main.py

import json, os
import io
import gradio as gr
from fastapi.middleware.cors import CORSMiddleware
from fastapi import FastAPI, Request,  Header, BackgroundTasks, HTTPException, status
import google.generativeai as genai
import base64
from collections import defaultdict
from linebot import LineBotApi, WebhookHandler
from linebot.exceptions import InvalidSignatureError
from linebot.models import MessageEvent, TextMessage, TextSendMessage, ImageSendMessage, AudioMessage, ImageMessage
import PIL.Image
import tempfile
import httpx

from imgurpython import ImgurClient
import requests
import tempfile
from datetime import datetime
from transformers import pipeline

# 設定 Google AI API 金鑰
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])

# 設定生成文字的參數
generation_config = genai.types.GenerationConfig(max_output_tokens=1000, temperature=0.2, top_p=0.5, top_k=16) #2048

# 使用 Gemini-1.5-flash 模型
model = genai.GenerativeModel('gemini-2.0-flash-exp', system_instruction="主要用繁體中文回答，但如果用戶使用詢問英文問題，就用英文回應。你現在是個專業助理，職稱為OPEN小助理，個性活潑、樂觀，願意回答所有問題", generation_config=generation_config)

# 設定 Line Bot 的 API 金鑰和秘密金鑰
line_bot_api = LineBotApi(os.environ["CHANNEL_ACCESS_TOKEN"])
line_handler = WebhookHandler(os.environ["CHANNEL_SECRET"])

# 設定 Imgur 的 API
client_id = os.environ.get("IMGUR_CLIENT_ID")
client_secret = os.environ.get("IMGUR_CLIENT_SECRET")
access_token = os.environ.get("IMGUR_ACCESS_TOKEN")
refresh_token = os.environ.get("IMGUR_REFRESH_TOKEN")

# 設定是否正在與使用者交談
working_status = os.getenv("DEFALUT_TALKING", default = "true").lower() == "true"

# 建立 FastAPI 應用程式
app = FastAPI()

# 設定 CORS，允許跨域請求
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

# 處理根路徑請求
@app.get("/")
def root():
    return {"title": "Line Bot"}

# 處理 Line Webhook 請求
@app.post("/webhook")
async def webhook(
    request: Request,
    background_tasks: BackgroundTasks,
    x_line_signature=Header(None),
):
    # 取得請求內容
    body = await request.body()
    try:
        # 將處理 Line 事件的任務加入背景工作
        background_tasks.add_task(
            line_handler.handle, body.decode("utf-8"), x_line_signature
        )
    except InvalidSignatureError:
        # 處理無效的簽章錯誤
        raise HTTPException(status_code=400, detail="Invalid signature")
    return "ok"
    
#==========================
# 使用者請求生成圖片
#==========================
def upload_image_to_imgur(client, image_binary, album=None, name="Hugging Face-image", title="Hugging Face Generated Image"):
    # 將 binary 資料轉為 PIL Image
    image = PIL.Image.open(io.BytesIO(image_binary))

    # 建立暫存檔案來上傳 (因為 ImgurClient 需要檔案路徑)
    with tempfile.NamedTemporaryFile(suffix=".png", delete=True) as tmp:
        image.save(tmp.name, format='PNG')

        # 準備上傳資訊
        config = {
            'album': album,
            'name': name,
            'title': title,
            'description': f'Generated by Hugging Face - {datetime.now()}'
        }

        # 使用 client 進行圖片上傳
        uploaded_image = client.upload_from_path(tmp.name, config=config, anon=False)

    # 回傳圖片網址
    return uploaded_image['link']


# 使用 Gemini 生成圖片
def generate_image_with_gemini(prompt):
    model_name = "gemini-2.0-flash-exp-image-generation"
    image_model = genai.GenerativeModel(model_name)

    response = image_model.generate_content(prompt)

    if response.parts and hasattr(response.parts[0], "inline_data"):
        return response.parts[0].inline_data.data  # 直接回傳圖片binary資料

    return None

# 使用 Hugging Face 生成圖片
def generate_image_hf(prompt):
    API_URL = "https://api-inference.huggingface.co/models/stabilityai/stable-diffusion-2"
    headers = {"Authorization": f"Bearer {os.environ['HF_TOKEN']}"}
    response = requests.post(API_URL, headers=headers, json={"inputs": prompt})
    if response.status_code == 200:
        return response.content  # 圖片binary資料
    else:
        print("圖片生成失敗:", response.text)
        return None
        
#==========================
# 使用者上傳圖片
#==========================
def get_image_url(message_id):
    try:
        message_content = line_bot_api.get_message_content(message_id)
        file_path = f"/tmp/{message_id}.png"
        with open(file_path, "wb") as f:
            for chunk in message_content.iter_content():
                f.write(chunk)
        return file_path
    except Exception as e:
        print(f"Error getting image: {e}")
        return None

# 使用字典模擬用戶訊息歷史存儲
user_message_history = defaultdict(list)
def store_user_message(user_id, message_type, message_content):
    """
    儲存用戶的訊息
    """
    user_message_history[user_id].append({
        "type": message_type,
        "content": message_content})
    
def analyze_with_gemini(image_path, user_text):
    """
    分析用戶問題和圖片，並返回 Gemini 的回應
    """
    try:
        # 確保圖片存在
        if not os.path.exists(image_path):
            raise FileNotFoundError(f"圖片路徑無效：{image_path}")
        
        organ = PIL.Image.open(image_path)
        response = chat.send_message([user_text, organ])
        
        # 提取回應內容
        return response.text

    except Exception as e:
        return f"發生錯誤: {e}"
    
def get_previous_message(user_id):
    """
    獲取用戶的上一則訊息
    """
    if user_id in user_message_history and len(user_message_history[user_id]) > 0:
        # 返回最後一則訊息
        return user_message_history[user_id][-1]
    return None

#==========================
# 主程式(圖片與文字)
#==========================
# 建立 chat_sessions 字典
chat_sessions = {}
@line_handler.add(MessageEvent, message=(ImageMessage, TextMessage))
def handle_image_message(event):
    user_id = event.source.user_id
    chat = chat_sessions.get(user_id) or model.start_chat(history=[])
    chat_sessions[user_id] = chat

    user_text = event.message.text if event.message.type == "text" else None
    image_url = None
    if user_text and user_text.startswith("生成圖片"):
        prompt = user_text.replace("生成圖片", "").strip()

         # 先立即回覆避免token過期
        line_bot_api.reply_message(event.reply_token, TextSendMessage(text="圖片生成中～ 請稍候.....✨"))
        client = ImgurClient(client_id, client_secret, access_token, refresh_token)

        translator = pipeline("translation", model='Helsinki-NLP/opus-mt-zh-en')
        translation = translator(prompt_zh)
        prompt_en = translation[0]['translation_text']

        # 生成圖片
        image_binary = generate_image_hf(prompt_en)

        if image_binary:
            album = "nvsYwgq"
            image_url = upload_image_to_imgur(client, image_binary, album)

            if image_url:
                # 使用 push message 發送圖片，避免 reply token 超時
                line_bot_api.push_message(
                    event.source.user_id,
                    [
                        TextSendMessage(text="✨ 這是我為你生成的圖片喔～"),
                        ImageSendMessage(original_content_url=image_url, preview_image_url=image_url)
                    ]
                )
            else:
                line_bot_api.push_message(
                    event.source.user_id,
                    TextSendMessage(text="⚠️ 圖片上傳失敗，請稍後再試~")
                )
        else:
            line_bot_api.push_message(
                event.source.user_id,
                TextSendMessage(text="⚠️ 圖片生成失敗，請稍後再試~")
            )
        return


    if event.message.type == "image":
        image_path = get_image_url(event.message.id)
        if image_path:
            store_user_message(user_id, "image", image_path)
            line_bot_api.reply_message(event.reply_token, TextSendMessage(text="圖片已接收成功囉，幫我輸入你想詢問的問題喔~"))
        else:
            line_bot_api.reply_message(event.reply_token, TextSendMessage(text="沒有接收到圖片~"))
        return

    previous_message = get_previous_message(user_id)
    if previous_message and previous_message["type"] == "image" and event.message.type == "text":
        image_path = previous_message["content"]
        user_text = event.message.text
        store_user_message(user_id, "text", user_text)
        try:
            if not os.path.exists(image_path):
                raise FileNotFoundError(f"圖片路徑無效：{image_path}")
            organ = PIL.Image.open(image_path)
            completion = chat.send_message([user_text, organ])
            out = completion.text
        except Exception as e:
            out = f"發生錯誤: {e}"
    else:
        if event.message.type != "text":
            line_bot_api.reply_message(event.reply_token, TextSendMessage(text="請輸入文字或圖片~"))
            return
        if event.message.text == "再見":
            line_bot_api.reply_message(event.reply_token, TextSendMessage(text="Bye!"))
            return
        if working_status:
            try:
                prompt = event.message.text
                store_user_message(user_id, "text", prompt)
                completion = chat.send_message(prompt)
                out = completion.text if completion.text else "我不太懂什麼意思也~"
            except:
                out = "執行出錯!請換個說法！"

    line_bot_api.reply_message(event.reply_token, TextSendMessage(text=out))


if __name__ == "__main__":
    # 啟動 FastAPI 應用程式
    uvicorn.run("main:app", host="0.0.0.0", port=7860, reload=True)

# 註解說明：
# import 導入必要的套件
# genai.configure 設定 Google AI API 金鑰
# generation_config 設定文字生成參數
# model 設定使用的 Gemini 模型
# line_bot_api 和 line_handler 設定 Line Bot API 和 webhook 處理器
# working_status 設定是否正在與使用者交談
# app 建立 FastAPI 應用程式
# app.add_middleware 設定 CORS
# @app.get("/") 處理根路徑請求
# @app.post("/webhook") 處理 Line Webhook 請求
# @line_handler.add(MessageEvent, message=TextMessage) 處理文字訊息事件
# if __name__ == "__main__": 啟動 FastAPI 應用程式
# 程式碼功能說明：
# 程式碼首先會導入必要的套件，並設定 Google AI API 金鑰、文字生成參數、Gemini 模型以及 Line Bot API。
# 接著會建立 FastAPI 應用程式，並設定 CORS。
# 程式碼會定義兩個函數：
# root() 處理根路徑請求，返回一個簡單的 JSON 訊息。
# webhook() 處理 Line Webhook 請求，將處理 Line 事件的任務加入背景工作，並處理無效的簽章錯誤。
# 程式碼還定義一個函數 handle_message() 來處理文字訊息事件，它會檢查事件類型和訊息類型，並根據使用者輸入執行不同的動作：
# 如果使用者輸入 "再見"，回覆 "Bye!"。
# 如果正在與使用者交談，則會使用 Gemini 模型生成文字，並將結果回覆給使用者。
# 最後，程式碼會啟動 FastAPI 應用程式，開始監聽 HTTP 請求。
# 程式碼運行方式：
# 將程式碼存為 main.py 文件。
# 在環境變數中設定 GOOGLE_API_KEY、CHANNEL_ACCESS_TOKEN 和 CHANNEL_SECRET。
# 執行 uvicorn main:app --host 0.0.0.0 --port 7860 --reload 命令啟動 FastAPI 應用程式。
# 使用 Line 帳戶與 Line Bot 進行對話。
# 注意：
# 程式碼中使用 os.environ["GOOGLE_API_KEY"]、os.environ["CHANNEL_ACCESS_TOKEN"] 和 os.environ["CHANNEL_SECRET"] 來存取環境變數，需要先在環境變數中設定這些值。
# 程式碼中使用 uvicorn 執行 FastAPI 應用程式，需要先安裝 uvicorn 套件。
# 程式碼中使用 google.generativeai 套件，需要先安裝 google-generativeai 套件。
# 程式碼中使用 linebot 套件，需要先安裝 linebot 套件。