import os
import gradio as gr
from transformers import pipeline
from datasets import load_dataset

# --- 1. Загрузка датасета клиентских обращений ---
try:
    dataset = load_dataset("sberbank-ai/ru_helpdesk", split="train[:100]")  # 100 реальных обращений
    examples = [d["question"] for d in dataset]
except:
    examples = [
        "Мой заказ #12345 не пришел",
        "Как оформить возврат?",
        "Проблема с доступом в личный кабинет"
    ]

# --- 2. Загрузка локальной модели (не требует API) ---
model = pipeline(
    "text-generation",
    model="IlyaGusev/saiga_mistral_7b-lora",
    device="cpu"  # Для GPU укажите device=0
)

# --- 3. Функция генерации ответа ---
def generate_response(message, history):
    prompt = f"""Ты оператор поддержки. Ответь клиенту вежливо и по делу.
    
Диалог:
{history}
Клиент: {message}
Оператор:"""
    
    try:
        response = model(
            prompt,
            max_new_tokens=200,
            temperature=0.3,
            do_sample=True
        )
        return response[0]["generated_text"].split("Оператор:")[-1].strip()
    except Exception as e:
        return f"Ошибка: {str(e)}"

# --- 4. Интерфейс Gradio ---
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("""<h1><center>📞 Поддержка клиентов (Русский)</center></h1>""")
    
    with gr.Row():
        with gr.Column():
            chatbot = gr.Chatbot(height=350)
            msg = gr.Textbox(label="Ваш запрос", placeholder="Опишите проблему...")
            gr.Examples(examples, inputs=msg, label="Примеры вопросов")
        
        with gr.Column():
            gr.Markdown("**Инструкция:**\n\n1. Укажите номер заказа\n2. Опишите проблему детально\n3. Сохраняйте спокойствие")
            gr.Image("https://via.placeholder.com/300x200?text=Support+Logo")

    msg.submit(generate_response, [msg, chatbot], [msg, chatbot])

demo.launch()