import gradio as gr
from rag_utils import load_faiss_index, get_embedding_model, query_index, nettoyer_context, generate_answer

# Chargement des données
index, documents = load_faiss_index()
embedder = get_embedding_model()

# Fonction pour traiter la question et générer une réponse
def respond(message, history):
    try:
        context = query_index(message, index, documents, embedder)
        cleaned_context = nettoyer_context("\n".join(context))
        answer = generate_answer(message, cleaned_context)
        history.append((message, answer))
        return "", history
    except Exception as e:
        print("Erreur :", e)
        history.append((message, "😓 Le conseiller IA est temporairement indisponible."))
        return "", history

# Interface Gradio
with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="yellow")) as demo:
    gr.Markdown("# 🎓 EduPilot - Chatbot d'Orientation IA")
    gr.Markdown("👋 Bonjour ! Je suis **EduPilot**, ton conseiller IA.\n\nPose-moi une question sur ton avenir scolaire, les filières, les écoles ou les métiers qui t'intéressent.")

    chatbot = gr.Chatbot(label="Conseiller IA")
    state = gr.State([])  # historique du chat

    with gr.Row():
        msg = gr.Textbox(
            placeholder="Exemple : Que faire après un bac pro ?",
            show_label=False,
            container=True,
            scale=8
        )
        submit = gr.Button("Envoyer", scale=1)

    submit.click(respond, [msg, state], [msg, chatbot, state])
    msg.submit(respond, [msg, state], [msg, chatbot, state])

demo.launch()