor import SentenceTransformerRerank
from typing import List

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
prompt = """Eres el asistente virtual de la empresa Pharma.IA, responde las consultas como un experto en fabricacion de medicamentos, validacion de software e inteligencia artificial. Responder en español y en forma breve. 
Cuando no tengas la respuesta indica al usuario que consulte a info@pharma-ia.com.ar. Consulta:
 """
### Fin context ###



import gradio as gr
from gradio import components
import textwrap


def responder(pregunta):
    try:
        # 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
    except Exception as e:
        # Si hay algún error, devolver un mensaje de error
        yield "Por favor, intenta realizar una pregunta más acotada."

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

    gr.Markdown("""
    # Asistente Pharma.IA
    Realiza tus consultas sobre nuestras actividades y servicios
    """)
    with gr.Row():
        with gr.Column():
            pregunta = gr.Text(label="Consultas", 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()