app.py

import gradio as gr
import os
import json
import requests
import xml.etree.ElementTree as ET
from huggingface_hub import HfApi, create_repo

# Dosya yolu: Kalıcı depolama için öncelik, yoksa geçici dizin
LOG_FILE = '/persistent-storage/chat_logs.txt'
persistent_dir = '/persistent-storage'

if not os.path.exists(persistent_dir):
    try:
        os.makedirs(persistent_dir, exist_ok=True)
        print(f"Kalıcı depolama dizini oluşturuldu: {persistent_dir}")
    except Exception as e:
        print(f"Kalıcı depolama dizini oluşturulamadı: {e}. Geçici dizine geri dönülüyor.")
        LOG_FILE = 'chat_logs.txt'

print(f"Dosya yolu: {os.path.abspath(LOG_FILE)}")

# API ayarları
API_URL = "https://api.openai.com/v1/chat/completions"
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
if not OPENAI_API_KEY:
    print("Hata: OPENAI_API_KEY çevre değişkeni ayarlanmamış!")

# Trek bisiklet ürünlerini çekme
url = 'https://www.trekbisiklet.com.tr/output/8582384479'
response = requests.get(url)
root = ET.fromstring(response.content)

products = []
for item in root.findall('item'):
    if item.find('isOptionOfAProduct').text == '1' and item.find('stockAmount').text > '0':
        name_words = item.find('rootlabel').text.lower().split()
        name = name_words[0]
        full_name = ' '.join(name_words)
        stockAmount = "stokta"
        price = item.find('priceWithTax').text
        item_info = (stockAmount, price)
        products.append((name, item_info, full_name))

# Ortam değişkeninde "hfapi" tanımlı; tokenimizi alıyoruz.
hfapi = os.getenv("hfapi")
if not hfapi:
    raise ValueError("hfapi ortam değişkeni ayarlanmamış!")

# Ana Space için repo oluşturuluyor (repo adı "BF")
create_repo("BF", token=hfapi, repo_type="space", space_sdk="gradio", exist_ok=True)
# Log commitleri için ayrı bir repo; repo id'sini tam kullanıcı adı ile belirtelim.
REPO_ID_LOGS = "SamiKoen/BF-logs"
create_repo(REPO_ID_LOGS, token=hfapi, repo_type="model", exist_ok=True)

def upload_logs_to_hf(repo_id: str, hf_token: str, local_log_file: str = "chat_logs.txt", repo_type: str = "model"):
    """
    Log dosyasını HF Hub'daki ayrı bir repository'ye yükler.
    
    Args:
        repo_id (str): Log repository tam id'si (örn. "SamiKoen/BF-logs").
        hf_token (str): HF API token'ınız.
        local_log_file (str): Yüklenecek log dosyasının yolu.
        repo_type (str): Repository tipi ("model" kullanıyoruz).
    """
    api = HfApi(token=hf_token)
    try:
        api.upload_file(
            path_or_fileobj=local_log_file,
            path_in_repo=local_log_file,
            repo_id=repo_id,
            repo_type=repo_type,
            commit_message="Log dosyası güncellendi"
        )
        print(f"Log dosyası başarıyla yüklendi: {local_log_file}")
    except Exception as e:
        print(f"Log dosyası yüklenirken hata oluştu: {e}")

def predict(system_msg, inputs, top_p, temperature, chat_counter, chatbot=None, history=None):
    """
    Her Enter'a basıldığında çalışır. Kullanıcı mesajı dosyaya yazılır,
    bot yanıtı tamamlandığında log dosyasına eklenir ve predict fonksiyonunun
    sonlanması sırasında log dosyası HF Hub'daki log deposuna yüklenir.
    """
    if chatbot is None:
        chatbot = []
    if history is None:
        history = []

    try:
        headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {OPENAI_API_KEY}"
        }
        print(f"System message: {system_msg}")
        
        multi_turn_message = [
            {"role": "system", "content": "Bir önceki sohbeti unut. Vereceğin ürün bilgisi, bu bilginin içinde yan yana yazılmıyorsa veya arada başka bilgiler varsa, o bilgiyi vermeyeceksin. ... (uzun metin)"}
        ]
        
        messages = multi_turn_message.copy()
        input_words = [str(word).lower() for word in inputs.split()]
        for product_info in products:
            if product_info[0] in input_words:
                new_msg = f"{product_info[2]} {product_info[1][0]} ve fiyatı EURO {product_info[1][1]}"
                print(new_msg)
                messages.append({"role": "system", "content": new_msg})
        
        for data in chatbot:
            messages.append({"role": data["role"], "content": data["content"]})
        
        messages.append({"role": "user", "content": inputs})
        
        payload = {
            "model": "gpt-4o",
            "messages": messages,
            "temperature": 0.7,
            "top_p": 0.9,
            "n": 1,
            "stream": True,
            "presence_penalty": 0,
            "frequency_penalty": 0,
        }
        
        chat_counter += 1
        history.append(inputs)
        print(f"Logging: Payload is - {payload}")
        
        # Kullanıcı mesajını log dosyasına yaz
        try:
            with open(LOG_FILE, 'a', encoding='utf-8') as f:
                f.write(f"User: {inputs}\n")
                print(f"Kullanıcı mesajı dosyaya yazıldı: {inputs}")
        except Exception as e:
            print(f"Dosya yazma hatası (Kullanıcı): {e}")
        
        chatbot.append({"role": "user", "content": inputs})
        response = requests.post(API_URL, headers=headers, json=payload, stream=True)
        print(f"Logging: Response code - {response.status_code}")
        if response.status_code != 200:
            print(f"API hatası: {response.text}")
            return chatbot, history, chat_counter
        
        partial_words = ""
        counter = 0
        for chunk in response.iter_lines():
            counter += 1
            if not chunk:
                continue
            chunk_str = chunk.decode('utf-8')
            print(f"Chunk {counter}: {chunk_str}")
            if chunk_str.startswith("data: ") and chunk_str != "data: [DONE]":
                try:
                    chunk_data = json.loads(chunk_str[6:])
                    delta = chunk_data['choices'][0]['delta']
                    if 'content' in delta and delta['content']:
                        content = delta['content']
                        partial_words += content
                        print(f"İçerik eklendi: {content}")
                        print(f"Güncel partial_words: {partial_words}")
                except json.JSONDecodeError as e:
                    print(f"JSON parse hatası: {e} - Chunk: {chunk_str}")
            elif chunk_str == "data: [DONE]":
                print("Akış tamamlandı: [DONE] alındı")
                if partial_words:
                    history.append(partial_words)
                    chatbot.append({"role": "assistant", "content": partial_words})
                    try:
                        with open(LOG_FILE, 'a', encoding='utf-8') as f:
                            f.write(f"Bot: {partial_words}\n")
                            print(f"Bot yanıtı dosyaya yazıldı: {partial_words}")
                    except Exception as e:
                        print(f"Dosya yazma hatası (Bot): {e}")
            chat = chatbot.copy()
            if partial_words and chat and chat[-1]["role"] == "user":
                chat.append({"role": "assistant", "content": partial_words})
            elif partial_words and chat and chat[-1]["role"] == "assistant":
                chat[-1] = {"role": "assistant", "content": partial_words}
            yield chat, history, chat_counter
    finally:
        # Predict fonksiyonu kapatıldığında (streaming tamamlandığında veya iptal olduğunda) log dosyasını HF Hub'a yükle.
        print("Predict fonksiyonu sonlanıyor, log dosyası yüklenecek.")
        upload_logs_to_hf(REPO_ID_LOGS, hfapi, local_log_file=LOG_FILE, repo_type="model")
    
    print(f"Son chatbot durumu: {chatbot}")
    return chatbot, history, chat_counter

def reset_textbox():
    return gr.update(value='')

# Gradio arayüzü için CSS ve tema ayarları
demo_css = """
#send_button {
    background-color: #0b93f6;
    border: none;
    color: white;
    font-size: 16px;
    border-radius: 10%;
    width: 100px !important;
    height: 37px !important;
    display: inline-flex;
    align-items: center;
    justify-content: center;
    cursor: pointer;
    transition: background-color 0.3s;
    margin: 5px;
}
.fixed_button_container {
    padding: 0px;
    margin: 0px 0 0 0px;
}
#custom_row {
    width: 150% !important;
    flex-wrap: nowrap !important;
}
@media only screen and (max-width: 1000px) {
    .custom_row {
        flex-wrap: nowrap !important;
    }
}
#chatbot {
    height: 100vh;
    overflow-y: auto;
}
"""

theme = gr.themes.Base(
    neutral_hue="blue",
    text_size="sm",
    spacing_size="sm",
)

with gr.Blocks(css=demo_css, theme=theme) as demo:
    if not os.path.exists(LOG_FILE):
        with open(LOG_FILE, 'w', encoding='utf-8') as f:
            f.write("--- Yeni Sohbet ---\n")
    
    with gr.Column(elem_id="col_container"):
        with gr.Accordion("", open=False, visible=False):
            system_msg = gr.Textbox(value="")
            new_msg = gr.Textbox(value="")
            accordion_msg = gr.HTML(value="", visible=False)
        
        chatbot = gr.Chatbot(label='Trek Asistanı', elem_id="chatbot", type="messages")
        
        with gr.Row(elem_id="custom_row"):
            inputs = gr.Textbox(
                placeholder="Buraya yazın",
                show_label=False,
                container=False,
            )
            with gr.Column(elem_classes="fixed_button_container"):
                send_button = gr.Button(value="Gönder", elem_id="send_button")
        
        state = gr.State([])
        
        with gr.Accordion("", open=False, visible=False):
            top_p = gr.Slider(minimum=0, maximum=1.0, value=0.5, step=0.05, interactive=False, visible=False)
            temperature = gr.Slider(minimum=0, maximum=5.0, value=0.1, step=0.1, interactive=False, visible=False)
            chat_counter = gr.Number(value=0, visible=False, precision=0)
        
        # Hem Enter hem de Gönder butonuna basıldığında predict çalışıyor.
        inputs.submit(predict, [system_msg, inputs, top_p, temperature, chat_counter, chatbot, state], [chatbot, state, chat_counter])
        inputs.submit(reset_textbox, [], [inputs])
        send_button.click(predict, [system_msg, inputs, top_p, temperature, chat_counter, chatbot, state], [chatbot, state, chat_counter])
        send_button.click(reset_textbox, [], [inputs])

demo.queue(max_size=10).launch(debug=True)