// src/main/kotlin/network/RagService.kt

import VectorStoreTable.metadata
import dev.langchain4j.data.segment.TextSegment
import dev.langchain4j.model.openai.OpenAiChatModel
import dev.langchain4j.model.openai.OpenAiEmbeddingModel
import org.jetbrains.exposed.sql.*
import org.jetbrains.exposed.sql.SqlExpressionBuilder.plus
import org.jetbrains.exposed.sql.transactions.transaction
import java.time.Duration

object RagService {
    // 임베딩 모델 (8081) 및 채팅 모델 (8080) 설정
    private val embeddingModel = OpenAiEmbeddingModel.builder()
        .baseUrl("http://127.0.0.1:8081/v1")
        .apiKey("unused")
        .build()

    private val chatModel = OpenAiChatModel.builder()
        .baseUrl("http://127.0.0.1:8080/v1")
        .apiKey("unused")
        .timeout(Duration.ofSeconds(60))
        .build()

    /**
     * 텍스트를 임베딩하여 H2 DB에 저장합니다.
     */
    fun ingest(text: String, meta: String = "") {
        val embeddingVector: DoubleArray = embeddingModel.embed(text).content().vector().map { it.toDouble() }.toDoubleArray()
        transaction {
            VectorStoreTable.insert {
                it[content] = text
                it[metadata] = meta
                // [수정] 문자열 변환 없이 객체 그대로 전달
                it[embedding] = embeddingVector
            }
        }
        println("💾 H2 벡터 저장 완료: ${text.take(15)}...")
    }

    /**
     * 질문과 가장 유사한 정보를 H2에서 검색하여 AI 답변을 생성합니다.
     */
    fun askWithContext(question: String): String {
        val queryVector = embeddingModel.embed(question).content().vector()
        // H2 ARRAY 포맷에 맞춰 (v1, v2, ...) 형태로 변환
        val vectorStr = queryVector.joinToString(",", "(", ")")

        val context = transaction {
            // 코사인 유사도 기준 상위 5개 뉴스 추출
            val query = """
            SELECT CONTENT FROM VECTOR_STORE 
            ORDER BY VECTOR_COSINE_SIMILARITY(EMBEDDING, CAST('$vectorStr' AS FLOAT8 ARRAY)) DESC 
            LIMIT 5
        """.trimIndent()

            val results = mutableListOf<String>()
            exec(query) { rs ->
                while (rs.next()) {
                    results.add(rs.getString("CONTENT"))
                }
            }
            results.joinToString("\n\n")
        }

        val finalPrompt = """
        <|begin_of_text|><|start_header_id|>system<|end_header_id|>
        당신은 실시간 뉴스 분석에 능통한 20년 경력의 주식 전문가입니다. 
        제공된 [참고 자료]를 바탕으로 사용자의 질문에 전문적이고 단호하게 답하세요.<|eot_id|>
        <|start_header_id|>user<|end_header_id|>
        [참고 자료]
        $context

        [질문]
        $question
        <|eot_id|><|start_header_id|>assistant<|end_header_id|>
    """.trimIndent()

        return chatModel.generate(finalPrompt)
    }
}