import os
from dotenv import load_dotenv
import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer
from huggingface_hub import login

# Cargar las variables de entorno desde el archivo .env
load_dotenv()

# Iniciar sesión en Hugging Face usando la variable de entorno
huggingface_token = os.getenv('HUGGINGFACE_TOKEN')
if huggingface_token is None:
    raise ValueError("El token de Hugging Face no está configurado en las variables de entorno.")
login(huggingface_token)

# Cargar el modelo y el tokenizador
model_name = "meta-llama/Llama-3.2-1B-Instruct"  # Asegúrate de que este sea el nombre correcto
model = AutoModelForCausalLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Leer el archivo de texto
with open("reparaciones.txt", "r") as file:
    informacion_adicional = file.read()

def respond_to_query(user_input):
    # Crear el prompt
    prompt = f"{informacion_adicional} Responde la siguiente pregunta: {user_input}"
    
    # Tokenizar el prompt
    inputs = tokenizer(prompt, return_tensors="pt")
    
    # Generar la respuesta
    outputs = model.generate(**inputs)
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
    
    return response

# Crear la interfaz de Gradio
gr.Interface(fn=respond_to_query, inputs="text", outputs="text").launch()