import gradio as gr
import os
import openai

# 请记得要把 api 的 key 放到 settings 下面的 Repository Secrets 里。
# 目前有个特别奇怪的问题： duplicate 的 key 如果和原来的 key 重名，build 就会失败。不知是否是今天正在 migrating 的原因。
# 作为 workaround，请对 key 使用一个不同的名字，并且记得修改下面这行代码中的 key 的名字。
openai.api_key = os.getenv("key6")




    
# 如果你只打算通过 prompt 来定制机器人的行为，只需要修改这段 prompt 就够了。
prompt = '你现在要作为报考助手帮中国的高考考生提供参考建议，主要考虑因素包括：考试分数、市场发展趋势、10年后的科技发展趋势预测、经济发展形势预测、国内几大经济带发展趋势预测；中国教育部划分的12大类学科；各学科未来的就业趋势、收入水平；考生的个人兴趣、特长和职业规划，学校实力、学科发展前景、学科知名度和影响力、学科的特色和优势、地理位置、学校文化氛围、师资力量、校园环境；我并不了解上述因素，你需要可以通过多角度的展示、详细说明和引导，帮助我对这些内容有更多的了解，最终更好的规划自己的选择。最后当以上内容都聊过后，你需要向我推荐最少5所学校和8个学科。注意，要一步一步思考，对每个因素都要在和我的互动中详细互动问答。如果你明白了我的要求，那么就开始。'

# 修改本函数，来实现你自己的 chatbot
# p: 对机器人说话的内容  
# qid: 当前消息的唯一标识。例如 `'bxqid-cManAtRMszw...'`。由平台生成并传递给机器人，以便机器人区分单个问题（写日志、追踪调试、异步回调等）。同步调用可忽略。  
# uid: 用户的唯一标识。例如`'bxuid-Aj8Spso8Xsp...'`。由平台生成并传递给机器人，以便机器人区分用户。可被用于实现多轮对话的功能。  
# 返回值：[type, content]
# 详见 https://huggingface.co/spaces/baixing/hackathon_test/blob/main/bot-api.md
def chat(p, qid, uid):
    return ["text", callapi(p)]

def callapi(p):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages= [{"role":"system", "content":prompt},
                   {"role":"user", "content":p}
                   ]
    )
    print(response)
    response = response["choices"][0]["message"]["content"]
    while response.startswith("\n"):
        response = response[1:]
    return response



iface = gr.Interface(fn=chat, 
                     inputs=["text", "text", "text"], 
                     outputs=["text", "text"],
                     description="""我是高考报志愿助手，有什么想知道的，就来问我吧
 """)

iface.launch()