import os
import json
from dotenv import load_dotenv
from fasthtml.common import *
from openai import OpenAI
from groq import Groq
from google import genai 

# ==========================================
# SECTION 1. INITIALISATION & SÉCURITÉ
# ==========================================
load_dotenv()
app, rt = fast_app()

# ==========================================
# SECTION 2. CONNEXION AUX IA
# ==========================================
# --- SOUS-SECTION 2A : Initialisation des clients ---
local_client = OpenAI(base_url="http://192.168.1.20:11434/v1", api_key="ollama")
groq_client = Groq(api_key=os.getenv("GROQ_API_KEY"))
gemini_client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))

# --- SOUS-SECTION 2B : Cascade Google Gemini ---
def interroger_gemini_cascade(prompt):
    """
    Tente systématiquement la version MAXIMUM (Pro). 
    Si le compte n'a pas les droits ou si le serveur est plein, descend en gamme.
    """
    modeles_a_tester = [
        "gemini-3.1-pro-preview", # Max absolu
        "gemini-3.1-pro",         # Max stable
        "gemini-2.5-pro",         # Max ancienne génération
        "gemini-3.7-flash",       # Meilleur modèle rapide et gratuit
        "gemini-3.6-flash"        # Secours
    ]
    
    for nom_modele in modeles_a_tester:
        try:
            ia_response = gemini_client.models.generate_content(
                model=nom_modele,
                contents=prompt,
                config={"system_instruction": "Réponds toujours dans la même langue que celle utilisée par l'utilisateur."}
            )
            return ia_response.text, nom_modele 
        except Exception:
            # On ignore l'erreur silencieusement et on passe au modèle suivant
            continue 
            
    raise Exception("Tous les modèles Gemini sont indisponibles actuellement.")

# ==========================================
# SECTION 3. INTERFACE UTILISATEUR (UI FastHTML)
# ==========================================
@rt('/')
def get():
    return Titled("Aethas38 - Orchestrateur",
        Main(
            H1("Multi-IA : Demandez, l'Orchestrateur choisit !"),
            Form(
                Input(type="text", name="prompt", placeholder="Posez votre question...", style="width: 100%; padding: 10px; margin-bottom: 10px;"),
                Button("Envoyer la requête", type="submit", style="padding: 10px 20px; cursor: pointer;"),
                hx_post="/chat",
                hx_target="#result",
                hx_indicator="#loading"
            ),
            Div("L'Orchestrateur analyse et route la requête...", id="loading", cls="htmx-indicator", style="color: gray; font-style: italic; margin-top: 10px;"),
            Div(id="result", style="margin-top: 20px;"), # Zone vide où le résultat s'injectera
            cls="container"
        )
    )

# ==========================================
# SECTION 4. LE MOTEUR DE ROUTAGE (L'Aiguilleur)
# ==========================================
@rt('/chat')
def post(prompt: str):
    try:
        # --- SOUS-SECTION 4A : Analyse par Qwen (Le Cerveau) ---
        router_prompt = """Tu es l'Aiguilleur (Routeur) du projet Aethas38.
        Choisis le fournisseur d'IA le plus adapté :
        - "groq" : programmation, code, scripts, mathématiques, logique.
        - "gemini" : rédaction, littérature, recettes, culture générale, résumés, art.
        - "local" : UNIQUEMENT pour les salutations (bonjour, test, coucou).
        Format strict : {"intention": "description courte", "fournisseur": "nom"}
        Ne dis absolument RIEN d'autre.
        """

        router_response = local_client.chat.completions.create(
            model="qwen2.5:3b",
            messages=[{"role": "system", "content": router_prompt}, {"role": "user", "content": prompt}],
            temperature=0.1
        )
        
        raw_decision = router_response.choices[0].message.content
        
        # --- NOUVEAU : Nettoyage blindé (Anticrash) ---
        # On cherche manuellement les accolades pour extraire le JSON pur
        start_idx = raw_decision.find('{')
        end_idx = raw_decision.rfind('}') + 1
        
        if start_idx != -1 and end_idx != 0:
            clean_json = raw_decision[start_idx:end_idx]
            decision = json.loads(clean_json)
        else:
            # Filet de sécurité si Qwen ne renvoie pas du tout de JSON
            decision = {"intention": "Analyse échouée (Secours)", "fournisseur": "gemini"}
            
        fournisseur = decision.get("fournisseur", "local").lower()
        intention = decision.get("intention", "Non définie")

        # --- SOUS-SECTION 4B : Exécution de la Requête (avec respect de la langue) ---
        nom_modele_utilise = "" 
        
        if fournisseur == "groq":
            nom_modele_utilise = "llama3-70b-8192"
            ia_response = groq_client.chat.completions.create(
                messages=[
                    {"role": "system", "content": "Réponds systématiquement dans la même langue que celle utilisée par l'utilisateur."},
                    {"role": "user", "content": prompt}
                ],
                model=nom_modele_utilise,
            )
            reponse_finale = ia_response.choices[0].message.content
            couleur = "#f97316" # Orange Groq
            nom_fournisseur = "GROQ (Llama 3)"
            
        elif fournisseur == "gemini":
            reponse_finale, nom_modele_utilise = interroger_gemini_cascade(prompt)
            couleur = "#3b82f6" # Bleu Gemini
            nom_fournisseur = "GOOGLE GEMINI"
            
        else:
            nom_modele_utilise = "qwen2.5:3b"
            ia_response = local_client.chat.completions.create(
                model=nom_modele_utilise,
                messages=[
                    {"role": "system", "content": "Réponds systématiquement dans la langue utilisée par l'utilisateur."},
                    {"role": "user", "content": prompt}
                ]
            )
            reponse_finale = ia_response.choices[0].message.content
            couleur = "#10b981" # Vert Local
            nom_fournisseur = "SERVEUR LOCAL"

        # --- SOUS-SECTION 4C : Formatage Visuel (L'encart spécifique) ---
        
        # 1. Le bloc d'informations (Encart visuel distinct)
        encart_info = Div(
            H4("Aperçu IA", style="margin: 0 0 10px 0; color: #fff;"),
            P(f"🎯 Intention : {intention}", style="margin: 0 0 5px 0; font-size: 0.9em;"),
            P(f"🏢 Fournisseur : {nom_fournisseur}", style="margin: 0 0 5px 0; font-size: 0.9em;"),
            P(f"🧠 Modèle utilisé : ", Span(nom_modele_utilise, style="font-weight: bold; color: #fff;"), style="margin: 0; font-size: 0.9em;"),
            style=f"background-color: {couleur}22; border: 1px solid {couleur}; border-left: 5px solid {couleur}; padding: 15px; border-radius: 5px; margin-bottom: 20px;"
        )

        # 2. Le bloc de réponse de l'IA
        bloc_reponse = Div(
            P(reponse_finale, style="white-space: pre-wrap; margin: 0; line-height: 1.6;"),
            style="background-color: #222; border: 1px solid #444; padding: 20px; border-radius: 5px; color: #eee;"
        )

        # On retourne les deux blocs empilés
        return Div(encart_info, bloc_reponse)

    except Exception as e:
        return P(f"Erreur du système : {e}", style="color: red; font-weight: bold; padding: 15px; background: #330000; border: 1px solid red;")

# ==========================================
# SECTION 5. DÉMARRAGE DU SERVEUR
# ==========================================
if __name__ == '__main__':
    serve(port=5001)