import streamlit as st
from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
from sentence_transformers import SentenceTransformer
from langchain.vectorstores import Chroma
import os
import psutil
import time

# Hugging Face 모델 ID
model_id = "hewoo/hehehehe"
# 모델과 토크나이저 로드 (토큰 없이 사용)
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)


# 텍스트 생성 파이프라인 설정
pipe = pipeline("text-generation", model=model, tokenizer=tokenizer, max_new_tokens=150, temperature=0.3, top_p=0.85, top_k=40, repetition_penalty=1.2)

# 사용자 정의 임베딩 클래스 생성
class CustomEmbedding:
    def __init__(self, model):
        self.model = model

    def embed_query(self, text):
        return self.model.encode(text, convert_to_tensor=True).tolist()

    def embed_documents(self, texts):
        return [self.model.encode(text, convert_to_tensor=True).tolist() for text in texts]

# 임베딩 모델 및 벡터 스토어 설정
embedding_model = SentenceTransformer("jhgan/ko-sroberta-multitask")
embedding_function = CustomEmbedding(embedding_model)

# Chroma 벡터 스토어 설정
persist_directory = "./chroma_batch_vectors"
vectorstore = Chroma(persist_directory=persist_directory, embedding_function=embedding_function)
retriever = vectorstore.as_retriever(search_kwargs={"k": 3})

# 질문에 대한 응답 생성 함수
def generate_response(user_input):
    start_time = time.time()  # 시작 시간 기록

    # 문서 검색 및 맥락 생성
    search_results = retriever.get_relevant_documents(user_input)
    context = "\n".join([result.page_content for result in search_results])
    input_text = f"""아래는 한국어로만 답변하는 어시스턴트입니다.
    사용자의 질문에 대해 제공된 맥락을 바탕으로 정확하고 자세한 답변을 한국어로 작성하세요.

    맥락: {context}
    질문: {user_input}
    답변:"""

    # 응답 생성
    response = pipe(input_text)[0]["generated_text"]

    end_time = time.time()  # 끝난 시간 기록
    response_time = end_time - start_time  # 응답 시간 계산

    # 메모리 사용량 모니터링
    memory_info = psutil.virtual_memory()
    memory_usage = memory_info.percent  # 메모리 사용량 비율(%)

    return response, response_time, memory_usage

# Streamlit 앱 UI
st.title("챗봇 데모")
st.write("Llama 3.2-3B 모델을 사용한 챗봇입니다. 질문을 입력해 주세요.")

# 사용자 입력 받기
user_input = st.text_input("질문")
if user_input:
    response, response_time, memory_usage = generate_response(user_input)
    st.write("챗봇 응답:", response)
    st.write(f"응답 시간: {response_time:.2f}초")
    st.write(f"현재 메모리 사용량: {memory_usage}%")