from llms.Modelos.Base_model import ModeloABC
from src.ConexionApis.OpenAi_conexion import OpenAICliente

class ModeloOpenAI(ModeloABC):
    def __init__(
        self,
        cliente: OpenAICliente,
        model: str = "gpt-4o",
        temperature: float = 0.7,
        top_p: float = 1.0,
        top_k: int = None,
        frecuencia_penalizacion: float = 0.0,
        num_tokens_maximos: int = 512,
        use_legacy: bool = False
    ):
        super().__init__(
            model=model,
            temperature=temperature,
            top_p=top_p,
            top_k=top_k,
            frecuencia_penalizacion=frecuencia_penalizacion,
            num_tokens_maximos=num_tokens_maximos
        )
        self.cliente = cliente
        self.use_legacy = use_legacy

    async def responder(self, prompt: str, system_prompt: str = "", **kwargs) -> str:
        import asyncio

        if self.use_legacy:
            loop = asyncio.get_event_loop()
            respuesta = await loop.run_in_executor(
                None,
                lambda: self.cliente.completion(
                    model=self.model,
                    prompt=prompt,
                    temperature=self.temperature,
                    top_p=self.top_p,
                    max_tokens=self.num_tokens_maximos,
                    frequency_penalty=self.frecuencia_penalizacion,
                    **kwargs
                )
            )
            return respuesta.choices[0].text.strip()
        else:
            messages = []
            if system_prompt:
                messages.append({"role": "system", "content": system_prompt})
            messages.append({"role": "user", "content": prompt})

            loop = asyncio.get_event_loop()
            respuesta = await loop.run_in_executor(
                None,
                lambda: self.cliente.chat_completion(
                    model=self.model,
                    messages=messages,
                    temperature=self.temperature,
                    top_p=self.top_p,
                    max_tokens=self.num_tokens_maximos,
                    frequency_penalty=self.frecuencia_penalizacion,
                    **kwargs
                )
            )
            return respuesta.choices[0].message.content