using CodeBase.Models;

namespace CodeBase.Services
{
    public class VectorizeRequest
    {
        public string text { get; set; }
    }

    public class VectorizeResponse
    {
        public float[] vector { get; set; }
    }

    public class VectorizationService
    {
        private readonly HttpClient _httpClient;

        public VectorizationService()
        {
            _httpClient = new HttpClient();
            // Адрес нашего локального Python-сервиса
            _httpClient.BaseAddress = new Uri("http://localhost:8000/");
        }


        public async Task<float[]> GetVectorAsync(string text)
        {
            var requestBody = new VectorizeRequest { text = text };

            try
            {
                // Стучимся на наш Python-сервер (порт 8000)
                var response = await _httpClient.PostAsJsonAsync("vectorize", requestBody);

                if (response.IsSuccessStatusCode)
                {
                    var result = await response.Content.ReadFromJsonAsync<VectorizeResponse>();
                    return result?.vector;
                }

                Console.WriteLine($"[-] Ошибка API при векторизации вопроса: {response.StatusCode}");
                return null;
            }
            catch (Exception ex)
            {
                Console.WriteLine($"[-] Ошибка подключения к Python-сервису: {ex.Message}");
                return null;
            }
        }

        public async Task<List<CodeChunk>> EnrichChunksWithVectorsAsync(List<CodeChunk> chunks)
        {
            foreach (var chunk in chunks)
            {
                // 1. Склеиваем контекст
                // Мы даем нейросети подсказку о том, где именно лежит этот код
                string contextText = $"File: {chunk.FilePath}\nClass: {chunk.ClassName}\nMethod: {chunk.MethodName}\nCode:\n{chunk.Content}";

                var requestBody = new VectorizeRequest { text = contextText };

                try
                {
                    // 2. Стучимся в Python
                    var response = await _httpClient.PostAsJsonAsync("vectorize", requestBody);

                    if (response.IsSuccessStatusCode)
                    {
                        // 3. Достаем массив чисел (обычно 768 элементов для GraphCodeBERT)
                        var result = await response.Content.ReadFromJsonAsync<VectorizeResponse>();
                        if (result != null && result.vector != null)
                        {
                            // 4. Сохраняем вектор прямо в наш объект в памяти
                            chunk.Vector = result.vector;
                            Console.WriteLine($"[+] Векторизован метод: {chunk.MethodName}");
                        }
                    }
                    else
                    {
                        Console.WriteLine($"[-] Ошибка API для {chunk.MethodName}: {response.StatusCode}");
                    }

                }
                catch (Exception ex)
                {
                    Console.WriteLine($"[-] Ошибка подключения к Python-сервису: {ex.Message}");
                }
            }
            return chunks;
        }
    }
}