import os
import gradio as gr

# 1) Hämta Hugging Face-token (om du har lagt in en HF_API_TOKEN som secret)
os.environ["HUGGINGFACEHUB_API_TOKEN"] = os.getenv("HF_API_TOKEN", "")

from transformers import pipeline

# Bytt till Bloom-560m, en betydligt mindre öppen modell
generator = pipeline(
    "text-generation",
    model="bigscience/bloom-560m",
    device_map="auto"   # Försöker automatiskt placera modellen på CPU/GPU
    # trust_remote_code=False  (ej nödvändigt för Bloom)
)

def generate_application(project_name, target_group, description):
    """
    Genererar en grundläggande Arvsfondsansökan.
    Här använder vi ett prompt som visar ett förifyllt format:
    - Rubrik
    - Projektbeskrivning
    - Motivering
    - Metod
    AI kompletterar texten.
    """
    prompt = f"""
    Skriv en Arvsfondsansökan för projektet '{project_name}' som riktar sig till '{target_group}'.
    Använd tydliga och konkreta formuleringar. Här är formatet:

    **Rubrik:**  
    "Ett inkluderande projekt för {target_group} inom [verksamhetsområde]"

    **Projektbeskrivning:**  
    "Projektet syftar till att skapa [aktivitet/tjänst] för {target_group} i syfte att [förbättring/mål].
    Genom samverkan med [lokala aktörer] vill vi stärka {target_group}s behov."

    **Motivering:**  
    "Behovet för detta projekt har identifierats genom [undersökning/dialog/erfarenhet].
    Det finns för närvarande en brist på [resurs/aktivitet] för {target_group}, vilket leder till [problem]."

    **Metod:**  
    "Projektet genomförs i tre faser: 1️⃣ [Planeringsfas], 2️⃣ [Genomförande], 3️⃣ [Utvärdering].
    Vi kommer att använda [metoder] för att säkerställa att projektet är inkluderande och hållbart."

    Anpassa texten för att passa föreningens behov.
    """
    # Generera text med pipeline
    result = generator(prompt, max_length=700, do_sample=True)
    return result[0]['generated_text']

def ai_feedback(application_text):
    """
    Analyserar genererad text och ger feedback enligt Arvsfondens krav:
    - Tydlighet kring målgrupp
    - Konkreta metoder och genomförandeplan
    - Motivering till projektets behov
    """
    feedback_prompt = f"""
    Läs igenom följande ansökan och peka ut eventuella svagheter enligt Arvsfondens krav:
    - Är målgruppen tydligt definierad?
    - Har projektet en konkret metod och tydlig genomförandeplan?
    - Finns det en klar motivering till varför projektet behövs?

    Ansökan:
    {application_text}

    Ge konstruktiv feedback på svenska.
    """
    # Generera feedback
    result = generator(feedback_prompt, max_length=300, do_sample=True)
    return result[0]['generated_text']

def chatbot_response(user_input, chat_history):
    """
    Interaktiv chatbot som stegvis bygger ansökan.
    Om användaren skriver nyckelord visar vi förberedda frågor.
    Annars skickar vi prompten direkt till AI:n för en öppen svarsgenerering.
    """
    questions = {
        "start": (
            "Vad handlar ert projekt om? Välj det som bäst beskriver ert initiativ:\n"
            "1️⃣ Skapa en ny verksamhet\n"
            "2️⃣ Utveckla en befintlig verksamhet\n"
            "3️⃣ Starta en helt ny metod."
        ),
        "target_group": (
            "Vilken målgrupp riktar sig projektet till?\n"
            "✅ Barn och unga (0–25 år)\n"
            "✅ Personer med funktionsnedsättning\n"
            "✅ Äldre (över 65 år)"
        ),
        "goal": (
            "Vad är huvudmålet med projektet?\n"
            "✅ Skapa nya fritidsmöjligheter\n"
            "✅ Förbättra hälsa och välmående\n"
            "✅ Skapa arbete eller utbildning\n"
            "✅ Öka social inkludering"
        ),
        "execution": (
            "Hur ska ni genomföra projektet?\n"
            "✅ Workshops/evenemang\n"
            "✅ Samarbete med lokala aktörer\n"
            "✅ Digitala lösningar (webbplattform, app etc.)"
        ),
        "need": (
            "Hur vet ni att det finns ett behov av projektet?\n"
            "✅ Vi har pratat med målgruppen\n"
            "✅ Vi har sett att liknande projekt saknas\n"
            "✅ Vi har analyserat statistik eller forskning"
        )
    }

    lowered_input = user_input.lower()

    # Styr chatboten genom enkla nyckelord
    if lowered_input in ["start", "börja"]:
        chat_history.append(("System", questions["start"]))
    elif any(k in lowered_input for k in ["ny verksamhet", "utveckla", "ny metod"]):
        chat_history.append(("System", questions["target_group"]))
    elif any(k in lowered_input for k in ["barn", "funktionsnedsättning", "äldre"]):
        chat_history.append(("System", questions["goal"]))
    elif any(k in lowered_input for k in ["fritidsmöjligheter", "hälsa", "arbete", "inkludering"]):
        chat_history.append(("System", questions["execution"]))
    elif any(k in lowered_input for k in ["workshops", "samarbete", "digitala lösningar", "evenemang"]):
        chat_history.append(("System", questions["need"]))
    else:
        # Om inget nyckelord matchar, generera fritt svar
        result = generator(user_input, max_length=200, do_sample=True)
        chat_history.append(("User", user_input))
        chat_history.append(("AI", result[0]['generated_text']))

    # Gradio Chatbot kräver att man returnerar (user_input, chat_history)
    return "", chat_history

# Bygg Gradio-appen
with gr.Blocks() as demo:
    gr.Markdown("# 📝 Arvstöd™ – AI-hjälp för föreningar (Falcon 7B)")

    with gr.Row():
        with gr.Column():
            gr.Markdown("## 📋 Fyll i dina uppgifter")
            project_name = gr.Textbox(label="Projektnamn")
            target_group = gr.Dropdown(
                ["Barn och unga", "Personer med funktionsnedsättning", "Äldre"],
                label="Målgrupp"
            )
            description = gr.Textbox(label="Kort beskrivning av projektet")

            generate_button = gr.Button("Generera ansökan")
            application_output = gr.Textbox(label="AI-genererad ansökningstext")

            feedback_button = gr.Button("Få AI-feedback")
            feedback_output = gr.Textbox(label="AI-feedback på ansökan")

        with gr.Column():
            gr.Markdown("## 💬 Chatbot – Förbättra din ansökan")
            chatbot = gr.Chatbot()
            user_input = gr.Textbox(label="Skriv en fråga eller be om feedback")
            send_button = gr.Button("Skicka")

    # Koppla knapparna till våra funktioner
    generate_button.click(
        fn=generate_application,
        inputs=[project_name, target_group, description],
        outputs=application_output
    )
    feedback_button.click(
        fn=ai_feedback,
        inputs=[application_output],
        outputs=feedback_output
    )
    send_button.click(
        fn=chatbot_response,
        inputs=[user_input, chatbot],
        outputs=[user_input, chatbot]
    )

demo.launch()