import anthropic
import os
import streamlit as st
import logging
from typing import Dict, Any

logger = logging.getLogger(__name__)

def generate_claude_recommendations(text: str, metrics: Dict[str, Any], text_type: str, lang_code: str):
    """
    Genera recomendaciones personalizadas utilizando la API de Claude.
    
    Args:
        text: El texto original que se analizó
        metrics: Métricas calculadas por el sistema
        text_type: Tipo de texto (academic_article, student_essay, general_communication)
        lang_code: Código del idioma
        
    Returns:
        str: HTML formateado con recomendaciones personalizadas
    """
    # Diccionario para traducción de tipos de texto
    text_type_names = {
        'academic_article': 'artículo académico',
        'student_essay': 'trabajo universitario',
        'general_communication': 'comunicación general'
    }
    
    # Identificar las áreas más débiles (ordenadas de peor a mejor)
    areas = ['vocabulary', 'structure', 'cohesion', 'clarity']
    scores = {area: metrics[area]['normalized_score'] for area in areas}
    weak_areas = sorted(areas, key=lambda x: scores[x])
    
    # Crear un mensaje estructurado para Claude
    try:
        client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))
        
        # Construir el prompt para Claude
        prompt = f"""
        Actúa como un asistente experto en escritura académica y comunicación.
        
        Analiza el siguiente texto (clasificado como {text_type_names.get(text_type, text_type)}) y genera recomendaciones personalizadas para mejorarlo.
        
        Las métricas de análisis del texto son:
        - Vocabulario: {scores['vocabulary']:.2f}/1.00
        - Estructura: {scores['structure']:.2f}/1.00
        - Cohesión: {scores['cohesion']:.2f}/1.00
        - Claridad: {scores['clarity']:.2f}/1.00
        
        Áreas que necesitan mayor atención (de mayor a menor prioridad):
        {', '.join([area for area in weak_areas[:2]])}
        
        Texto analizado:
        "{text[:1000]}..." (texto truncado para análisis)
        
        Por favor, proporciona:
        1. Un breve resumen del análisis (2-3 oraciones)
        2. 3-4 recomendaciones específicas para mejorar el texto, identificando problemas concretos
        3. Sugerencias de qué herramientas de AIdeaText serían más útiles (Análisis Morfosintáctico, Análisis Semántico, o Análisis del Discurso)
        4. Un ejemplo concreto de cómo mejorar una frase del texto
        
        Utiliza un tono profesional pero amigable, y estructura tus recomendaciones en HTML simple usando etiquetas <h4>, <p>, <ul>, <li>, y <strong>. No uses estilos inline ni clases CSS.
        """
        
        # Llamada a la API de Claude
        message = client.messages.create(
            model="claude-3-5-sonnet-20241022",
            max_tokens=1000,
            temperature=0.3,
            system="Eres un asistente experto en análisis textual que proporciona recomendaciones claras y útiles para mejorar textos.",
            messages=[
                {"role": "user", "content": prompt}
            ]
        )
        
        # Obtener la respuesta
        return message.content[0].text
        
    except Exception as e:
        logger.error(f"Error generando recomendaciones con Claude: {str(e)}")
        # Fallback en caso de error
        return f"""
        <h4>Recomendaciones para mejorar tu texto</h4>
        <p>Hemos detectado que las áreas de <strong>{weak_areas[0]}</strong> y <strong>{weak_areas[1]}</strong> 
        son las que más podrían beneficiarse de mejoras.</p>
        <p>Para obtener recomendaciones más detalladas, utiliza el asistente virtual de Claude AI
        ubicado en la esquina superior izquierda (presiona la flecha junto al logo).</p>
        """

def display_personalized_recommendations(text, metrics, text_type, lang_code, t):
    """
    Muestra recomendaciones personalizadas en una interfaz amigable.
    
    Args:
        text: El texto original que se analizó
        metrics: Métricas calculadas por el sistema
        text_type: Tipo de texto
        lang_code: Código del idioma
        t: Diccionario de traducciones
    """
    st.markdown("### 📝 Recomendaciones Personalizadas")
    
    # Verificar si ya tenemos las recomendaciones en la sesión
    recommendations_key = f"claude_recommendations_{text_type}"
    
    # Generar nuevas recomendaciones si no existen o si se ha cambiado el tipo de texto
    if recommendations_key not in st.session_state:
        with st.spinner("Generando recomendaciones personalizadas..."):
            recommendations_html = generate_claude_recommendations(
                text=text,
                metrics=metrics,
                text_type=text_type,
                lang_code=lang_code
            )
            st.session_state[recommendations_key] = recommendations_html
    
    # Mostrar las recomendaciones
    st.markdown(
        f"""
        <div style="border: 1px solid #ddd; border-radius: 8px; padding: 20px; background-color: #f9f9f9;">
            {st.session_state[recommendations_key]}
        </div>
        """, 
        unsafe_allow_html=True
    )
    
    # Mensaje para animar a usar el chatbot
    st.info("💡 **Para seguir mejorando tu texto:** Despliega el asistente virtual (potenciado por Claude AI) ubicado en la parte superior izquierda, presionando la flecha junto al logo.")

# Función para integrar este nuevo sistema en la interfaz existente
def display_recommendations_section(text_input, current_doc, current_metrics, text_type, lang_code, t):
    """
    Función principal para mostrar la sección de recomendaciones en la interfaz.
    
    Reemplaza a la función display_recommendations_with_actions anterior.
    """
    # Subtabs para diferentes tipos de recomendaciones
    subtab1, subtab2 = st.tabs(["Diagnóstico", "Recomendaciones"])
    
    # Tab de diagnóstico (mantener el radar chart existente)
    with subtab1:
        display_diagnosis(
            metrics=current_metrics,
            text_type=text_type
        )
    
    # Tab de recomendaciones personalizadas por Claude
    with subtab2:
        display_personalized_recommendations(
            text=text_input,
            metrics=current_metrics,
            text_type=text_type,
            lang_code=lang_code,
            t=t
        )