app.py

import gradio as gr
import pandas as pd
import traceback
import sys

# Wichtige Imports für die neuen Pre-Flight Checks
from cognitive_mapping_probe.pre_flight_checks import run_pre_flight_checks
from cognitive_mapping_probe.orchestrator import run_cognitive_titration_experiment
from cognitive_mapping_probe.prompts import RESONANCE_PROMPTS
from cognitive_mapping_probe.utils import dbg

# --- UI Theme and Layout ---
theme = gr.themes.Soft(primary_hue="orange", secondary_hue="amber").set(
    body_background_fill="#fdf8f2",
    block_background_fill="white",
    block_border_width="1px",
    block_shadow="*shadow_drop_lg",
    button_primary_background_fill="*primary_500",
    button_primary_text_color="white",
)

# --- Standard-Modell-ID für Tests und UI ---
DEFAULT_MODEL_ID = "google/gemma-3-1b-it"

# --- Wrapper Functions for Gradio ---

def run_experiment_and_display(
    model_id: str,
    prompt_type: str,
    seed: int,
    concepts_str: str,
    strength_levels_str: str,
    num_steps: int,
    temperature: float,
    progress=gr.Progress(track_tqdm=True)
):
    """
    Führt das Haupt-Titrationsexperiment durch und formatiert die Ergebnisse für die UI.
    """
    try:
        results = run_cognitive_titration_experiment(
            model_id, prompt_type, int(seed), concepts_str, strength_levels_str,
            int(num_steps), float(temperature), progress
        )

        verdict = results.get("verdict", "Experiment finished with errors.")
        all_runs = results.get("runs", [])

        if not all_runs:
            return "### ⚠️ No Data Generated\nDas Experiment lief durch, aber es wurden keine Datenpunkte erzeugt. Bitte Logs prüfen.", pd.DataFrame(), results

        details_df = pd.DataFrame(all_runs)
        summary_text = "### 💥 Cognitive Breaking Points (CBP)\n"
        summary_text += "Der CBP ist die erste Stärke, bei der das Modell nicht mehr konvergiert (`max_steps_reached`).\n\n"

        baseline_run = details_df[details_df['strength'] == 0.0].iloc[0]
        if baseline_run['termination_reason'] != 'converged':
             summary_text += f"**‼️ ACHTUNG: Baseline (Stärke 0.0) ist nicht konvergiert!**\n"
             summary_text += f"Der gewählte Prompt (`{prompt_type}`) ist für dieses Modell zu anspruchsvoll. Die Ergebnisse sind nicht aussagekräftig.\n\n"

        for concept in details_df['concept'].unique():
            concept_df = details_df[details_df['concept'] == concept].sort_values(by='strength')
            breaking_point_row = concept_df[concept_df['termination_reason'] != 'converged'].iloc[0] if not concept_df[concept_df['termination_reason'] != 'converged'].empty else None
            if breaking_point_row is not None:
                summary_text += f"- **'{concept}'**: 📉 Kollaps bei Stärke **{breaking_point_row['strength']:.2f}**\n"
            else:
                summary_text += f"- **'{concept}'**: ✅ Stabil bis Stärke **{concept_df['strength'].max():.2f}**\n"

        return summary_text, details_df, results

    except Exception:
        error_str = traceback.format_exc()
        return f"### ❌ Experiment Failed\nEin unerwarteter Fehler ist aufgetreten:\n\n```\n{error_str}\n```", pd.DataFrame(), {}

# --- Gradio App Definition ---
with gr.Blocks(theme=theme, title="Cognitive Breaking Point Probe") as demo:
    gr.Markdown("# 💥 Cognitive Breaking Point Probe")

    # Der Diagnostics Tab wurde entfernt. Die UI ist jetzt nur noch das Hauptexperiment.
    gr.Markdown(
        "Misst den 'Cognitive Breaking Point' (CBP) – die Injektionsstärke, bei der der Denkprozess eines LLMs von Konvergenz zu einer Endlosschleife kippt."
    )
    with gr.Row(variant='panel'):
        with gr.Column(scale=1):
            gr.Markdown("### Parameters")
            model_id_input = gr.Textbox(value=DEFAULT_MODEL_ID, label="Model ID")
            prompt_type_input = gr.Radio(
                choices=list(RESONANCE_PROMPTS.keys()),
                value="control_long_prose",
                label="Prompt Type (Cognitive Load)",
                info="Beginne mit 'control_long_prose' für eine stabile Baseline!"
            )
            seed_input = gr.Slider(1, 1000, 42, step=1, label="Global Seed")
            concepts_input = gr.Textbox(value="apple, solitude, fear", label="Concepts (comma-separated)")
            strength_levels_input = gr.Textbox(value="0.0, 0.5, 1.0, 1.5, 2.0", label="Injection Strengths")
            num_steps_input = gr.Slider(50, 500, 250, step=10, label="Max. Internal Steps")
            temperature_input = gr.Slider(0.01, 1.5, 0.7, step=0.01, label="Temperature")
            run_btn = gr.Button("Run Cognitive Titration", variant="primary")

        with gr.Column(scale=2):
            gr.Markdown("### Results")
            summary_output = gr.Markdown("Zusammenfassung der Breaking Points erscheint hier.", label="Key Findings Summary")
            details_output = gr.DataFrame(
                headers=["concept", "strength", "responded", "termination_reason", "generated_text"],
                label="Detailed Run Data",
                wrap=True,
            )
            with gr.Accordion("Raw JSON Output", open=False):
                raw_json_output = gr.JSON()

    run_btn.click(
        fn=run_experiment_and_display,
        inputs=[model_id_input, prompt_type_input, seed_input, concepts_input, strength_levels_input, num_steps_input, temperature_input],
        outputs=[summary_output, details_output, raw_json_output]
    )

# --- Main Execution Block ---
if __name__ == "__main__":
    print("="*80)
    print("🔬 RUNNING PRE-FLIGHT DIAGNOSTICS FOR EXPERIMENTAL APPARATUS")
    print("="*80)

    try:
        # Führe die obligatorischen Systemtests mit einem echten Modell durch.
        # Wenn hier ein Fehler auftritt, ist das Experiment nicht valide.
        run_pre_flight_checks(model_id=DEFAULT_MODEL_ID, seed=42)

        print("\n" + "="*80)
        print("✅ ALL DIAGNOSTICS PASSED. LAUNCHING GRADIO APP...")
        print("="*80)

        # Starte die Gradio App nur bei Erfolg.
        demo.launch(server_name="0.0.0.0", server_port=7860, debug=True)

    except (AssertionError, Exception) as e:
        print("\n" + "="*80)
        print("❌ PRE-FLIGHT DIAGNOSTIC FAILED")
        print("="*80)
        print(f"Error Type: {type(e).__name__}")
        print(f"Error Details: {e}")
        print("\nDie experimentelle Apparatur funktioniert nicht wie erwartet.")
        print("Die Gradio-App wird nicht gestartet, um fehlerhafte Messungen zu verhindern.")
        traceback.print_exc()
        sys.exit(1) # Beende das Programm mit einem Fehlercode.