from dotenv import load_dotenv
import streamlit as st
import os
import google.generativeai as genai
import random

# Cargar las variables de entorno
load_dotenv()

# Configurar la API de Google
genai.configure(api_key=os.getenv("GOOGLE_API_KEY"))

# Función para obtener una mención del producto de manera probabilística
def get_random_product_mention():
    mentions = ["Directa", "Indirecta", "Metafórica"]
    probabilities = [0.34, 0.33, 0.33]
    return random.choices(mentions, probabilities)[0]

# Crear la instrucción de mención basada en la opción seleccionada
def get_mention_instruction(product_mention, product):
    if product_mention == "Directa":
        return f"Introduce directamente el producto '{product}' como la solución clara al problema que enfrenta el lector."
    elif product_mention == "Indirecta":
        return f"Referencia sutilmente el producto '{product}' como una posible solución al problema del lector sin nombrarlo explícitamente."
    elif product_mention == "Metafórica":
        return f"Introduce el producto '{product}' usando una metáfora, conectándolo simbólicamente a la solución que necesita el lector."
    return ""

# Ejemplos de llamados a la acción por tipo
cta_types = {
    "directos": [
        "Descargar la guía para mejorar mi productividad diaria.",
        "Suscribirme para recibir actualizaciones y promociones exclusivas.",
        "Unirme a la prueba gratis de 14 días y descubrir nuevas funciones.",
        "Registrarme para acceder a contenido premium y estrategias efectivas.",
        "Comprar ahora y obtener un regalo especial con mi pedido."
    ],
    "urgencia": [
        "Inscribirme ahora para asegurar mi lugar antes de que se agoten las plazas.",
        "Comenzar mi transformación hoy y no perder más tiempo."
    ],
    "descuento": [
        "Aprovechar el 50% de descuento y comprar por tiempo limitado.",
        "Hacer mi pedido ahora y obtener un 30% de descuento adicional."
    ],
    "exclusividad": [
        "Acceder a contenido exclusivo solo para miembros.",
        "Ser parte de un grupo selecto y disfrutar de beneficios únicos."
    ],
    "beneficio_claro": [
        "Mejorar mi productividad en solo una semana.",
        "Transformar mi carrera profesional con herramientas avanzadas."
    ],
    "personalización": [
        "Descubrir cómo personalizar esta oferta para mis necesidades.",
        "Elegir las opciones que mejor se adapten a mis necesidades."
    ]
}

# Función para que el modelo elija automáticamente el tipo de CTA y el CTA específico
def get_random_cta():
    cta_type = random.choice(list(cta_types.keys()))  # Selección aleatoria del tipo de CTA
    cta = random.choice(cta_types[cta_type])  # Selección aleatoria del CTA dentro del tipo
    return cta

# Función para generar llamados a la acción
def generate_ctas(number_of_ctas, target_audience, product, call_to_action, temperature):
    product_mention = get_random_product_mention()
    mention_instruction = get_mention_instruction(product_mention, product)

    # Configuración del modelo
    generation_config = {
        "temperature": temperature,  
        "top_p": 0.85,       
        "top_k": 128,        
        "max_output_tokens": 2048,
        "response_mime_type": "text/plain",
    }

    # Configuración del modelo generativo y las instrucciones del sistema
    model = genai.GenerativeModel(
        model_name="gemini-1.5-flash",  # Nombre del modelo que estamos utilizando
        generation_config=generation_config,  # Configuración de generación
        system_instruction=(
            "Eres un experto copywriter especializado en productos que solucionan problemas de tus clientes. "
            "Tu tarea es ayudarme a escribir llamados a la acción (CTA) para mi [página web, landing, correo], "
            "teniendo en cuenta los puntos débiles de mi [cliente ideal] y el [producto] y la [acción] a realizar. "
            "Recuerda que un buen CTA debe tener:\n\n"
            "1. **Acción**: Palabras que invitan a realizar un movimiento (e.g., 'Descargar', 'Suscribirse').\n"
            "2. **Valor**: Explicar el beneficio que el usuario obtendrá al realizar la acción.\n\n"
            "Basate en estos ejemplos para realizar tu tarea de crear los CTA's:\n\n"
            "**Ejemplos de CTAs en Voz Activa en Primera Persona:**\n"
            "- 'Descargar la guía para mejorar mi productividad diaria'\n"
            "  - Acción: Descargo\n"
            "  - Valor: Mejorar mi productividad diaria\n\n"
            "- 'Suscribirme para recibir actualizaciones y promociones exclusivas'\n"
            "  - Acción: Me suscribo\n"
            "  - Valor: Recibir actualizaciones y promociones exclusivas\n\n"
            "Usa estos lineamientos para generar CTAs de alta conversión en español."
        )
    )

    # Selección aleatoria de tipos de CTA, manteniendo variedad en la salida
    selected_types = random.sample(list(cta_types.keys()), min(number_of_ctas, len(cta_types)))

    # Crear un mensaje para el modelo que incluye los CTAs generados según los tipos seleccionados
    ctas_instruction = (
        f"Tu tarea es crear {number_of_ctas} llamados a la acción efectivos dirigidos a {target_audience}, "
        f"para promover {call_to_action}. Usa la siguiente mención: {mention_instruction}. "
        "Asegúrate de que cada llamado a la acción siga la estructura de acción y valor, "
        "como los ejemplos proporcionados anteriormente."
    )

    # Generar el resultado utilizando el modelo con la instrucción de CTA específica
    response = model.generate_message(ctas_instruction)
    
    # Retornar el resultado
    return response

# Configurar la interfaz de usuario con Streamlit
st.set_page_config(page_title="Enchanted CTAs", layout="wide")

# Centrar el título y el subtítulo
st.markdown("<h1 style='text-align: center;'>Enchanted CTAs</h1>", unsafe_allow_html=True)
st.markdown("<h4 style='text-align: center;'>Genera llamados a la acción que conviertan de forma mágica, encantando a tus clientes a actuar de inmediato.</h4>", unsafe_allow_html=True)

# Añadir CSS personalizado para el botón
st.markdown("""
    <style>
    div.stButton > button {
        background-color: #FFCC00;
        color: black;
        width: 90%;
        height: 60px;
        font-weight: bold;
        font-size: 22px;
        text-transform: uppercase;
        border: 1px solid #000000;
        border-radius: 8px;
        display: block;
        margin: 0 auto;
    }
    div.stButton > button:hover {
        background-color: #FFD700;
        color: black;
    }
    </style>
""", unsafe_allow_html=True)

# Crear columnas
col1, col2 = st.columns([1, 2])  

# Columnas de entrada
with col1:
    target_audience = st.text_input("¿Quién es tu público objetivo?", placeholder="Ejemplo: Estudiantes Universitarios")
    product = st.text_input("¿Qué producto tienes en mente?", placeholder="Ejemplo: Curso de Inglés")
    call_to_action = st.text_input("¿Qué acción deseas que tomen?", placeholder="Ejemplo: Inscribirse al curso")
    number_of_ctas = st.selectbox("Número de llamados a la acción", options=[1, 2, 3, 4, 5], index=2)
    temperature = st.slider("Creatividad", min_value=0.0, max_value=1.0, value=0.5, step=0.1)

    # Botón de enviar
    submit = st.button("Generar Llamados a la Acción")

# Mostrar los llamados a la acción generados
if submit:
    if target_audience and product and call_to_action:
        try:
            # Obtener la respuesta del modelo
            generated_ctas = generate_ctas(number_of_ctas, target_audience, product, call_to_action, temperature)
            col2.markdown(f"""
                <div style="border: 1px solid #000000; padding: 5px; border-radius: 8px; background-color: #ffffff;">
                    <h4>¡Acción mágica en marcha!</h4>
                    <p>{generated_ctas}</p>
                </div>
            """, unsafe_allow_html=True)
        except ValueError as e:
            col2.error(f"Error: {str(e)}")
    else:
        col2.error("Por favor, proporciona el público objetivo, el producto y la acción.")