app.py

# app.py
import os
import logging
import json
from flask import Flask, jsonify, render_template, request
from pydantic import BaseModel, Field
from typing import List, Optional
import psycopg2
from psycopg2.extras import RealDictCursor
from google import genai
from google.genai import types
from utils import load_prompt

# --- Configuration de l'application ---
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
app = Flask(__name__)
app.secret_key = os.environ.get("FLASK_SECRET_KEY", "un-secret-par-defaut")

# --- Configuration de la base de données et de l'API ---
DATABASE_URL = os.environ.get("DATABASE")
GOOGLE_API_KEY = os.environ.get("TOKEN")

# --- Modèles de Données Pydantic (inchangés) ---
class Argument(BaseModel):
    paragraphe_argumentatif: str = Field(description="Un unique paragraphe formant un argument complet. Il doit commencer par un connecteur logique (ex: 'Premièrement,'), suivi de son développement.")

class Partie(BaseModel):
    chapeau: str = Field(description="La phrase d'introduction de la partie.")
    arguments: list[Argument] = Field(description="La liste des paragraphes argumentatifs qui suivent le chapeau.")
    transition: Optional[str] = Field(description="Phrase ou court paragraphe de transition.", default=None)

class Dissertation(BaseModel):
    sujet: str = Field(description="Le sujet exact de la dissertation, tel que posé par l'utilisateur.")
    prof: str = Field(description="Le nom du professeur, qui est toujours 'Mariam AI'.", default="Mariam AI")
    introduction: str = Field(description="L'introduction complète de la dissertation.")
    parties: List[Partie]
    conclusion: str = Field(description="La conclusion complète de la dissertation.")

# --- Configuration Gemini ---
try:
    if not GOOGLE_API_KEY:
        logging.warning("La variable d'environnement TOKEN (GOOGLE_API_KEY) n'est pas définie.")
        client = None
    else:
        client = genai.Client(api_key=GOOGLE_API_KEY)
except Exception as e:
    logging.error(f"Erreur lors de l'initialisation du client GenAI: {e}")
    client = None

SAFETY_SETTINGS = [
    {"category": "HARM_CATEGORY_HARASSMENT", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_HATE_SPEECH", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_NONE"},
]

# --- Helpers de base de données (de l'exemple) ---
def create_connection():
    """Crée et retourne une connexion à la base de données PostgreSQL."""
    if not DATABASE_URL:
        logging.error("La variable d'environnement DATABASE n'est pas configurée.")
        return None
    try:
        return psycopg2.connect(DATABASE_URL)
    except psycopg2.OperationalError as e:
        logging.error(f"Impossible de se connecter à la base de données : {e}")
        return None

# --- Route Principale ---
@app.route('/')
def philosophie():
    return render_template("philosophie.html")

# --- NOUVELLE Route API pour lister les cours ---
@app.route('/api/philosophy/courses', methods=['GET'])
def get_philosophy_courses():
    """Récupère la liste de tous les cours de philosophie pour le menu déroulant."""
    conn = create_connection()
    if not conn:
        return jsonify({"error": "Connexion à la base de données échouée."}), 503
    try:
        with conn.cursor(cursor_factory=RealDictCursor) as cur:
            cur.execute("SELECT id, title FROM cours_philosophie ORDER BY title")
            courses = cur.fetchall()
        return jsonify(courses)
    except Exception as e:
        logging.error(f"Erreur lors de la récupération des cours : {e}")
        return jsonify({"error": "Erreur interne du serveur lors de la récupération des cours."}), 500
    finally:
        if conn:
            conn.close()

# --- Route API pour la génération de dissertation (MODIFIÉE) ---
@app.route('/api/generate_dissertation', methods=['POST'])
def generate_dissertation_api():
    if not client:
        return jsonify({"error": "Le service IA n'est pas correctement configuré."}), 503

    data = request.json
    sujet = data.get('question', '').strip()
    dissertation_type = data.get('type', 'type1').strip()
    course_id = data.get('courseId') # Nouvel ID de cours optionnel

    if not sujet:
        return jsonify({"error": "Le champ 'question' est obligatoire."}), 400
        
    if dissertation_type not in ['type1', 'type2']:
        return jsonify({"error": "Type de méthodologie invalide."}), 400

    # Récupérer le contenu du cours si un ID est fourni
    context_str = ""
    if course_id:
        conn = create_connection()
        if not conn:
             return jsonify({"error": "Connexion à la base de données échouée pour récupérer le contexte."}), 503
        try:
            with conn.cursor(cursor_factory=RealDictCursor) as cur:
                cur.execute("SELECT content FROM cours_philosophie WHERE id = %s", (course_id,))
                result = cur.fetchone()
                if result and result.get('content'):
                    context_str = f"\n\n--- EXTRAIT DE COURS À UTILISER COMME CONTEXTE PRINCIPAL ---\n{result['content']}"
        except Exception as e:
            logging.error(f"Erreur lors de la récupération du contexte du cours {course_id}: {e}")
            # On continue sans le contexte en cas d'erreur DB
        finally:
            if conn:
                conn.close()

    try:
        prompt_filename = f"philo_dissertation_{dissertation_type}.txt"
        prompt_template = load_prompt(prompt_filename)
        
        if "Erreur:" in prompt_template:
             logging.error(f"Fichier de prompt non trouvé : {prompt_filename}")
             return jsonify({"error": "Configuration du prompt introuvable pour ce type."}), 500

        # Injecter le sujet ET le contexte dans le prompt
        final_prompt = prompt_template.format(phi_prompt=sujet, context=context_str)

        config = types.GenerateContentConfig(
            safety_settings=SAFETY_SETTINGS,
            response_mime_type="application/json",
            response_schema=Dissertation,
        )

        response = client.models.generate_content(
            model="gemini-2.5-flash",
            contents=final_prompt,
            config=config
        )

        if response.parsed:
            return jsonify(response.parsed.dict())
        else:
            logging.error(f"Erreur de parsing de la réponse structurée. Réponse brute : {response.text}")
            return jsonify({"error": "Le modèle n'a pas pu générer une structure valide."}), 500

    except Exception as e:
        logging.error(f"Erreur de génération Gemini : {e}")
        return jsonify({"error": f"Une erreur est survenue avec le service IA : {e}"}), 500

if __name__ == '__main__':
    app.run(debug=True, port=5001)