import gradio as gr
import json
from transformers import pipeline
import re

# Template del autodiagnóstico
TEMPLATE = {
    "datos_generales": {
        "nombre": "",
        "sector": "",
        "fecha": ""
    },
    "reto": {
        "descripcion": "",
        "contexto": "",
        "alcance": ""
    },
    "conocimientos_cogtech": {
        "terminos_desconocidos": [],
        "conceptos_dudosos": [],
        "areas_desconfianza": []
    },
    "dominio_actual": {
        "aspectos_dominados": [],
        "experiencia_previa": [],
        "recursos_disponibles": []
    },
    "entrampes": {
        "tecnicos": [],
        "implementacion": [],
        "organizacionales": []
    },
    "objetivos": {
        "corto_plazo": [],
        "esperados_microtaller": []
    }
}

# Inicializar el modelo de clasificación de texto
classifier = pipeline("zero-shot-classification")

def extraer_terminos_tecnicos(texto):
    """Extrae términos técnicos del texto usando el modelo de clasificación"""
    candidatos = texto.split()
    labels = ["AI", "machine learning", "programming", "data science", "cognitive technology"]
    
    resultados = []
    for termino in candidatos:
        if len(termino) > 4:  # Filtrar palabras muy cortas
            clasificacion = classifier(termino, labels)
            if clasificacion['scores'][0] > 0.5:
                resultados.append(termino)
    
    return resultados

def identificar_entrampes(texto):
    """Identifica posibles entrampes en el texto"""
    entrampes = {
        "tecnicos": [],
        "implementacion": [],
        "organizacionales": []
    }
    
    # Palabras clave para cada tipo de entrampe
    keywords = {
        "tecnicos": ["error", "falla", "bug", "técnico", "código", "programa"],
        "implementacion": ["proceso", "tiempo", "recursos", "implementar", "desplegar"],
        "organizacionales": ["equipo", "presupuesto", "política", "aprobación", "gestión"]
    }
    
    oraciones = texto.split('.')
    for oracion in oraciones:
        oracion = oracion.lower()
        for tipo, palabras in keywords.items():
            if any(palabra in oracion for palabra in palabras):
                entrampes[tipo].append(oracion.strip())
    
    return entrampes

def procesar_texto(texto_input):
    """Procesa el texto de entrada y genera un autodiagnóstico estructurado"""
    # Inicializar el autodiagnóstico con el template
    autodiagnostico = TEMPLATE.copy()
    
    # Extraer términos técnicos
    terminos = extraer_terminos_tecnicos(texto_input)
    autodiagnostico["conocimientos_cogtech"]["terminos_desconocidos"] = terminos
    
    # Identificar entrampes
    entrampes = identificar_entrampes(texto_input)
    autodiagnostico["entrampes"] = entrampes
    
    # Extraer objetivos (oraciones que empiezan con "quiero", "necesito", "busco")
    objetivos = []
    for linea in texto_input.split('.'):
        if any(palabra in linea.lower() for palabra in ["quiero", "necesito", "busco"]):
            objetivos.append(linea.strip())
    autodiagnostico["objetivos"]["esperados_microtaller"] = objetivos
    
    # Convertir a JSON
    return json.dumps(autodiagnostico, indent=2, ensure_ascii=False)

# Crear la interfaz de Gradio
with gr.Blocks() as app:
    gr.Markdown("# Autodiagnóstico CogTech")
    gr.Markdown("""
    Describe tu reto o proyecto relacionado con tecnologías cognitivas.
    La aplicación analizará tu texto y generará un autodiagnóstico estructurado.
    """)
    
    with gr.Row():
        texto_input = gr.Textbox(
            label="Tu descripción",
            placeholder="Describe tu reto, dudas, objetivos y contexto...",
            lines=10
        )
        json_output = gr.JSON(label="Autodiagnóstico Estructurado")
    
    analizar_btn = gr.Button("Generar Autodiagnóstico")
    analizar_btn.click(
        fn=procesar_texto,
        inputs=texto_input,
        outputs=json_output
    )
    
    gr.Markdown("""
    ### Instrucciones:
    1. Describe tu reto o proyecto en el campo de texto
    2. Incluye tus dudas, objetivos y contexto
    3. Haz clic en "Generar Autodiagnóstico"
    4. Descarga el JSON resultante
    """)

# Lanzar la aplicación
app.launch()