app.py

import os
import time
from datetime import datetime

import gradio as gr
import requests
from langchain.prompts import ChatPromptTemplate
from langchain_community.llms import Ollama

from func_ai import VECTOR_API_URL
from func_facebook import get_page_id, get_unanswered_comments, reply_comment, hide_negative_comments


def log_message(message):
    timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    print(f"[{timestamp}] {message}")


# Wait for the server to start
time.sleep(10)
llm = Ollama(model="llama3.1")
log_message("Модель Ollama 'llama3.1' инициализирована.")

template = """
You are an assistant answering users' questions using only the links provided in the context. Your tasks:

1. **Brevity**: Respond concisely, using only relevant information from the context.
2. **Politeness**: Start your response with a greeting if appropriate, but prioritize maintaining a respectful and professional tone.
3. **Clarity**: Avoid unnecessary explanations and use simple language.
4. **Language of the response**: Detect the language of the user's comment and reply in the same language.
5. **Safety**: Do not use phrases like "according to the context" and remove any warnings.
6. **Accuracy**: Only use the links provided in the context and **always include them at the end of your response**.
7. **Stay on Topic**: If the user's input is a greeting or not directly related to the context, politely guide them back to the relevant topic without engaging in small talk.
8. **Links**: Always provide the relevant links from the context at the end of the response and **do not add any other links**.

<context>
{context}
</context>

Question: {input}

"""


def delete_faiss_index():
    log_message("Удаляем FAISS индекс.")
    response = requests.delete(f"{VECTOR_API_URL}/delete_index/")

    if response.status_code == 200:
        log_message("FAISS индекс успешно удален.")
        return "Faiss успешно удален."
    else:
        log_message(f"Ошибка при удалении FAISS индекса: {response.json().get('detail')}")
        return {"status": "error", "message": response.json().get("detail", "Ошибка при удалении FAISS индекса.")}

#
# def upload_file_vdb(file):
#     log_message("Загружаем файл")
#     API_URL = f"{VECTOR_API_URL}/upload/"
#
#     file_path = file
#     file_name = os.path.basename(file_path)
#
#     # Открываем файл в бинарном режиме
#     with open(file_path, 'rb') as f:
#         files = {'file': (file_name, f)}
#         response = requests.post(API_URL, files=files)
#
#     # Обработка ответа от сервера
#     if response.status_code == 200:
#         log_message("Файл успешно загружен.")
#         return "Файл успешно загружен."
#     else:
#         log_message(f"Ошибка при загрузке файла: {response.json().get('detail')}")
#         return f"Ошибка: {response.json().get('detail')}"


def generate_responses(user_queries, context):
    log_message(f"Генерация ответов на {len(user_queries)} запросов")
    prompt = ChatPromptTemplate.from_template(template)

    # Формируем список полных промптов для каждого запроса
    full_prompts = [prompt.format(context=context, input=query) for query in user_queries]

    # Используем llm.batch для получения ответов на все промпты
    responses = llm.batch(full_prompts)
    log_message("Ответы сгенерированы.")
    return responses



def process_comments(ACCESS_TOKEN, user_context):
    log_message("Начинаем процесс скрытия отрицательных комментариев.")
    hidden_comments_data = hide_negative_comments(ACCESS_TOKEN)
    log_message(f"Количество постов с скрытыми комментариями: {len(hidden_comments_data)}")

    log_message("Получение неотвеченных комментариев.")
    posts_with_unanswered_comments = get_unanswered_comments(ACCESS_TOKEN)

    page_id = get_page_id(ACCESS_TOKEN)
    if not page_id:
        log_message("Не удалось получить ID страницы.")
        return {"status": "failed", "reason": "Не удалось получить ID страницы."}

    log_message(f"ID страницы: {page_id}")

    processed_posts = []
    processed_comment_ids = set()

    all_comments = []
    all_comment_ids = []

    for post_data in posts_with_unanswered_comments:
        post_id = post_data['post_id']
        post_message = post_data['post_message']
        unanswered_comments = post_data['unanswered_comments']

        for comment in unanswered_comments:
            comment_id = comment['id']
            if comment_id in processed_comment_ids:
                log_message(f"Комментарий {comment_id} уже обработан. Пропуск.")
                continue
            processed_comment_ids.add(comment_id)

            message = comment['message']
            log_message(f"Добавление комментария для обработки: {message}")

            # Добавляем комментарий и его ID в списки
            all_comments.append(message)
            all_comment_ids.append(comment_id)

    # Генерируем ответы на все комментарии батчем
    responses = generate_responses(all_comments, context=user_context)

    # Отправляем ответы на соответствующие комментарии
    for comment_id, response_message in zip(all_comment_ids, responses):
        log_message(f"Ответ на комментарий {comment_id}: {response_message}")
        success = reply_comment(comment_id=comment_id, message=response_message, token=ACCESS_TOKEN)
        if success:
            log_message(f"Успешно отправлен ответ на комментарий {comment_id}")
        else:
            log_message(f"Ошибка при отправке ответа на комментарий {comment_id}")

    # Формируем информацию о обработанных постах
    for post_data in posts_with_unanswered_comments:
        post_id = post_data['post_id']
        post_message = post_data['post_message']
        processed_posts.append({
            'post_id': post_id,
            'post_message': post_message,
            'hidden_comments': next(
                (item['hidden_comments'] for item in hidden_comments_data if item['post_id'] == post_id), []),
            # Вы можете добавить дополнительную информацию, если необходимо
        })

    return {
        "status": "completed",
        "posts": processed_posts
    }



with gr.Blocks() as demo:
    with gr.Tab("Главная страница"):
        gr.Markdown("# Facebook Comment Filter")
        token_input = gr.Textbox(label="Access Token")
        context_input = gr.Textbox(label="Контекст")  # Добавлено текстовое поле для ввода контекста
        output_main = gr.JSON()
        process_btn = gr.Button("Процессировать комментарии")
        process_btn.click(
            process_comments,
            inputs=[token_input, context_input],  # Обновлено: добавлен context_input
            outputs=output_main
        )

    # with gr.Tab("Загрузить данные"):
    #     gr.Markdown("# Отправь excel файл")
    #     file_input = gr.File(label="Загрузите Excel файл (.xlsx)")
    #     output_second = gr.Text()
    #     second_page_btn = gr.Button("Отправить файл")
    #     second_page_btn.click(upload_file_vdb, inputs=file_input, outputs=output_second)
    #     delete_btn = gr.Button("Удалить FAISS индекс")
    #     delete_btn.click(delete_faiss_index, outputs=output_second)

if __name__ == "__main__":
    demo.launch(
        debug=True,
        server_port=7860,
        server_name="0.0.0.0",

    )