import gradio as gr
import os
from deep_translator import GoogleTranslator
from huggingface_hub import InferenceClient

# دریافت توکن از محیط (در Hugging Face Secrets تنظیم شود)
HF_TOKEN = os.environ.get("HUGGINGFACE_API_TOKEN")
if not HF_TOKEN:
    raise RuntimeError("Missing HUGGINGFACE_API_TOKEN secret")

# ساخت کلاینت جدید
hf_client = InferenceClient(token=HF_TOKEN)

def generate_topics(field, major, keywords, audience, level):
    # اعتبارسنجی ورودی‌ها
    if not all([field.strip(), major.strip(), keywords.strip(), audience.strip()]):
        return "<div style='color: red;'>❌ لطفاً همه فیلدها را پر کنید.</div>"

    # بخش مشترک پرامپت
    base_prompt = (
        f"Suggest 3 academic thesis topics based on the following:\n"
        f"Field: {field}\n"
        f"Specialization: {major}\n"
        f"Keywords: {keywords}\n"
        f"Target Audience: {audience}\n"
        f"Level: {level}\n"
    )

    # اگر دکتری است، تاکید روی ارائه الگو و مدل‌سازی پیچیده‌تر
    if level == "دکتری":
        extra = (
            "Since this is a doctoral-level project, focus on proposing theoretical frameworks, "
            "advanced modeling approaches, and in-depth methodological contributions."
        )
    else:
        extra = (
            "Focus on practical and applied thesis topics suitable for a master's level student."
        )

    prompt = base_prompt + extra

    try:
        # فراخوانی مدل DeepSeek با endpoint چت
        response = hf_client.chat.completions.create(
            model="deepseek-ai/DeepSeek-Prover-V2-671B",
            messages=[
                {"role": "system", "content": "You are an academic advisor assistant."},
                {"role": "user", "content": prompt}
            ],
            temperature=0.7,
            max_tokens=512
        )
        english_output = response.choices[0].message.content.strip()

        # ترجمه به فارسی
        try:
            translated_output = GoogleTranslator(source='en', target='fa').translate(english_output)
        except Exception:
            translated_output = english_output

        # قالب‌بندی HTML به‌صورت لیست مرتب
        translated_output_html = "<ol>" + \
            "".join(f"<li>{line}</li>" for line in translated_output.split("\n") if line) + \
            "</ol>"

        return (
            "<div>"
            f"{translated_output_html}"
            "<br><br>📢 برای مشاوره و راهنمایی تخصصی با گروه مشاوره کاسپین تماس بگیرید:<br>"
            "<strong>021-88252497</strong>"
            "</div>"
        )

    except Exception as e:
        return f"<div style='color: red;'>❌ خطا در تماس با مدل DeepSeek: {e}</div>"

# رابط کاربری Gradio
iface = gr.Interface(
    fn=generate_topics,
    inputs=[
        gr.Textbox(label="رشته", placeholder="مثال: کامپیوتر"),
        gr.Textbox(label="گرایش", placeholder="مثال: هوش مصنوعی"),
        gr.Textbox(label="کلیدواژه‌ها", placeholder="مثال: یادگیری عمیق، بینایی ماشین"),
        gr.Textbox(label="جامعه هدف", placeholder="مثال: دانشجویان دکتری"),
        gr.Dropdown(["کارشناسی ارشد", "دکتری"], label="مقطع")
    ],
    outputs=gr.HTML(label="موضوعات پیشنهادی", elem_id="output_box"),
    title="🎓 پیشنهادگر موضوع پایان‌نامه کاسپین",
    theme="default",
    css="""
        #output_box {
            min-height: 350px !important;
            max-height: 600px !important;
            overflow-y: auto !important;
            background-color: #1e1e1e !important;
            color: white !important;
            padding: 20px;
            border: 2px solid #ccc;
            font-family: 'Tahoma', sans-serif;
            font-size: 16px;
            text-align: right;
            direction: rtl;
            line-height: 1.8;
        }
    """
)

if __name__ == "__main__":
    # برای لینک عمومی: iface.launch(share=True)
    iface.launch()