app.py

import gradio as gr
import pandas as pd
import os
import random
import re
import pymorphy3
import requests
import json
import base64
import time
from openai import OpenAI

XAI_API_KEY = os.getenv("XAI_API_KEY")
client = OpenAI(
    api_key=XAI_API_KEY,
    base_url="https://api.x.ai/v1",
)
token = os.getenv('GITHUB_TOKEN')
repo = "fruitpicker01/Storage_Anastasia"
current_request_index = -1

def load_dropdown_data(file_path, sheet_name, column_name):
    data = pd.read_excel(file_path, sheet_name=sheet_name)
    return data[column_name].dropna().unique().tolist()

file_path = "Исходные данные.xlsx"
products_list, data_products = load_dropdown_data(file_path, "Продукты", "Наименование продукта"), pd.read_excel(file_path, sheet_name="Продукты")
products = ["Свой продукт"] + list(products_list)

genders_data = pd.read_excel(file_path, sheet_name="Пол")
generations_data = pd.read_excel(file_path, sheet_name="Поколение")
psychotypes_data = pd.read_excel(file_path, sheet_name="Психотип")
business_stages_data = pd.read_excel(file_path, sheet_name="Стадия бизнеса")
industries_data = pd.read_excel(file_path, sheet_name="Отрасль")
opfs_data = pd.read_excel(file_path, sheet_name="ОПФ")

genders = genders_data["Пол"].dropna().unique().tolist()
generations = generations_data["Поколение"].dropna().unique().tolist()
psychotypes = psychotypes_data["Психотип"].dropna().unique().tolist()
business_stages = business_stages_data["Стадия бизнеса"].dropna().unique().tolist()
industries = industries_data["Отрасль"].dropna().unique().tolist()
opfs = opfs_data["ОПФ"].dropna().unique().tolist()

approaches_data = pd.read_excel(file_path, sheet_name="Подход")

approach_dict = {
    "Указание на пользу": {
        "prefix": "Начни SMS с указания на пользу продукта. Используй глагол в побудительном наклонении. Не начинай с вопроса",
        "suffix": "Убедись, что SMS начинается с указания на пользу продукта и использования глагола в побудительном наклонении и не начинается с вопроса"
    },
    "Вопрос": {
        "prefix": "Начни сообщение с вопроса, который указывает на пользу продукта для клиента",
        "suffix": "Убедись, что готовый текст начинается с вопроса, который указывает на пользу продукта для клиента"
    },
    "Призыв к действию": {
        "prefix": "Начни SMS с призыва к действию с продуктом. Не начинай с вопроса",
        "suffix": "Убедись, что готовый текст начинается с призыва к действию с продуктом и не начинается с вопроса"
    }
}

def fill_product_details(selected_product, data):
    if selected_product == "Свой продукт":
        return (gr.update(value="", interactive=True),
                gr.update(value="", interactive=True),
                gr.update(value="", interactive=True),
                gr.update(value="", interactive=True))
    else:
        if selected_product and selected_product in data["Наименование продукта"].values:
            product_row = data[data["Наименование продукта"] == selected_product].iloc[0]
            return (gr.update(value=product_row.get("Описание предложения", ""), interactive=False),
                    gr.update(value=product_row.get("Наименование продукта", ""), interactive=False),
                    gr.update(value=product_row.get("Преимущества", ""), interactive=False),
                    gr.update(value=product_row.get("Ключевое сообщение", ""), interactive=False))
        else:
            return (gr.update(value="", interactive=False),
                    gr.update(value="", interactive=False),
                    gr.update(value="", interactive=False),
                    gr.update(value="", interactive=False))

def get_approaches(gender, generation, psychotype, approaches_df):
    if approaches_df is None or approaches_df.empty:
        return "Подход не найден для выбранных параметров."
    filters = []
    for param_name, param_value in [('Пол', gender), ('Поколение', generation), ('Психотип', psychotype)]:
        if not param_value or param_value == "Не выбрано":
            filters.append(approaches_df[param_name].isnull() | (approaches_df[param_name].fillna('') == ''))
        else:
            filters.append(approaches_df[param_name].fillna('') == param_value)
    combined_filter = filters[0]
    for f in filters[1:]:
        combined_filter &= f
    matching_rows = approaches_df[combined_filter]
    if matching_rows.empty:
        return "Подход не найден для выбранных параметров."
    approach_list = []
    for approaches in matching_rows['Подход']:
        approach_names = [a.strip() for a in str(approaches).split(',')]
        approach_list.extend(approach_names)
    approach_list = list(set(approach_list))
    return ', '.join(approach_list)

def get_instructions_for_param(param_value, df, col):
    if not param_value or param_value == "Не выбрано":
        return None
    row = df[df[col] == param_value]
    if row.empty:
        return None
    instr1 = row.iloc[0].get("Инструкция 1", "")
    if not instr1.strip():
        return None
    return instr1

def format_instruction_string(instr):
    terms = [t.strip() for t in instr.split(',') if t.strip()]
    return " или ".join(terms) if terms else ""

def generate_display_prompts(description, product_name, benefits, key_message, chosen_approach,
                             gender, generation, psychotype, business_stage, industry, opf):
    if chosen_approach == "Подход не найден для выбранных параметров.":
        return ("Для формирования промпта выберите хотя бы один личный персональный параметр для определения подхода",
                "Для формирования промпта выберите хотя бы один личный персональный параметр для определения подхода")
    approach_list = [a.strip() for a in chosen_approach.split(',') if a.strip()]
    prefix_parts = []
    suffix_parts = []
    for a in approach_list:
        if a in approach_dict:
            prefix_parts.append(approach_dict[a]["prefix"])
            suffix_parts.append(approach_dict[a]["suffix"])
    if len(prefix_parts) > 1:
        approach_prefix = " / ".join(prefix_parts)
        approach_suffix = " / ".join(suffix_parts)
    else:
        approach_prefix = prefix_parts[0] if prefix_parts else ""
        approach_suffix = suffix_parts[0] if suffix_parts else ""
    instructions_data = [
        (gender, genders_data, "Пол"),
        (generation, generations_data, "Поколение"),
        (psychotype, psychotypes_data, "Психотип"),
        (business_stage, business_stages_data, "Стадия бизнеса"),
        (industry, industries_data, "Отрасль"),
        (opf, opfs_data, "ОПФ")
    ]
    chosen_params_instructions = []
    for (param_value, df, col) in instructions_data:
        instr1 = get_instructions_for_param(param_value, df, col)
        if instr1:
            chosen_params_instructions.append(instr1)
    if not chosen_params_instructions:
        return ("Для формирования промпта выберите хотя бы один личный персональный параметр для определения подхода",
                "Для формирования промпта выберите хотя бы один личный персональный параметр для определения подхода")
    lines = []
    for i, instr_line in enumerate(chosen_params_instructions, start=1):
        formatted_line = format_instruction_string(instr_line)
        lines.append(f"{i}. {formatted_line}.")
    mandatory_terms = "\n".join(lines)
    
    extra_line = ""
    if generation == "Z":
        extra_line = "Обратись в SMS на ты. "

    prompt_1 = f"""Напиши три или четыре предложения суммарной длиной от 160 до 250 знаков с учетом пробелов. {approach_prefix}. 
{extra_line}Напиши рекламное SMS для следующего продукта:
«{description}».
Не изменяй название продукта: «{product_name}».
Преимущества:
«{benefits}».
ОБЯЗАТЕЛЬНО используй в SMS КАЖДЫЙ из следующих терминов, касающиеся клиента, которому направляется SMS:
{mandatory_terms}
Убедись, что написал не меньше трех и не больше четырех предложений суммарной длиной от 160 до 250 знаков с учетом пробелов.
{approach_suffix}.
Убедись, что УМЕСТНО использовал КАЖДЫЙ необходимый термин.
Убедись, что в SMS без изменений, синонимов и перестановок слов используется наименование продукта: «{product_name}».
Убедись, что в SMS есть следующая ключевая информация: «{key_message}»."""

    prompt_2 = f"""Напиши три или четыре предложения суммарной длиной от 160 до 250 знаков с учетом пробелов. {approach_prefix}. 
{extra_line}Напиши рекламное SMS для следующего продукта:
«{description}».
Не изменяй название продукта: «{product_name}».
Преимущества:
«{benefits}».
Используй в SMS КАЖДЫЙ из следующих терминов, касающиеся клиента, которому направляется SMS:
{mandatory_terms}
Убедись, что написал не меньше трех и не больше четырех предложений суммарной длиной от 160 до 250 знаков с учетом пробелов.
{approach_suffix}.
Убедись, что УМЕСТНО использовал КАЖДЫЙ необходимый термин.
Убедись, что в SMS без изменений, синонимов и перестановок слов используется наименование продукта: «{product_name}».
Убедись, что в SMS есть следующая ключевая информация: «{key_message}»."""

    return prompt_1, prompt_2

def call_model(model_prompt):
    completion = client.chat.completions.create(
        model="grok-2-1212",
        messages=[
            {"role": "system", "content": "You are a world-class expert in creating personalized SMS who returns only the SMS and nothing else."},
            {"role": "user", "content": model_prompt},
        ],
    )
    return completion.choices[0].message.content.strip()

def correct_dash_usage(text):
    return text

def clean_message(message):
    if not message.endswith(('.', '!', '?')):
        last_period = max(message.rfind('.'), message.rfind('!'), message.rfind('?'))
        if last_period != -1:
            message = message[:last_period + 1]
    return message

def tokenize_words(text):
    """
    Разбивает текст на слова, игнорируя знаки препинания.
    """
    return re.findall(r'\w+', text, re.UNICODE)

def normalize(word):
    """
    Возвращает начальную форму слова с помощью pymorphy3.
    Приводит к нижнему регистру для унификации.
    """
    morph = pymorphy3.MorphAnalyzer()
    parsed = morph.parse(word)
    if parsed:
        return parsed[0].normal_form.lower()
    return word.lower()

def find_word_matches(normalized_msg, normalized_prod):
    """
    Находит индексы начала совпадений названия продукта в нормализованных словах.
    """
    matches = []
    prod_len = len(normalized_prod)
    for i in range(len(normalized_msg) - prod_len + 1):
        window = normalized_msg[i:i+prod_len]
        if window == normalized_prod:
            matches.append(i)
    return matches

def get_word_positions(message):
    """
    Возвращает список кортежей (слово, start_index, end_index) для каждого слова в сообщении.
    """
    word_positions = []
    for match in re.finditer(r'\w+', message):
        word = match.group(0)
        start = match.start()
        end = match.end()
        word_positions.append((word, start, end))
    return word_positions

def capitalize_sentences(text):
    """
    Капитализирует первую букву каждого предложения в тексте.
    Предложения считаются разделенными точками, восклицательными или вопросительными знаками.
    """
    # Разделяем текст на предложения
    sentence_endings = re.compile(r'([.!?])')
    parts = sentence_endings.split(text)

    # Объединяем разделенные части и капитализируем первые буквы
    sentences = []
    for i in range(0, len(parts)-1, 2):
        sentence = parts[i].strip()
        punctuation = parts[i+1]
        if sentence:
            sentence = sentence[0].upper() + sentence[1:]
            sentences.append(sentence + punctuation)

    # Обработка возможного остатка текста без завершающего знака
    if len(parts) % 2 != 0 and parts[-1].strip():
        last_sentence = parts[-1].strip()
        last_sentence = last_sentence[0].upper() + last_sentence[1:]
        sentences.append(last_sentence)

    # Объединяем обратно в текст
    return ' '.join(sentences)

def process_message(message, product_name):
    """
    Обрабатывает сообщение, заменяя название продукта.
    - Первое слово сохраняется в инфлектированной форме, как в сообщении.
    - Остальные слова заменяются на оригинальные слова из названия продукта, сохраняя их капитализацию.
    Возвращает обработанное сообщение.
    """
    # Токенизация сообщения (без пунктуации)
    message_words = tokenize_words(message)
    normalized_message = [normalize(word) for word in message_words]

    # Токенизация названия продукта
    product_words_original = tokenize_words(product_name)  # Оригинальные слова с капитализацией
    normalized_product = [normalize(word) for word in product_words_original]

    # Поиск совпадений
    matches = find_word_matches(normalized_message, normalized_product)

    if not matches:
        # Если совпадений нет, вернуть исходное сообщение с капитализацией предложений
        return message

    # Получаем позиции всех слов в сообщении
    word_positions = get_word_positions(message)

    # Обработка каждого совпадения
    # Для избежания смещения индексов при множественных заменах, обрабатываем с конца
    matches_sorted = sorted(matches, reverse=True)

    final_message = message

    for match in matches_sorted:
        # Индексы слов
        start_word_idx = match
        end_word_idx = match + len(product_words_original) - 1

        # Проверка, чтобы индексы не выходили за пределы списка
        if end_word_idx >= len(word_positions):
            continue  # Пропускаем некорректные совпадения

        # Получаем позиции слов
        start_char = word_positions[start_word_idx][1]
        end_char = word_positions[end_word_idx][2]


        # Извлечение изменяемой части
        matched_substring = final_message[start_char:end_char]

        # Извлечение неизменяемой части
        before = final_message[:start_char]
        after = final_message[end_char:]

        # Разделяем изменяемую часть на слова
        words = matched_substring.replace('«', '').replace('»', '').strip().split()

        if len(words) < len(product_words_original):
            # Несоответствие количества слов, пропускаем замену
            continue

        # Сохраняем первое слово как есть (инфлектированное)
        first_word = words[0]
        clean_words = []
        for i in range(len(product_words_original[1:])):
            if product_words_original[1:][i] == "Карта":
                clean_words.append(words[i+1])
            else:
                clean_words.append(product_words_original[1:][i])

        # Остальные слова берем из оригинального названия продукта
        replaced_words = [first_word] + clean_words

        # Собираем обратно измененную часть
        processed = ' '.join(replaced_words)

        # Воссоединяем части сообщения
        final_message = before + processed + after

    # Удаляем лишние пробелы
    final_message = re.sub(r'\s+', ' ', final_message).strip()

    # Капитализируем предложения
    final_message = capitalize_sentences(final_message)

    return final_message

def generate_message_with_retry(model_prompt, product_name):
    last_message = ""
    for _ in range(10):
        msg = call_model(model_prompt)
        msg = correct_dash_usage(msg)
        msg = clean_message(msg)
        msg = process_message(msg, product_name)
        length = len(msg)
        if 160 <= length <= 250:
            msg += f"\n\n------\nКоличество знаков: {length}"
            return msg
        last_message = msg
    length = len(last_message)
    last_message += f"\n\n------\nКоличество знаков: {length}"
    return last_message

def update_prompts_on_params_change(description, product_name, benefits, key_message, 
                                    gender, generation, psychotype, business_stage, industry, opf):
    chosen_approach = get_approaches(gender, generation, psychotype, approaches_data)
    prompt_1, prompt_2 = generate_display_prompts(description, product_name, benefits, key_message,
                                                  chosen_approach, gender, generation, psychotype,
                                                  business_stage, industry, opf)
    return chosen_approach, prompt_1, prompt_2

def save_user_request_to_github(selected_product, description, product_name, benefits, key_message, approach, personalization_params):
    global current_request_index
    current_request_index = -1
    data_to_save = {
        "selected_product": selected_product,
        "description": description,
        "product_name": product_name,
        "benefits": benefits,
        "key_message": key_message,
        "approach": approach,
        "personalization_params": personalization_params,
        "timestamp": time.time()
    }
    file_content_encoded = base64.b64encode(json.dumps(data_to_save).encode()).decode()
    path = f"user_request_{int(time.time())}.json"
    url = f"https://api.github.com/repos/{repo}/contents/{path}"
    headers = {
        "Authorization": f"token {token}",
        "Content-Type": "application/json"
    }
    data = {
        "message": f"Добавлен новый файл {path}",
        "content": file_content_encoded
    }
    requests.put(url, headers=headers, data=json.dumps(data))

def load_previous_user_request_from_github():
    global current_request_index
    url = f"https://api.github.com/repos/{repo}/contents"
    headers = {
        "Authorization": f"token {token}",
        "Content-Type": "application/json"
    }
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        files = response.json()
        json_files = [file for file in files if file['name'].startswith("user_request_")]
        if not json_files:
            return products[0], "", "", "", "", "", None, None, None, None, None, "", "", "", "", "", ""
        current_request_index -= 1
        if abs(current_request_index) > len(json_files):
            current_request_index = -len(json_files)
        target_file = json_files[current_request_index]
        file_url = target_file['download_url']
        file_response = requests.get(file_url)
        if file_response.status_code == 200:
            data = json.loads(file_response.text)
            selected_product = data.get('selected_product', products[0])
            description = data.get('description', "")
            product_name = data.get('product_name', "")
            benefits = data.get('benefits', "")
            key_message = data.get('key_message', "")
            approach = data.get('approach', "")
            personalization_params = data.get('personalization_params', [None]*6)
            if len(personalization_params) < 6:
                personalization_params += [None]*(6-len(personalization_params))
            return (selected_product, description, product_name, benefits, key_message, approach, *personalization_params)
        else:
            return products[0], "", "", "", "", "", None, None, None, None, None, "", "", "", "", "", ""
    else:
        return products[0], "", "", "", "", "", None, None, None, None, None, "", "", "", "", "", ""

def generate_final_prompt_from_display(prompt_text, single_approach, is_prompt_1=True):
    chosen_prefix = approach_dict[single_approach]["prefix"]
    chosen_suffix = approach_dict[single_approach]["suffix"]
    for approach in approach_dict:
        if approach != single_approach:
            other_prefix = approach_dict[approach]["prefix"]
            other_suffix = approach_dict[approach]["suffix"]
            prompt_text = prompt_text.replace(other_prefix, "")
            prompt_text = prompt_text.replace(other_suffix, "")
    prompt_text = prompt_text.replace(" / ", " ")
    prompt_text = re.sub(r"\s{2,}", " ", prompt_text).strip()
    if chosen_prefix not in prompt_text:
        prompt_text = re.sub(r"с учетом пробелов\. [^.\n]*\.", f"с учетом пробелов. {chosen_prefix}.", prompt_text)
    if chosen_suffix not in prompt_text:
        prompt_text = re.sub(r"\n[^\n]*Убедись, что УМЕСТНО использовал КАЖДЫЙ необходимый термин.\n[^\n]*Убедись, что в SMS без.*\n[^\n]*Убедись, что в SMS есть следующая ключевая информация:",
                             f"\n{chosen_suffix}.\nУбедись, что УМЕСТНО использовал КАЖДЫЙ необходимый термин.\nУбедись, что в SMS без изменений, синонимов и перестановок слов используется наименование продукта:\nУбедись, что в SMS есть следующая ключевая информация:", prompt_text, flags=re.DOTALL)
    prompt_text = re.sub(r"\s+([.,!?])", r"\1", prompt_text)
    return prompt_text

final_prompt_1_state = gr.State("")
final_prompt_2_state = gr.State("")

def generate_personalized_sms_wrapper(selected_product, description, product_name, benefits, key_message,
                                      gender, generation, psychotype, business_stage, industry, opf,
                                      chosen_approach, prompt_1, prompt_2):
    if "Для формирования промпта выберите хотя бы один личный персональный параметр" in prompt_1 or chosen_approach == "Подход не найден для выбранных параметров.":
        gr.Warning("Задайте хотя бы один личный персональный параметр для определения подхода")
        return "", "", "", ""
    approach_list = [a.strip() for a in chosen_approach.split(',') if a.strip()]
    if not approach_list:
        gr.Warning("Задайте хотя бы один личный персональный параметр для определения подхода")
        return "", "", "", ""
    chosen_single_approach_1 = random.choice(approach_list) if len(approach_list) > 1 else approach_list[0]
    chosen_single_approach_2 = random.choice(approach_list) if len(approach_list) > 1 else approach_list[0]
    final_prompt_1 = generate_final_prompt_from_display(prompt_1, chosen_single_approach_1, is_prompt_1=True)
    final_prompt_2 = generate_final_prompt_from_display(prompt_2, chosen_single_approach_2, is_prompt_1=False)
    print("Final Prompt 1:", final_prompt_1)
    print("Final Prompt 2:", final_prompt_2)
    sms_1 = generate_message_with_retry(final_prompt_1, product_name)
    sms_2 = generate_message_with_retry(final_prompt_2, product_name)
    personalization_params = [gender, generation, psychotype, business_stage, industry, opf]
    save_user_request_to_github(selected_product, description, product_name, benefits, key_message, chosen_approach, personalization_params)
    return sms_1, sms_2, final_prompt_1, final_prompt_2

def on_regenerate(
    selected_product, description, product_name, benefits, key_message,
    gender, generation, psychotype, business_stage, industry, opf,
    chosen_approach, presence_in_db,
    model_1_name, prompt_1, final_prompt_1, sms_1,
    model_2_name, prompt_2, final_prompt_2, sms_2
):
    """
    Функция для кнопки «Перегенерировать SMS (не нравится ни одно из SMS)».
    1) Перегенерирует sms_1, sms_2 с помощью final_prompt_1, final_prompt_2 и product_name.
    2) Сохраняет все те же данные, что и on_prefer_sms_1/2, но с chosen_sms="none".
    3) Возвращает новые sms_1, sms_2 для обновления интерфейса.
    """

    # Перегенерируем SMS (аналогично regen_sms)
    if not final_prompt_1.strip() or not final_prompt_2.strip():
        gr.Warning("Нечего перегенерировать, сначала создайте SMS.")
        return "", ""

    print("Regen Final Prompt 1:", final_prompt_1)
    print("Regen Final Prompt 2:", final_prompt_2)

    sms_1 = generate_message_with_retry(final_prompt_1, product_name)
    sms_2 = generate_message_with_retry(final_prompt_2, product_name)

    # Теперь сохраняем всё, как при «Я предпочитаю это SMS»,
    # только chosen_sms="none"
    save_preferred_sms_to_github(
        selected_product, description, product_name, benefits, key_message,
        gender, generation, psychotype, business_stage, industry, opf,
        chosen_approach, presence_in_db,
        model_1_name, prompt_1, final_prompt_1, sms_1,
        model_2_name, prompt_2, final_prompt_2, sms_2,
        chosen_sms="none"  # <-- признак, что ни одно SMS не выбрано
    )

    return sms_1, sms_2

def on_load_previous():
    loaded_data = load_previous_user_request_from_github()
    if not loaded_data or len(loaded_data) < 11:
        return (products[0], "", "", "", "", None, None, None, None, None, None, "", "", "", "", "", "")
    selected_product_val, description_val, product_name_val, benefits_val, key_message_val, approach_val = loaded_data[0], loaded_data[1], loaded_data[2], loaded_data[3], loaded_data[4], loaded_data[5]
    gender_val, generation_val, psychotype_val, business_stage_val, industry_val, opf_val = loaded_data[6:12]
    chosen_approach_val, p1, p2 = update_prompts_on_params_change(description_val, product_name_val, benefits_val, key_message_val,
                                                                  gender_val, generation_val, psychotype_val,
                                                                  business_stage_val, industry_val, opf_val)
    return (selected_product_val, description_val, product_name_val, benefits_val, key_message_val,
            gender_val, generation_val, psychotype_val, business_stage_val, industry_val, opf_val,
            chosen_approach_val, p1, p2, "", "", "")

def save_preferred_sms_to_github(
    selected_product, description, product_name, benefits, key_message,
    gender, generation, psychotype, business_stage, industry, opf,
    chosen_approach, presence_in_db,
    model_1_name, prompt_1, final_prompt_1, sms_1,
    model_2_name, prompt_2, final_prompt_2, sms_2,
    chosen_sms
):
    """
    Сохраняет выбранные поля в отдельный JSON-файл на GitHub,
    чтобы не смешивать с предыдущими действиями, сохраняем под другим названием.
    """
    # Собираем все данные
    data_to_save = {
        "timestamp": time.time(),
        "product_dropdown": selected_product,
        "description": description,
        "product_name": product_name,
        "benefits": benefits,
        "key_message": key_message,
        "gender": gender,
        "generation": generation,
        "psychotype": psychotype,
        "business_stage": business_stage,
        "industry": industry,
        "opf": opf,
        "chosen_approach": chosen_approach,
        "comment": presence_in_db,
        "model_1_name": model_1_name,
        "prompt_1": prompt_1,
        "final_prompt_1": final_prompt_1,
        "sms_1": sms_1,
        "model_2_name": model_2_name,
        "prompt_2": prompt_2,
        "final_prompt_2": final_prompt_2,
        "sms_2": sms_2,
        "preferred_sms": chosen_sms  # "sms_1" или "sms_2"
    }

    file_content_encoded = base64.b64encode(json.dumps(data_to_save).encode()).decode()
    filename = f"preferred_sms_{int(time.time())}.json"
    url = f"https://api.github.com/repos/{repo}/contents/{filename}"
    headers = {
        "Authorization": f"token {token}",
        "Content-Type": "application/json"
    }
    data = {
        "message": f"Добавлен файл {filename} со сведениями о предпочтённом SMS",
        "content": file_content_encoded
    }
    response = requests.put(url, headers=headers, data=json.dumps(data))
    if response.status_code == 201:
        print(f"Файл {filename} успешно сохранен.")
    else:
        print(f"Ошибка при сохранении данных: {response.status_code}, {response.text}")

def on_prefer_sms_1(
    selected_product, description, product_name, benefits, key_message,
    gender, generation, psychotype, business_stage, industry, opf,
    chosen_approach, presence_in_db,
    model_1_name, prompt_1, final_prompt_1, sms_1,
    model_2_name, prompt_2, final_prompt_2, sms_2
):
    """
    Вызывается при нажатии кнопки «Я предпочитаю это SMS» (для SMS 1).
    """
    save_preferred_sms_to_github(
        selected_product, description, product_name, benefits, key_message,
        gender, generation, psychotype, business_stage, industry, opf,
        chosen_approach, presence_in_db,
        model_1_name, prompt_1, final_prompt_1, sms_1,
        model_2_name, prompt_2, final_prompt_2, sms_2,
        chosen_sms="sms_1"
    )
    return "Предпочтение SMS 1 сохранено в GitHub"

def on_prefer_sms_2(
    selected_product, description, product_name, benefits, key_message,
    gender, generation, psychotype, business_stage, industry, opf,
    chosen_approach, presence_in_db,
    model_1_name, prompt_1, final_prompt_1, sms_1,
    model_2_name, prompt_2, final_prompt_2, sms_2
):
    """
    Вызывается при нажатии кнопки «Я предпочитаю это SMS» (для SMS 2).
    """
    save_preferred_sms_to_github(
        selected_product, description, product_name, benefits, key_message,
        gender, generation, psychotype, business_stage, industry, opf,
        chosen_approach, presence_in_db,
        model_1_name, prompt_1, final_prompt_1, sms_1,
        model_2_name, prompt_2, final_prompt_2, sms_2,
        chosen_sms="sms_2"
    )
    return "Предпочтение SMS 2 сохранено в GitHub"
    

with gr.Blocks(theme="default") as demo:
    gr.Markdown("**Процент созданных SMS по выбранному продукту**")
    progress_bar_html = """
    <div style="width: 100%; background-color: #e0e0e0; border-radius: 10px; overflow: hidden;">
        <div style="width: 0%; background-color: #4caf50; height: 20px; text-align: center; color: white;">
            0%
        </div>
    </div>
    """
    gr.HTML(progress_bar_html)
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("**Продукт**")
            product_dropdown = gr.Dropdown(label="Продукт", choices=products, value=products[0])
            description = gr.Textbox(label="Описание предложения", lines=5, value="", interactive=True)
            product_name = gr.Textbox(label="Наименование продукта", lines=1, value="", interactive=True)
            benefits = gr.Textbox(label="Преимущества", lines=9, value="", interactive=True)
            key_message = gr.Textbox(label="Ключевое сообщение", lines=2, value="")

            def on_product_change(selected, description, product_name, benefits, key_message,
                                  gender, generation, psychotype, business_stage, industry, opf):
                if selected == "Свой продукт":
                    new_desc = ""
                    new_pname = ""
                    new_ben = ""
                    new_kmsg = ""
                else:
                    if selected and selected in data_products["Наименование продукта"].values:
                        product_row = data_products[data_products["Наименование продукта"] == selected].iloc[0]
                        new_desc = product_row.get("Описание предложения", "")
                        new_pname = product_row.get("Наименование продукта", "")
                        new_ben = product_row.get("Преимущества", "")
                        new_kmsg = product_row.get("Ключевое сообщение", "")
                    else:
                        new_desc = ""
                        new_pname = ""
                        new_ben = ""
                        new_kmsg = ""
                chosen_approach_val, p1, p2 = update_prompts_on_params_change(new_desc, new_pname, new_ben, new_kmsg,
                                                                              gender, generation, psychotype,
                                                                              business_stage, industry, opf)
                return (gr.update(value=new_desc, interactive=(selected=="Свой продукт")),
                        gr.update(value=new_pname, interactive=(selected=="Свой продукт")),
                        gr.update(value=new_ben, interactive=(selected=="Свой продукт")),
                        gr.update(value=new_kmsg, interactive=(selected=="Свой продукт")),
                        chosen_approach_val, p1, p2,
                        "", "", "", "", "", "")

        with gr.Column(scale=1):
            gr.Markdown("**Клиент**")
            gender_dropdown = gr.Dropdown(label="Пол", choices=["Не выбрано"]+genders, value=None)
            generation_dropdown = gr.Dropdown(label="Поколение", choices=["Не выбрано"]+generations, value=None)
            psychotype_dropdown = gr.Dropdown(label="Психотип", choices=["Не выбрано"]+psychotypes, value=None)
            business_stage_dropdown = gr.Dropdown(label="Стадия бизнеса", choices=["Не выбрано"]+business_stages, value=None)
            industry_dropdown = gr.Dropdown(label="Отрасль", choices=["Не выбрано"]+industries, value=None)
            opf_dropdown = gr.Dropdown(label="ОПФ", choices=["Не выбрано"]+opfs, value=None)
            chosen_approach = gr.Textbox(label="Выбранный подход", lines=1, value="", interactive=False)
            presence_in_db = gr.Textbox(label="Комментарий", lines=1, value="", interactive=False)

    with gr.Row():
        return_params_btn = gr.Button("Вернуть параметры предыдущего запроса")
        set_unused_params_btn = gr.Button("Задать ранее невыставленные параметры (кнопка пока не работает)")
        create_personal_sms_btn = gr.Button("Создать персонализированное SMS")
    
    with gr.Row():
        with gr.Column():
            model_1_name = gr.Textbox(label="Модель 1", value="Grok-2-1212", interactive=False)
            prompt_1 = gr.Textbox(label="Промпт 1", value="", interactive=False, lines=10)
            sms_1 = gr.Textbox(label="SMS 1", lines=3, value="", interactive=False)
        
        with gr.Column():
            model_2_name = gr.Textbox(label="Модель 2", value="Grok-2-1212", interactive=False)
            prompt_2 = gr.Textbox(label="Промпт 2", value="", interactive=False, lines=10)
            sms_2 = gr.Textbox(label="SMS 2", lines=3, value="", interactive=False)
    
    with gr.Row():
        prefer_sms_1_btn = gr.Button("Я предпочитаю это SMS")
        prefer_sms_2_btn = gr.Button("Я предпочитаю это SMS")

    regen_btn = gr.Button("Перегенерировать SMS (не нравится ни одно из SMS)")
    
    with gr.Row():
        comment_sms_1 = gr.Textbox(label="Комментарий к SMS 1", lines=2, value="")
        comment_sms_2 = gr.Textbox(label="Комментарий к SMS 2", lines=2, value="")
    
    with gr.Row():
        corrected_sms_1 = gr.Textbox(label="Откорректированное SMS 1", lines=3, value="")
        corrected_sms_2 = gr.Textbox(label="Откорректированное SMS 2", lines=3, value="")
    
    with gr.Row():
        save_sms_1_btn = gr.Button("Сохранить в базу (кнопка пока не работает)")
        save_sms_2_btn = gr.Button("Сохранить в базу (кнопка пока не работает)")

    final_prompt_1_state = gr.State("")
    final_prompt_2_state = gr.State("")

    product_dropdown.change(
        fn=on_product_change,
        inputs=[product_dropdown, description, product_name, benefits, key_message,
                gender_dropdown, generation_dropdown, psychotype_dropdown,
                business_stage_dropdown, industry_dropdown, opf_dropdown],
        outputs=[description, product_name, benefits, key_message,
                 chosen_approach, prompt_1, prompt_2,
                 sms_1, sms_2, comment_sms_1, comment_sms_2, corrected_sms_1, corrected_sms_2]
    )

    def params_change_wrapper(description, product_name, benefits, key_message,
                              gender, generation, psychotype, business_stage, industry, opf):
        chosen_approach_val, p1, p2 = update_prompts_on_params_change(description, product_name, benefits, key_message,
                                                                     gender, generation, psychotype,
                                                                     business_stage, industry, opf)
        return chosen_approach_val, p1, p2, "", "", "", "", "", ""

    client_params = [gender_dropdown, generation_dropdown, psychotype_dropdown,
                     business_stage_dropdown, industry_dropdown, opf_dropdown]
    for cp in client_params:
        cp.change(
            fn=params_change_wrapper,
            inputs=[description, product_name, benefits, key_message,
                    gender_dropdown, generation_dropdown, psychotype_dropdown,
                    business_stage_dropdown, industry_dropdown, opf_dropdown],
            outputs=[chosen_approach, prompt_1, prompt_2,
                     sms_1, sms_2, comment_sms_1, comment_sms_2, corrected_sms_1, corrected_sms_2]
        )

    create_personal_sms_btn.click(
        fn=generate_personalized_sms_wrapper,
        inputs=[product_dropdown, description, product_name, benefits, key_message, 
                gender_dropdown, generation_dropdown, psychotype_dropdown,
                business_stage_dropdown, industry_dropdown, opf_dropdown,
                chosen_approach, prompt_1, prompt_2],
        outputs=[sms_1, sms_2, final_prompt_1_state, final_prompt_2_state]
    )

    regen_btn.click(
        fn=on_regenerate,
        inputs=[
            product_dropdown,
            description,
            product_name,
            benefits,
            key_message,
            gender_dropdown,
            generation_dropdown,
            psychotype_dropdown,
            business_stage_dropdown,
            industry_dropdown,
            opf_dropdown,
            chosen_approach,
            presence_in_db,
            model_1_name,
            prompt_1,
            final_prompt_1_state,
            sms_1,
            model_2_name,
            prompt_2,
            final_prompt_2_state,
            sms_2
        ],
        outputs=[sms_1, sms_2]
    )

    return_params_btn.click(
        fn=on_load_previous,
        inputs=[],
        outputs=[product_dropdown, description, product_name, benefits, key_message,
                 gender_dropdown, generation_dropdown, psychotype_dropdown,
                 business_stage_dropdown, industry_dropdown, opf_dropdown,
                 chosen_approach, prompt_1, prompt_2,
                 sms_1, sms_2, comment_sms_1, comment_sms_2, corrected_sms_1, corrected_sms_2]
    )

    prefer_sms_1_btn.click(
        fn=on_prefer_sms_1,
        inputs=[
            product_dropdown,
            description,
            product_name,
            benefits,
            key_message,
            gender_dropdown,
            generation_dropdown,
            psychotype_dropdown,
            business_stage_dropdown,
            industry_dropdown,
            opf_dropdown,
            chosen_approach,
            presence_in_db,
            model_1_name,
            prompt_1,
            final_prompt_1_state,
            sms_1,
            model_2_name,
            prompt_2,
            final_prompt_2_state,
            sms_2
        ],
        outputs=[]
    )

    prefer_sms_2_btn.click(
        fn=on_prefer_sms_2,
        inputs=[
            product_dropdown,
            description,
            product_name,
            benefits,
            key_message,
            gender_dropdown,
            generation_dropdown,
            psychotype_dropdown,
            business_stage_dropdown,
            industry_dropdown,
            opf_dropdown,
            chosen_approach,
            presence_in_db,
            model_1_name,
            prompt_1,
            final_prompt_1_state,
            sms_1,
            model_2_name,
            prompt_2,
            final_prompt_2_state,
            sms_2
        ],
        outputs=[]
    )


    demo.queue().launch()