import gradio as gr
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import torch

# Carga del modelo ligero en español
model_name = "mrm8488/t5-base-finetuned-spanish-summarization"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Prompt base para BITER
base_prompt = (
    "Eres BITER, un mentor experto en negocios. Responde SIEMPRE en español, "
    "con consejos breves, claros y con visión estratégica. Ayudas a emprendedores "
    "a tomar buenas decisiones. Sé directo, profesional y humano.\n"
    "Usuario: {pregunta}\n"
    "BITER:"
)

# Función de respuesta
def responder(pregunta):
    prompt = base_prompt.format(pregunta=pregunta)
    input_ids = tokenizer.encode(prompt, return_tensors="pt", truncation=True)

    # Generar respuesta
    with torch.no_grad():
        output_ids = model.generate(
            input_ids,
            max_new_tokens=100,
            num_beams=4,
            early_stopping=True
        )

    respuesta = tokenizer.decode(output_ids[0], skip_special_tokens=True)
    return respuesta.strip()

# Interfaz Gradio
iface = gr.Interface(
    fn=responder,
    inputs=gr.Textbox(lines=3, placeholder="¿Cuál es tu duda sobre tu negocio?", label="Tu pregunta"),
    outputs=gr.Textbox(label="Respuesta de BITER"),
    title="BITER - Tu Mentor IA para Decisiones de Negocio",
    description="BITER responde dudas de emprendedores como si fuera un CEO experimentado. Modelo: T5 ligero afinado en español.",
    examples=[
        ["¿Cómo puedo validar mi idea de negocio con poco presupuesto?"],
        ["¿Cuál es la mejor estrategia para conseguir mis primeros clientes?"],
        ["¿Debería invertir en publicidad o en SEO?"]
    ],
)

iface.launch()