from typing import Dict, Any
import torch
from transformers import LlavaNextProcessor, LlavaNextForConditionalGeneration, BitsAndBytesConfig
from PIL import Image
import requests
from io import BytesIO
import base64

class EndpointHandler:
    def __init__(self, path=""):
        # Configuració de la quantització
        quantization_config = BitsAndBytesConfig(
            load_in_4bit=True,
            bnb_4bit_quant_type="nf4",
            bnb_4bit_compute_dtype=torch.float16,
        )

        # Carrega el processador i model de forma global
        self.processor = LlavaNextProcessor.from_pretrained("llava-hf/llava-v1.6-mistral-7b-hf")
        self.model = LlavaNextForConditionalGeneration.from_pretrained(
            "llava-hf/llava-v1.6-mistral-7b-hf",
            quantization_config=quantization_config,
            device_map="auto"
        )

    def __call__(self, data: Dict[str, Any]) -> Dict[str, Any]:
        logs = []
        logs.append("Iniciant processament de la petició.")
        
        inputs = data.get("inputs")
        if not inputs:
            logs.append("Format d'entrada invàlid. Manca la clau 'inputs'.")
            return {"error": "Invalid input format. 'inputs' key is missing.", "logs": logs}

        image_url = inputs.get("url")
        image_data = inputs.get("image_data")
        prompt = inputs.get("prompt")
        max_tokens = inputs.get("max_tokens", 100)
        
        if not prompt:
            logs.append("S'ha de proporcionar 'prompt' en 'inputs'.")
            return {"error": "The 'prompt' must be provided in 'inputs'.", "logs": logs}

        if not image_url and not image_data:
            logs.append("S'ha de proporcionar 'url' o 'image_data' en 'inputs'.")
            return {"error": "Either 'url' or 'image_data' must be provided in 'inputs'.", "logs": logs}

        logs.append(f"Processant entrada: url={image_url}, image_data={'present' if image_data else 'absent'}, prompt={prompt}")

        try:
            if image_url:
                logs.append(f"Carregant imatge des de URL: {image_url}")
                response = requests.get(image_url, stream=True)
                image = Image.open(response.raw)
            elif image_data:
                logs.append("Carregant imatge des de dades d'imatge en brut.")
                image = Image.open(BytesIO(base64.b64decode(image_data)))
            
            if image.format == 'PNG':
                logs.append("Convertint imatge PNG a JPG.")
                image = image.convert('RGB')
                buffer = BytesIO()
                image.save(buffer, format="JPEG")
                buffer.seek(0)
                image = Image.open(buffer)

        except Exception as e:
            logs.append(f"Error carregant imatge: {str(e)}")
            return {"error": str(e), "logs": logs}

        try:
            logs.append("Processant imatge amb el model.")
            inputs = self.processor(prompt, image, return_tensors="pt").to("cuda")
            output = self.model.generate(**inputs, max_new_tokens=max_tokens)
            result = self.processor.decode(output[0], skip_special_tokens=True)
            logs.append("Processament complet.")
            return {"input_prompt": prompt, "model_output": result, "logs": logs}

        except Exception as e:
            logs.append(f"Error processant el model: {str(e)}")
            return {"error": str(e), "logs": logs}