import sys
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# Obtener los argumentos (contrato y cláusulas)
contrato = sys.argv[1]
clausulas = sys.argv[2]

# Cargar el modelo y el tokenizador de LLaMA desde Hugging Face
model_name = "meta-llama/LLaMA-2-13b-chat-hf"  # Nombre del modelo
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Función para resumir el texto usando LLaMA
def resumir_texto(texto):
    inputs = tokenizer(texto, return_tensors="pt", truncation=True, max_length=1024)
    with torch.no_grad():
        outputs = model.generate(**inputs, max_length=300, num_beams=5, no_repeat_ngram_size=2, early_stopping=True)
    resumen = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return resumen

# Resumir el contrato y las cláusulas
resumen_contrato = resumir_texto(contrato)
resumen_clausulas = resumir_texto(clausulas)

# Crear el resultado final con los resúmenes
resultado = f"Resumen del contrato:\n{resumen_contrato}\n\nResumen de las cláusulas:\n{resumen_clausulas}"

# Imprimir el resultado para que PHP lo capture
print(resultado)