#!/usr/bin/env node
/**
 * Contrôle des citations d'un chatbot LightRAG : chaque segment entre guillemets
 * de la réponse doit figurer mot pour mot dans le contexte réellement récupéré.
 *
 * Usage :
 *   node scripts/verif-citations.mjs --rag http://HOTE:9621 --query "Cite ..." \
 *     [--route http://localhost:3334/api/chatbot-pensees] [--mode hybrid] [--auteur slug] \
 *     [--response-file reponse.txt] [--ctx-query-file autre-query.txt] [--min-mots 6] [--json]
 *
 * - Sans --response-file : la réponse est demandée à --route (POST {query, mode, auteur_slug}).
 * - Contexte : POST {rag}/query {query, mode, only_need_context:true}. --ctx-query-file ajoute
 *   un second contexte (ex. la requête telle qu'envoyée avant amendement, préambule inclus) ;
 *   un segment est « trouvé » s'il figure dans l'un ou l'autre.
 * - Segment >= min-mots (6) absent du contexte = inventé. Plus court : signalé, non compté.
 * Lecture seule côté LightRAG. Réutilisable pour l'instance 9623 (--rag http://HOTE:9623).
 */
import { readFileSync } from 'node:fs'

const args = Object.fromEntries(process.argv.slice(2).reduce((a, x, i, arr) => {
  if (x.startsWith('--')) a.push([x.slice(2), arr[i + 1] && !arr[i + 1].startsWith('--') ? arr[i + 1] : true])
  return a
}, []))
if (!args.rag || !args.query) { console.error('--rag et --query requis'); process.exit(2) }
const mode = args.mode || 'hybrid'
const minMots = Number(args['min-mots'] || 6)

// Normalisation : sans accents ni ponctuation/apostrophes/antislashs (le contexte LightRAG est du JSON échappé).
const norm = s => s.normalize('NFD').replace(/[\u0300-\u036f]/g, '').toLowerCase()
  .replace(/[^\p{L}\p{N}]+/gu, ' ')
  .replace(/\s+/g, ' ').trim()

async function post(url, body, timeout = 120000) {
  const r = await fetch(url, { method: 'POST', headers: { 'content-type': 'application/json' }, body: JSON.stringify(body), signal: AbortSignal.timeout(timeout) })
  if (!r.ok) throw new Error(`${url} -> HTTP ${r.status}`)
  return r.json()
}
async function contexte(q) {
  const j = await post(`${args.rag}/query`, { query: q, mode, only_need_context: true })
  return typeof j.response === 'string' ? j.response : JSON.stringify(j)
}

let reponse
if (args['response-file']) reponse = readFileSync(args['response-file'], 'utf8')
else {
  if (!args.route) { console.error('--route ou --response-file requis'); process.exit(2) }
  const b = { query: args.query, mode }
  if (args.auteur) b.auteur_slug = args.auteur
  reponse = (await post(args.route, b)).response
}

const ctxs = [await contexte(args.query)]
if (args['ctx-query-file']) ctxs.push(await contexte(readFileSync(args['ctx-query-file'], 'utf8')))
const ctxNorm = norm(ctxs.join('\n'))

// « » d'abord (les "..." imbriqués ne doivent pas casser l'appariement), puis "..." et “...” sur le reste.
const segs = []
let reste = reponse.replace(/«s*([^»]+?)s*»/g, (_, s) => { segs.push(s); return ' ' })
for (const re of [/"([^"]+?)"/g, /“([^”]+?)”/g]) {
  for (const m of reste.matchAll(re)) segs.push(m[1])
}
const lignes = segs.map(s => {
  const n = norm(s); const mots = n ? n.split(' ').length : 0
  return { segment: s, mots, trouve: n.length > 0 && ctxNorm.includes(n) }
})
const longs = lignes.filter(l => l.mots >= minMots)
const res = {
  query: args.query, mode,
  segments: lignes.length, longs: longs.length,
  longs_trouves: longs.filter(l => l.trouve).length,
  inventes: longs.filter(l => !l.trouve).length,
  courts_non_comptes: lignes.length - longs.length,
  contexte_chars: ctxs.map(c => c.length),
  detail: lignes, reponse,
}
if (args.json) console.log(JSON.stringify(res, null, 2))
else {
  console.log(`Q: ${res.query}\nsegments=${res.segments} longs(>=${minMots} mots)=${res.longs} trouvés=${res.longs_trouves} INVENTÉS=${res.inventes} courts=${res.courts_non_comptes}`)
  for (const l of lignes) console.log(`  [${l.mots >= minMots ? (l.trouve ? 'OK ' : 'INV') : 'crt'}] (${l.mots}) ${l.segment.slice(0, 160)}`)
}