"""ローカルナレッジベース（backend/knowledge_base/**.md）を GUI から閲覧するための読み取り専用 API。

コンテキスト注入に使われるファイルそのものを一覧・表示するだけで、ここからの編集はできない。
埋め込み済みかどうか（indexed）は local_knowledge_docs テーブルを引いて付ける。
"""
from datetime import datetime

from fastapi import APIRouter, Depends, HTTPException, Query
from pydantic import BaseModel
from sqlalchemy.orm import Session as DBSession

from app.core.memory_kb import local_knowledge
from app.core.memory_kb.local_knowledge import list_kb_files, read_kb_file
from app.db.database import get_db
from app.db.models import LocalKnowledgeDoc

router = APIRouter(prefix="/api/kb", tags=["knowledge-base"])


class KbFileInfo(BaseModel):
    path: str
    name: str
    # ナレッジベース直下のファイルは空文字。UI ではこの単位でグループ表示する
    directory: str
    title: str
    preview: str
    size: int
    updated_at: datetime
    # 埋め込み済み（＝話題に応じた自動注入の対象になっている）か
    indexed: bool


class KbFileContent(BaseModel):
    path: str
    name: str
    title: str
    content: str
    size: int
    updated_at: datetime


@router.get("/files", response_model=list[KbFileInfo])
def list_files(db: DBSession = Depends(get_db)):
    """ナレッジベース配下の Markdown を一覧で返す（本文は含めず、先頭のプレビューのみ）。"""
    # 「埋め込み済み」は現在のモデルで埋め込まれている行だけを指す（別モデルの行は埋め直し待ち）
    current_model = local_knowledge.current_embedding_model()
    indexed_paths = {
        # DB 側は OS 依存の区切り文字で保存されているため、比較用に posix 形式へ寄せる
        path.replace("\\", "/")
        for (path,) in db.query(LocalKnowledgeDoc.path)
        .filter(LocalKnowledgeDoc.embedding_model == current_model)
        .all()
    }
    return [
        KbFileInfo(**info, indexed=info["path"] in indexed_paths)
        for info in list_kb_files()
    ]


@router.get("/file", response_model=KbFileContent)
def get_file(path: str = Query(..., description="ナレッジベースディレクトリからの相対パス")):
    """1ファイルの全文を返す。"""
    file = read_kb_file(path)
    if file is None:
        raise HTTPException(status_code=404, detail="Knowledge base file not found")
    return KbFileContent(**file)


class EmbeddingStatus(BaseModel):
    """埋め込みモデルの現状。GUI の状態表示・進捗バーに使う。"""
    model: str
    # 現在のモデルで埋め込まれたベクトルの次元数（1件も無ければ None）
    dimensions: int | None
    file_count: int
    indexed: int
    # 別のモデルで埋め込まれていて埋め直しが必要な件数
    stale: int
    running: bool
    total: int
    done: int
    failed: int
    started_at: datetime | None
    finished_at: datetime | None
    last_error: str | None


class EmbeddingProbe(BaseModel):
    """短いテキストを実際に埋め込んでみた結果。"""
    ok: bool
    model: str
    dimensions: int | None
    latency_ms: float
    error: str | None


@router.get("/embedding", response_model=EmbeddingStatus)
def get_embedding_status(db: DBSession = Depends(get_db)):
    """現在の埋め込みモデルと、埋め込み済み件数・実行中の進捗を返す。"""
    return local_knowledge.embedding_status(db)


@router.post("/embedding/test", response_model=EmbeddingProbe)
async def test_embedding():
    """埋め込みモデルに実際に1回リクエストして、応答するかどうかを確かめる。"""
    return await local_knowledge.probe_embedding()


@router.post("/embedding/reindex", response_model=EmbeddingStatus)
async def reindex_embeddings(db: DBSession = Depends(get_db)):
    """全ファイルの再埋め込みをバックグラウンドで開始する。実行中なら何もしない（進捗をそのまま返す）。"""
    local_knowledge.start_reembed_all()
    return local_knowledge.embedding_status(db)