import logging
import sys

from core.config import settings
from ingestion.providers.sharepoint_provider import SharePointProvider
from extraction.ocr_service import OCRService
from chunking.markdown_chunker import MarkdownChunker
from indexing.vector_store import VectorStore

logging.basicConfig(level=logging.INFO, format="%(levelname)s:%(name)s:%(message)s")
logger = logging.getLogger("RAGPipeline")

def run_pipeline():
    logger.info("=== BẮT ĐẦU TEST TOÀN BỘ ĐƯỜNG ỐNG RAG ===")
    
    # Ép buộc dùng localhost cho OpenSearch khi chạy trực tiếp trên WSL
    if settings.opensearch_host == "opensearch":
        settings.opensearch_host = "localhost"

    # 1. Tầng Ingestion
    logger.info("\n--- BƯỚC 1: Lấy file từ SharePoint ---")
    provider = SharePointProvider()
    items, _ = provider.fetch_changes({})
    
    target_item = None
    for item in items:
        if item.get("name", "").lower().endswith(".pdf"):
            target_item = item
            break
            
    if not target_item:
        logger.error("Không tìm thấy file PDF nào trên SharePoint để test!")
        sys.exit(1)
        
    logger.info(f"Đã chọn file: {target_item['name']}. Đang tải...")
    pdf_bytes = provider.download_file(target_item)
    logger.info(f"Tải thành công {len(pdf_bytes)} bytes.")

    # 2. Tầng Extraction (VLM)
    logger.info("\n--- BƯỚC 2: OCR / VLM Trích xuất Markdown ---")
    ocr = OCRService()
    pages = ocr.process_pdf_bytes(pdf_bytes)
    
    if not pages:
        logger.error("VLM không trích xuất được nội dung nào!")
        sys.exit(1)
        
    logger.info(f"VLM đã trích xuất thành công {len(pages)} trang.")

    # 3. Tầng Chunking
    logger.info("\n--- BƯỚC 3: Băm nhỏ văn bản (Semantic Chunking) ---")
    chunker = MarkdownChunker(max_chunk_size=1000, overlap=100)
    
    # Tạo metadata giả lập để lưu vào Chunk
    metadata = {
        "item_id": target_item["id"],
        "name": target_item["name"],
        "web_url": "https://285pdg.sharepoint.com/...",
        "site_id": settings.sharepoint_site_id
    }
    
    chunks = chunker.chunk_document(pages, metadata)
    logger.info(f"Đã băm thành {len(chunks)} chunks độc lập.")
    if chunks:
        logger.info(f"Ví dụ Chunk đầu tiên:\n[ID: {chunks[0].chunk_id}] {chunks[0].text[:150]}...")

    # 4. Tầng Vector Database (OpenSearch)
    logger.info("\n--- BƯỚC 4: Mã hóa Vector & Indexing ---")
    try:
        vector_db = VectorStore(index_name="poc_sharepoint_docs")
        vector_db.embed_and_index(chunks)
        logger.info("🎉 CHÚC MỪNG! DỮ LIỆU ĐÃ NẰM TRONG OPENSEARCH SẴN SÀNG ĐỂ CHAT!")
    except Exception as e:
        logger.error(f"LỖI trong quá trình Embedding / Indexing: {e}")
        logger.warning("Gợi ý: Hãy chắc chắn Docker OpenSearch đang chạy trên cổng 9200!")

if __name__ == "__main__":
    run_pipeline()