pages/1_Chatbot_FR.py

import streamlit as st
import pandas as pd
import os
from pathlib import Path
import base64
import sys
import torch
from transformers import BertForSequenceClassification, BertTokenizer

# Force using pysqlite3 if needed
import pysqlite3
sys.modules["sqlite3"] = pysqlite3

##############################
# 1. HELPER FUNCTIONS (for the main chatbot)
##############################

def get_base64_of_bin_file(bin_file_path: str) -> str:
    file_bytes = Path(bin_file_path).read_bytes()
    return base64.b64encode(file_bytes).decode()

def find_parent_fr(data, r, col):
    """
    Trouve la question parente pour une ligne et colonne donnée dans le DataFrame (version FR).
    """
    i = r - 1
    parent = None
    while i >= 0 and pd.isna(parent):
        parent = data.iloc[i, col]
        i -= 1
    return parent

def create_contextual_fr(df, category, strat_id=0):
    """
    Crée un DataFrame avec questions-réponses contextuelles (version FR).
    """
    rows = []
    columns_qna = list(df.columns)

    for r, row in df.iterrows():
        for level, col in enumerate(df.columns):
            question = row[col]
            if pd.isna(question):
                continue

            # Si la question est un "leaf node"
            if level == 4 or pd.isna(row[columns_qna[level + 1]]):
                # Gérer des sous-questions multiples
                if "\n*Si" in question or "\n *" in question or "\n*" in question:
                    questions = question.replace("\n*Si", "\n*").replace("\n *", "\n*").split("\n*")
                    for subquestion in questions:
                        if len(subquestion.strip()) == 0:
                            continue

                        context = []
                        for i in range(level - 1, -1, -1):
                            parent = df.iloc[r, i]
                            if pd.isna(parent):
                                parent = find_parent_fr(df, r, i)
                            if pd.notna(parent):
                                context = [parent] + context

                        rows.append({
                            "id": strat_id + len(rows) + 1,
                            "question": " > ".join(context),
                            "answer": subquestion.strip(),
                            "category": category,
                        })
                else:
                    context = []
                    for i in range(level - 1, -1, -1):
                        parent = df.iloc[r, i]
                        if pd.isna(parent):
                            parent = find_parent_fr(df, r, i)
                        if pd.notna(parent):
                            context = [parent] + context

                    rows.append({
                        "id": strat_id + len(rows) + 1,
                        "question": " > ".join(context),
                        "answer": question.strip(),
                        "category": category,
                    })

    return pd.DataFrame(rows)

def load_excel_and_create_vectorstore_fr(excel_path: str, persist_dir: str = "./chroma_db_fr"):
    """
    Charge les données depuis plusieurs feuilles Excel (version FR),
    construit & stocke un Chroma VectorStore pour le chatbot.
    """
    # Charger les feuilles Excel
    qna_tree_fr0 = pd.read_excel(excel_path, sheet_name="Prépayé (FR)", skiprows=1).iloc[:, :5]
    qna_tree_fr1 = pd.read_excel(excel_path, sheet_name="Postpayé (FR)", skiprows=1).iloc[:, :5]
    qna_tree_fr2 = pd.read_excel(excel_path, sheet_name="Wifi (FR)",      skiprows=1).iloc[:, :5]

    # Construire le contexte
    context_fr0 = create_contextual_fr(qna_tree_fr0, "Prépayé", strat_id = 0)
    context_fr1 = create_contextual_fr(qna_tree_fr1, "Postpayé", strat_id = len(context_fr0))
    context_fr2 = create_contextual_fr(qna_tree_fr2, "Wifi",     strat_id = len(context_fr0) + len(context_fr1))

    # Concaténer les DataFrame
    context_fr = pd.concat([context_fr0, context_fr1, context_fr2], axis=0)

    # Créer une colonne "context"
    context_fr["context"] = context_fr.apply(
        lambda row: f"{row['question']} > {row['answer']}",
        axis=1
    )

    # Convertir chaque ligne en Document (pour Chroma)
    from langchain.schema import Document
    documents_fr = [
        Document(
            page_content=row["context"],
            metadata={"id": row["id"], "category": row["category"]}
        )
        for _, row in context_fr.iterrows()
    ]

    # Créer & persister le vector store
    from langchain.embeddings import HuggingFaceEmbeddings
    from langchain.vectorstores import Chroma
    embedding_model_fr = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
    vectorstore_fr = Chroma.from_documents(documents_fr, embedding_model_fr, persist_directory=persist_dir)
    vectorstore_fr.persist()

    return vectorstore_fr

def load_existing_vectorstore_fr(persist_dir: str = "./chroma_db_fr"):
    """
    Charge un VectorStore Chroma déjà stocké (version FR).
    """
    from langchain.embeddings import HuggingFaceEmbeddings
    from langchain.vectorstores import Chroma
    embedding_model_fr = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
    vectorstore_fr = Chroma(
        persist_directory=persist_dir,
        embedding_function=embedding_model_fr
    )
    return vectorstore_fr

def retrieve_context_fr(retriever_fr, query, top_k=5):
    """
    Récupère les top_k résultats pour la question (version FR).
    """
    results_fr = retriever_fr.get_relevant_documents(query)
    context_fr_list = []
    for _, result in enumerate(results_fr[:top_k], start=1):
        context_fr_list.append(result.page_content)
    return context_fr_list

##############################
# 2. CLASSIFICATION MODEL SETUP
##############################

# Specify the path where the classification model and tokenizer are saved.
MODEL_PATH = "saved_bert_model_v2"

# Load the tokenizer and model for sequence classification.
tokenizer = BertTokenizer.from_pretrained(MODEL_PATH)
model = BertForSequenceClassification.from_pretrained(MODEL_PATH)
model.eval()  # Set model to evaluation mode

# Use GPU if available.
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

def predict_class(text, max_length=500):
    """
    Predicts the class (as string) for a given input text.
    """
    inputs = tokenizer(
        text,
        add_special_tokens=True,
        max_length=max_length,
        padding='max_length',
        truncation=True,
        return_tensors="pt"
    )
    # Move inputs to the device.
    inputs = {k: v.to(device) for k, v in inputs.items()}
    
    with torch.no_grad():
        outputs = model(**inputs)
    
    logits = outputs.logits
    predicted_class_id = torch.argmax(logits, dim=1).item()
    predicted_label = model.config.id2label[predicted_class_id]
    return predicted_label

##############################
# 3. CLASSIFICATION DATASET & VECTOR STORE
##############################

# @st.cache_data(show_spinner=False)
# def load_classification_dataset():
#     """
#     Loads the classification Q&A dataset from the Excel file and returns a DataFrame.
#     """
#     df = pd.read_excel("Classification dataset - Q&A.xlsx", sheet_name="Fr")
#     return df

# @st.cache_resource(show_spinner=False)
# def load_classification_vectorstore(persist_dir: str = "./chroma_db_class_fr"):
#     """
#     Builds (and persists) a Chroma vector store from the classification Q&A dataset.
#     Each document contains the answer (Réponse) with metadata including the class ("Classe").
#     """
#     df = load_classification_dataset()
#     # Create documents using the "Réponse" as content and include metadata.
#     from langchain.schema import Document
#     documents = []
#     for _, row in df.iterrows():
#         documents.append(
#             Document(
#                 page_content=row["Réponse"],
#                 metadata={
#                     "id": row["ID"],
#                     "Classe": row["Classe"],
#                     "Question": row["Question"]
#                 }
#             )
#         )
#     from langchain.embeddings import HuggingFaceEmbeddings
#     from langchain.vectorstores import Chroma
#     embedding_model = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
#     vectorstore = Chroma.from_documents(documents, embedding_model, persist_directory=persist_dir)
#     vectorstore.persist()
#     return vectorstore

# def load_existing_classification_vectorstore(persist_dir: str = "./chroma_db_class_fr"):
#     """
#     Loads an existing Chroma vector store for the classification dataset.
#     """
#     from langchain.embeddings import HuggingFaceEmbeddings
#     from langchain.vectorstores import Chroma
#     embedding_model = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
#     vectorstore = Chroma(
#         persist_directory=persist_dir,
#         embedding_function=embedding_model
#     )
#     return vectorstore

##############################
# 4. PROMPT & LLM FR SETUP
##############################

from langchain.prompts import PromptTemplate
from langchain.llms import HuggingFaceHub
from langchain.chains import LLMChain

prompt_template_fr = PromptTemplate(
    input_variables=["context", "query"],
    template=(
        """[SYSTEM]
Vous êtes un assistant client professionnel, expérimenté et bienveillant pour l'opérateur téléphonique INWI. 
Vous excellez dans la gestion des clients, en répondant à leurs problèmes et questions.
Fournir un service client et des conseils en se basant sur les contextes fournis :
- Répondre aux salutations de manière courtoise et amicale, par exemple : "Bonjour! Je suis l'assistant IA d'INWI. Comment puis-je vous aider aujourd'hui ?" 
- Identifier le besoin du client et demander des clarifications si nécessaire, tout en s'appuyant uniquement sur le contexte.
- Si la question n'est pas liée au contexte d'INWI, veuillez informer poliment que vous ne pouvez pas répondre à des questions hors contexte INWI.
- Si la réponse ne figure pas dans le contexte, vous pouvez dire "Je n'ai pas assez d'information" et proposer d'appeler le service client au 120.
- Structurer les réponses de manière concise et efficace. Et n'inventez pas d'infos non présentes dans le contexte.
- Informer le client qu’il peut vous recontacter pour toute assistance supplémentaire.
- Ne parlez pas des concurrents qui offrent la meme service d'INWI.
- Ne jamais insulter ou répondre à une insulte.
- Ne demandez pas d’informations personnelles ou d’identification du client.
- Orientez vers le catalogue sur le site web INWI si la question concerne une offre du catalogue.
- Donnez des solutions standard pour les problèmes techniques avec des options.
- Avant de générer votre réponse, éliminez toutes les structures comme '[Action] [texte]' et gardez uniquement les informations utiles.
- Ne jamais parler des sujets suivants : [
    "politique", "élections", "partis", "gouvernement", "lois", "réformes",
    "religion", "croyances", "pratiques religieuses", "théologie",
    "moralité", "débat", "philosophie", "éthique", "discrimination",
    "concurrence", "Maroc Telecom", "IAM", "Orange", "comparaison",
    "sécurité", "fraude", "santé", "médicaments", "traitement", "diagnostic",
    "finance", "investissement", "bourse", "crypto", "maladie", 
    "violence", "haine", "contenu explicite", "sexe", "adultes",
    "illégal", "faux documents", "streaming illégal"
]
INWI est un opérateur de télécommunications marocain offrant des services mobiles, Internet et solutions de télécommunications
pour les particuliers et les entreprises. Il se distingue par son engagement à fournir des services de qualité, innovants et 
accessibles, tout en contribuant au développement numérique du pays.
Les clients sont notre priorité, et notre but est de résoudre leurs problèmes. 
Votre rôle est de fournir un service client professionnel et efficace sans inventer d'informations.
[CONTEXTE]
{context}
[QUESTION DU CLIENT]
{query}
[RÉPONSE]"""
    )
)

llm_fr = HuggingFaceHub(
    repo_id="mistralai/Mistral-7B-Instruct-v0.3",
    huggingfacehub_api_token=os.environ["HUGGINGFACEHUB_API"],
    model_kwargs={
        "temperature": 0.5,
        "max_length": 500
    }
)

llm_chain_fr = LLMChain(llm=llm_fr, prompt=prompt_template_fr)

##############################
# 5. STREAMLIT MAIN APP
##############################

def main():
    st.subheader("INWI IA Chatbot - Français")

    # Sidebar: add logo image.
    img_base64 = get_base64_of_bin_file("./img/logo inwi celeverlytics.png")
    css_logo = f"""
    <style>
    [data-testid="stSidebarNav"]::before {{
        content: "";
        display: block;
        margin: 0 auto 20px auto;
        width: 80%;
        height: 100px;
        background-image: url("data:image/png;base64,{img_base64}");
        background-size: contain;
        background-repeat: no-repeat;
        background-position: center;
    }}
    </style>
    """
    st.markdown(css_logo, unsafe_allow_html=True)

    # Load or create the retriever for the main chatbot context.
    if "retriever_fr" not in st.session_state:
        st.session_state["retriever_fr"] = None

    st.sidebar.header("Vector Store Options (FR)")
    
    if st.sidebar.button("Créer la Vector Store (FR)"):
        with st.spinner("Extraction et création de la vector store FR..."):
            excel_path = "Chatbot myinwi.xlsx"  
            persist_directory_fr = "./chroma_db_fr"
            vectorstore_fr = load_excel_and_create_vectorstore_fr(
                excel_path=excel_path,
                persist_dir=persist_directory_fr
            )
            st.session_state["retriever_fr"] = vectorstore_fr.as_retriever(
                search_type="mmr",
                search_kwargs={"k": 5, "lambda_mult": 0.5}
            )
        st.success("Vector store FR créée et chargée avec succès !")

    if st.sidebar.button("Charger la Vector Store existante (FR)"):
        with st.spinner("Chargement de la vector store FR existante..."):
            persist_directory_fr = "./chroma_db_fr"
            vectorstore_fr = load_existing_vectorstore_fr(persist_directory_fr)
            st.session_state["retriever_fr"] = vectorstore_fr.as_retriever(
                search_type="mmr",
                search_kwargs={"k": 5, "lambda_mult": 0.5}
            )
        st.success("Vector store FR chargée avec succès !")

    st.write("""Je suis là pour répondre à toutes vos questions concernant nos 
            services, nos offres mobiles et Internet, ainsi que nos solutions adaptées à vos besoins (FR).""")

    # Text input for user's question.
    user_query_fr = st.chat_input("Posez votre question ici (FR)...")

    if user_query_fr:
        if not st.session_state["retriever_fr"]:
            st.warning("Veuillez d'abord créer ou charger la Vector Store (FR).")
            return
        
        # Retrieve context from the main chatbot vector store.
        context_fr_list = retrieve_context_fr(st.session_state["retriever_fr"], user_query_fr, top_k=5)

        if context_fr_list:
            with st.spinner("Génération de la réponse..."):
                # Run the LLM chain to generate a candidate answer.
                # response_fr = llm_chain_fr.run({
                #     "context": "\n".join(context_fr_list),
                #     "query": user_query_fr + "?"
                # })
                response_fr = llm_chain_fr.run({"context": "\n".join(context_fr_list), "query": user_query_fr + "?"})
                # Remove any prompt markers.
                response_fr = response_fr.split("[RÉPONSE]")[-1].strip()
            
            st.write("**Question :**")
            st.write(user_query_fr)
            st.write("**Réponse générée :**")
            st.write(response_fr)
            
            # --- Classification step ---
            with st.spinner("Classification de la réponse..."):
                predicted_label = predict_class(response_fr)
            st.write(f"**Classe prédite :** {predicted_label}")
            
            # --- Retrieve final answer using the classification vector store ---
            # if predicted_label != "Autre":
            #     # Build or load the classification vector store if not already in session_state.
            #     if "class_retriever" not in st.session_state:
            #         # Either create new or load existing
            #         try:
            #             # Attempt to load an existing vector store.
            #             vectorstore_class = load_existing_classification_vectorstore("./chroma_db_class_fr")
            #         except Exception:
            #             # If not found, create it.
            #             vectorstore_class = load_classification_vectorstore("./chroma_db_class_fr")
            #         st.session_state["class_retriever"] = vectorstore_class.as_retriever(
            #             search_type="mmr",
            #             search_kwargs={"k": 1, "lambda_mult": 0.5}
            #         )
            #     # Retrieve the final answer with a metadata filter.
            #     # (Assumes the underlying retriever supports a filter parameter.)
            #     final_docs = st.session_state["class_retriever"].get_relevant_documents(
            #         response_fr, filter={"Classe": predicted_label}
            #     )
            #     if final_docs:
            #         final_answer = final_docs[0].page_content
            #     else:
            #         final_answer = response_fr  # fallback if no document found
            # else:
            #     final_answer = ("Je n'ai pas d'information précise à ce sujet. "
            #                     "Souhaitez-vous que je vous mette en contact avec un agent Inwi ?")
            
            # st.write("**Réponse finale :**")
            # st.write(final_answer)
        else:
            st.write("Aucun contexte trouvé pour cette question. Essayez autre chose.")

if __name__ == "__main__":
    main()