import os
import torch
from sentence_transformers import SentenceTransformer
import chromadb
from chromadb.utils import embedding_functions
from transformers import AutoTokenizer, AutoModelForCausalLM
from fastapi import FastAPI

# # === 경로 설정 (모두 로컬) ===
QWEN_MODEL_PATH = "./models/Qwen3-0.6B"
EMBEDDING_MODEL_PATH = "./models/all-MiniLM-L6-v2"

# 2. 벡터 DB 설정
persist_directory = "./chroma_db"
chroma_client = chromadb.PersistentClient(path=persist_directory)

collection = chroma_client.get_or_create_collection(
    name="manuals",
)

_model = None
_tokenizer = None

def get_qwen_model() :
    global _model, _tokenizer
    if _model is not None:
        return _model, _tokenizer

        # 토크나이저 로드
    _tokenizer = AutoTokenizer.from_pretrained(
        QWEN_MODEL_PATH,
        trust_remote_code=True,
        local_files_only=True
    )

    # 모델 로드
    _model = AutoModelForCausalLM.from_pretrained(
        QWEN_MODEL_PATH,
        dtype=torch.bfloat16,  # 또는 torch.bfloat16 (CPU), torch.float16 (GPU)
        device_map="auto",
        trust_remote_code=True,
        local_files_only=True
    )

    # ✅ torch.compile() 적용 (PyTorch 2.0+)
    if hasattr(torch, 'compile'):
        try:
            print("🚀 torch.compile() 적용 중...")
            # mode="reduce-overhead": 추론 시 추천
            # dynamic=False: 고정 입력 크기 시 더 빠름 (보통 RAG는 입력 길이가 유동적이므로 dynamic=True 권장)
            _model = torch.compile(
                _model,
                mode="reduce-overhead",   # 또는 "max-autotune" (초기 컴파일 시간 ↑, 이후 속도 ↑↑)
                dynamic=True              # 입력 길이가 매번 다르므로 동적 크기 허용
            )
            print("✅ torch.compile() 성공!")
        except Exception as e:
            print(f"⚠️ torch.compile() 실패, 원본 모델 사용: {e}")
            pass  # 실패하면 그냥 원본 사용
    return _model, _tokenizer

# 3. 질의 처리
def query_and_summarize(job: str, query: str, top_k: int = 3):

    # 관련 문서 검색
    results = collection.query(
        query_texts=[query],
        n_results=5,
        where={"dept": job}
    )
    # results = collection.query(query_texts=[query], n_results=top_k)
    cosine_similarities = [1 - d for d in results['distances'][0]]
    print("유사도:", cosine_similarities)
    # 출력 예: [0.610, 0.473, 0.154, 0.142]

    context_with_score = ""
    for i, (doc, dist) in enumerate(zip(results['documents'][0], results['distances'][0])):
        sim = 1 - dist
        context_with_score += f"[문서 {i+1} | 유사도: {sim:.3f}]\n{doc}\n\n"

    print(context_with_score)
    print("\n\n\n\n\n")
    top_doc = results['documents'][0][0]

    # ✅ 명시적으로 모델과 토크나이저 로드
    model, tokenizer = get_qwen_model()

    messages = [
        {"role": "system", "content": "당신은 회사 재무/회계 업무 전문 어시스턴트입니다. 문서 내용은 그대로 사용자에게 보여 줘야 하며 이를 기반으로 부가설명을 정확하고 상세하게 답변하세요."},
        {"role": "user", "content": f"다음 문서를 참고하세요:\n{top_doc}\n\n질문: {query}"}
    ]

    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True,
        enable_thinking=True # Switches between thinking and non-thinking modes. Default is True.
    )
    model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

    # conduct text completion
    generated_ids = model.generate(
        **model_inputs,
        max_new_tokens=300,
        do_sample=True,        # ✅ 샘플링 활성화
        temperature=0.3,
        top_p=0.9,
        pad_token_id=tokenizer.eos_token_id
    )
    output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()

    # parsing thinking content
    try:
        # rindex finding 151668 (</think>)
        index = len(output_ids) - output_ids[::-1].index(151668)
    except ValueError:
        index = 0

    thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
    end_think_id = tokenizer.convert_tokens_to_ids("</think>")
    if end_think_id in output_ids:
        idx = len(output_ids) - output_ids[::-1].index(end_think_id)
    else:
        idx = 0
    content = tokenizer.decode(output_ids[idx:], skip_special_tokens=True).strip()

    print(top_doc)
    print("\n\n\n\n\n")
    print("thinking content:", thinking_content)
    print("\n\n\n\n\n")
    return content

app = FastAPI()

@app.get("/")
def question(query: str):
    answer = query_and_summarize(job="FI", query=query)
    return {"answer": answer}

# 개발용 실행 (직접 실행 시)
if __name__ == "__main__":
    import uvicorn
    print("서버 시작: uvicorn manual:app --reload")
    # 예시 질의 (주석 해제 시 직접 테스트 가능)
    # print(query_and_summarize("FI", "외화 송금 절차는 어떻게 되나요?"))