import json
from typing import Dict, List, Any, Optional
from .llm import LLM

class Pixtral(LLM):
    """
    Classe pour l'intégration avec l'API Mistral AI spécifiquement pour le modèle Pixtral
    Cette classe hérite de la classe de base LLM et est spécialisée pour le modèle pixtral-12b-latest
    """
    
    def __init__(self):
        """
        Initialisation des attributs spécifiques à Pixtral
        """
        super().__init__()
        
        # Attributs spécifiques à Pixtral
        self.maxToken: int = 1000
        self.seed: int = 0
        self.presence_penalty: float = 0
        self.frequency_penalty: float = 0
        self.n: int = 1
        self.prediction: Dict[str, str] = {"type": "content", "content": ""}
        self.safe_prompt: bool = False
        self.o_stop: str = "string"
        self._m_tabModels: List[str] = ["pixtral-12b-latest"]
        
        # Initialisation par défaut avec le modèle Pixtral
        self.Modele = "pixtral-12b-latest"  # Modèle fixé à pixtral-12b-latest
        self.o_temperature = 0.2
        self.o_top_p = 1
        self.maxToken = 1000
        self.presence_penalty = 0
        self.frequency_penalty = 0
        self.n = 1
        self.prediction["type"] = "content"
        self.prediction["content"] = ""
        self.safe_prompt = False
        self.o_stop = "string"
        
        # Définir l'URL de fonction
        self.urlFonction = "chat/completions"
    
    def urlBase(self) -> str:
        """
        Retourne l'URL de base de l'API Mistral
        """
        return "https://api.mistral.ai/v1/"
    
    def cleAPI(self) -> str:
        """
        Retourne la clé API Mistral
        """
        return "2iGzTzE9csRQ9IoASoUjplHwEjA200Vh"
    
    def model_list(self) -> List[str]:
        """
        Retourne uniquement le modèle Pixtral
        Cette classe étant spécialisée pour un modèle spécifique
        """
        return self._m_tabModels
    
    def _even_LLM_POST(self, question: str) -> None:
        """
        Préparation du contenu de la requête pour Pixtral
        """
        # S'assurer que le modèle est défini
        self._Contenu["model"] = self.Modele  # Toujours défini sur pixtral-12b-latest
        
        self._Contenu["messages"] = [
            {"role": "system", "content": self.prompt_system},
            {"role": "user", "content": question}
        ]
        
        self._Contenu["temperature"] = self.o_temperature
        self._Contenu["top_p"] = self.o_top_p
        
        if self.maxToken != 0:
            self._Contenu["max_tokens"] = self.maxToken
            
        if self.seed != 0:
            self._Contenu["random_seed"] = self.seed
            
        if self.format != "":
            self._Contenu["response_format"] = self.format
            
        # Paramètres supplémentaires
        self._Contenu["presence_penalty"] = self.presence_penalty
        self._Contenu["frequency_penalty"] = self.frequency_penalty
        self._Contenu["n"] = 1
        
        # Correction: s'assurer que prediction est correctement affecté
        if isinstance(self.prediction, dict):
            self._Contenu["prediction"] = self.prediction
        else:
            self._Contenu["prediction"] = {"type": "content", "content": ""}
            
        # S'assurer que o_stop est une chaîne de caractères ou une liste
        if isinstance(self.o_stop, str) and self.o_stop != "string":
            self._Contenu["stop"] = self.o_stop
        elif isinstance(self.o_stop, list):
            self._Contenu["stop"] = self.o_stop
    
    def _interrogerRetourneReponse(self, reponse: str) -> str:
        """
        Extraction de la réponse à partir du JSON retourné par Mistral
        """
        data = json.loads(reponse)
        return data["choices"][0]["message"]["content"]