agents/specialized.py_old

# agents/specialized.py
import os
from core.llm_client import llm
from utils.prompts import get_today_prefix, get_chat_style
from agents.registry import AGENT_REGISTRY
from core.file_builder import build_docx, build_excel
import re
import json
import asyncio
import requests
import base64
from pathlib import Path
from datetime import datetime

AGENT_ROLES = {
    "manager": """
Eres el gerente principal. Cuando no haya delegación o la tarea sea simple, responde de forma natural, amigable y útil al usuario.
No necesitas generar JSON aquí, solo contesta directamente.
Mantén un tono profesional pero cercano.
""",

    "image_agent": """
Eres el agente de imágenes.
Cuando se te pida generar, crear, mostrar o visualizar una imagen, responde SOLO con un JSON:
{"image_queries": ["término en inglés 1", "término en inglés 2", "término en inglés 3"]}
Los términos deben ser específicos, detallados y en inglés para obtener mejores resultados.
Si la tarea no es sobre imágenes, responde: {"skip":"no image task"}
""",

    "backend_dev": """
Eres programador backend senior.
REGLAS ABSOLUTAS:
1. Entrega SOLO el código pedido, sin explicaciones innecesarias.
2. Para excel/planilla → responde con EXCEL_TEMPLATE:{"title":"...","sheet_name":"...","headers":[...],"sample_rows":[[...],...]}
3. Python → entrega código Python puro y funcional.
4. Groovy/Jenkins → entrega el script completo.
5. Si hay frontend_dev en el equipo, TÚ haces servidor/backend, él hace HTML.
6. Si la tarea no requiere backend → responde: {"skip":"no backend needed"}
""",

    "writer": """
Eres redactor experto. Escribe SOLO contenido real y extenso (500+ palabras).
Sin placeholders. Usa ## para secciones y ### para subsecciones.
Secciones: ## Resumen Ejecutivo, ### Introducción, ### Desarrollo,
### Hallazgos, ### Conclusiones, ### Recomendaciones
""",

    "analyst": """
Eres analista de negocios. REGLAS:
1. Solo haz lo que el manager delegó: revisar documentos, evaluar viabilidad, analizar riesgos.
2. NUNCA describas imágenes ni hagas trabajo de otros agentes.
3. Si la tarea no requiere análisis → responde: {"skip":"no analysis needed"}
""",

    "frontend_dev": """
Eres desarrollador frontend senior. REGLAS ABSOLUTAS:
1. Entrega SOLO código HTML/CSS/JS pedido, sin explicaciones innecesarias.
2. Si hay backend_dev, TÚ haces HTML/interfaz, él hace servidor/lógica.
3. Si la tarea NO requiere frontend → responde: {"skip":"no frontend needed"}
4. Entrega siempre HTML completo y funcional con los estilos incluidos.
"""
}

"""
async def generate_real_image(prompts: list, model: str = "black-forest-labs/FLUX.1-schnell"):
    Genera una o más imágenes reales usando HF Inference API
    results = []
    for i, prompt in enumerate(prompts[:3]):  # límite de 3 imágenes por seguridad
        try:
            from huggingface_hub import InferenceClient
            client = InferenceClient(model=model, token=os.getenv("HF_API_TOKEN"))

            enhanced_prompt = f"{prompt}, highly detailed, cinematic lighting, 8k, masterpiece, best quality"

            image = await asyncio.to_thread(
                client.text_to_image,
                enhanced_prompt,
                num_inference_steps=20,
                guidance_scale=7.5,
                height=768,
                width=768
            )

            DOCS_DIR = Path("data/docs")
            DOCS_DIR.mkdir(exist_ok=True)
            ts = datetime.now().strftime("%Y%m%d_%H%M%S")
            file_name = f"generated_image_{ts}_{i+1}.png"
            file_path = DOCS_DIR / file_name
            image.save(file_path)

            results.append({
                "success": True,
                "image_url": f"/docs/{file_name}",
                "prompt_used": enhanced_prompt
            })
        except Exception as e:
            results.append({"success": False, "error": str(e)})

    return results
"""
# 🔵 FUNCIONES AUXILIARES (AQUÍ VAN)

async def generate_with_gemini(queries, model_name):
    # ⚠️ por ahora fallback
    return []

async def generate_with_hf(queries):
    urls = []

    for i, prompt in enumerate(queries[:2]):
        response = requests.post(
            "https://router.huggingface.co/v1/images/generations",
            headers={
                "Authorization": f"Bearer {os.getenv('HF_API_TOKEN')}"
            },
            json={
                "model": "black-forest-labs/FLUX.1-schnell",
                "prompt": prompt,
                "size": "1024x1024"
            }
        )

        if response.status_code == 200:
            data = response.json()

            image_base64 = data["data"][0]["b64_json"]
            image_bytes = base64.b64decode(image_base64)

            DOCS_DIR = Path("data/docs")
            DOCS_DIR.mkdir(exist_ok=True)

            file_name = f"hf_image_{datetime.now().timestamp()}.png"
            file_path = DOCS_DIR / file_name

            with open(file_path, "wb") as f:
                f.write(image_bytes)

            urls.append(f"/docs/{file_name}")

        else:
            print("HF error:", response.text)

    return urls

# 🟢 FUNCIÓN PRINCIPAL

async def generate_real_image(prompts: list):
    results = []

    for prompt in prompts[:3]:
        try:
            response = requests.post(
                "https://router.huggingface.co/v1/images/generations",
                headers={
                    "Authorization": f"Bearer {os.getenv('HF_API_TOKEN')}",
                    "Content-Type": "application/json"
                },
                json={
                    "model": "black-forest-labs/FLUX.1-schnell",
                    "prompt": prompt,
                    "size": "1024x1024"
                }
            )

            # 🔥 DEBUG
            print("STATUS:", response.status_code)
            print("RAW:", response.text[:200])

            if response.status_code != 200:
                raise Exception(f"HTTP {response.status_code}: {response.text}")

            # intentar parsear JSON
            try:
                data = response.json()
            except:
                raise Exception("Respuesta no es JSON válida")

            if "data" not in data:
                raise Exception(f"Formato inesperado: {data}")

            image_url = data["data"][0].get("url")

            if not image_url:
                raise Exception("No se encontró URL de imagen")

            results.append({
                "success": True,
                "image_url": image_url
            })

        except Exception as e:
            results.append({
                "success": False,
                "error": str(e)
            })

    return results
    
async def run_specialized_agent(agent_key: str, task: str, context: dict = None) -> dict:
    if agent_key not in AGENT_ROLES:
        return {"error": f"Agente {agent_key} no implementado aún", "success": False}

    agent = AGENT_REGISTRY.get(agent_key, {})
    today = get_today_prefix()
    role = AGENT_ROLES[agent_key]

    full_prompt = today + role + get_chat_style() + f"\n\nTarea asignada: {task}"

    if context:
        full_prompt += "\n\nContexto de otros agentes:\n" + "\n".join([f"[{k.upper()}] {v[:300]}..." for k, v in context.items()])

    messages = [{"role": "user", "content": full_prompt}]

    try:
        response = await llm.call(agent_key, messages, temperature=0.45)

        result = {
            "agent": agent_key,
            "response": response,
            "success": True,
            "file_path": None,
            "file_type": None,
            "image_urls": [],  # ahora lista para múltiples imágenes
            "queries": None
        }

        # Generar archivo según agente
        if agent_key == "writer" and len(response.strip()) > 300:
            title = task[:60].strip('"') or "Informe generado"
            try:
                file_path = build_docx(title, response, images=None)
                if file_path:
                    result["file_path"] = file_path.name
                    result["file_type"] = "docx"
            except Exception as e:
                result["file_error"] = str(e)

        elif agent_key == "backend_dev":
            match = re.search(r'EXCEL_TEMPLATE:\s*(\{.*\})', response, re.DOTALL | re.IGNORECASE)
            if match:
                try:
                    excel_data = json.loads(match.group(1))
                    file_path = build_excel(task, excel_data)
                    if file_path:
                        result["file_path"] = file_path.name
                        result["file_type"] = "xlsx"
                        result["response"] = response.split("EXCEL_TEMPLATE:")[0].strip()
                except Exception as e:
                    result["file_error"] = str(e)

        elif agent_key == "image_agent":

            agent_config = AGENT_REGISTRY.get(agent_key, {})
            provider = agent_config.get("provider")
            model_name = agent_config.get("models", [None])[0]
        
            print("USANDO PROVIDER:", provider)
            print("USANDO MODELO:", model_name)
        
            match = re.search(r'\{.*"image_queries".*\}', response, re.DOTALL)
        
            if match:
                try:
                    data = json.loads(match.group(0))
                    queries = data.get("image_queries", [])
                    result["queries"] = queries
        
                    # 🧠 respuesta base
                    result["response"] = "Ideas de imágenes generadas:\n" + "\n".join(queries)
        
                    image_urls = []
        
                    # 🔥 intento 1: provider principal (registry)
                    try:
                        if provider == "gemini":
                            image_urls = await generate_with_gemini(queries, model_name)
        
                        elif provider == "huggingface":
                            image_urls = await generate_with_hf(queries)
        
                    except Exception as e:
                        print("Provider principal falló:", str(e))
        
                    # 🔥 fallback automático
                    if not image_urls:
                        try:
                            print("Intentando fallback HF...")
                            image_urls = await generate_with_hf(queries)
                        except Exception as e:
                            print("Fallback falló:", str(e))
        
                    # 🔥 fallback final visual
                    if not image_urls:
                        image_urls = ["https://picsum.photos/400/300"]
        
                    result["image_urls"] = image_urls
        
                    if image_urls:
                        result["response"] += "\n\nImagen generada ✔"
                    else:
                        result["response"] += "\n\n⚠️ No se pudo generar imagen"
        
                except Exception as e:
                    result["response"] = f"Error procesando JSON: {str(e)}"
        
            else:
                result["response"] = "No se detectaron instrucciones claras para imágenes."

        return result

    except Exception as e:
        return {
            "agent": agent_key,
            "error": str(e),
            "success": False
        }