from openai import AsyncOpenAI
import chainlit as cl
from typing import Optional
import os
from dotenv import load_dotenv
from chainlit.data.sql_alchemy import SQLAlchemyDataLayer

@cl.data_layer
def get_data_layer():
    return SQLAlchemyDataLayer(conninfo = "postgresql+asyncpg://postgres:mysecretpassword123@127.0.0.1:5432/postgres")

load_dotenv()

client = AsyncOpenAI(base_url="http://192.168.1.37:8088/v1", api_key="lm-studio")
# Instrument the OpenAI client
cl.instrument_openai()

settings = {
    "model": "/modelle/Moonlight-L3-15B-v2-64k",
    "temperature": 0.6,
    "frequency_penalty":1.05,
    # ... more settings
}

# Passwortbasierte Authentifizierung (nur ein Callback!)
@cl.password_auth_callback
def auth_callback(username: str, password: str):
    # Hier könntest du z. B. gegen eine Datenbank prüfen
    if (username, password) == ("admin", "admin"):
        return cl.User(
            identifier="admin", metadata={"role": "admin", "provider": "credentials"}
        )
    else:
        return None

# Beim Start eines Chats: initialisiere die Chat-History in der User-Session
@cl.on_chat_start
async def start_chat():
    if not cl.user_session.get("message_history"):
        cl.user_session.set("message_history", [
            {
                "role": "system",
                "content": "Du bist ein hilfreicher Assistent. Löse Aufgaben schrittweise."
            }
        ])
    app_user = cl.user_session.get("user")
    await cl.Message(f"Hallo {app_user.identifier}!").send()

@cl.on_chat_resume
async def on_chat_resume(thread):
    pass

# Verarbeitung eingehender Nachrichten
@cl.on_message
async def handle_message(message: cl.Message):
    # Hole die bisherige Chat-History aus der User-Session
    message_history = cl.user_session.get("message_history")
    message_history.append({"role": "user", "content": message.content})
    
    # Erstelle eine leere Nachricht für den Streaming-Output
    response_msg = cl.Message(content="")
    
    # Sende die gesamte History an den LLM-Client
    stream = await client.chat.completions.create(
        messages=message_history,
        stream=True,
        **settings
    )
    
    # Tokenweise streamen und zur Antwortnachricht hinzufügen
    async for part in stream:
        token = part.choices[0].delta.content or ""
        if token:
            await response_msg.stream_token(token)
    
    # Füge die Antwort des Assistenten der History hinzu
    message_history.append({"role": "assistant", "content": response_msg.content})
    cl.user_session.set("message_history", message_history)
    
    # Aktualisiere die Nachricht im Frontend
    await response_msg.update()