#!/usr/bin/env python3
"""54_publicar_v050.py — Publicação da v0.5.0 no HF (UM ÚNICO upload_folder
organizado — o HF bloqueia envios parciais em sequência e em curto espaço de
tempo; uma única operação atômica evita o bloqueio).

Token: EXCLUSIVAMENTE via variável de ambiente HF_TOKEN (nunca escrito em
arquivo). Após o upload: verificação + APAGAMENTO dos estados de treino
remanescentes (nenhum deve existir) + relatório.
"""
import os, sys

ARQUIVOS_EXCLUIR_DIRS = {"target", ".cargo", "__pycache__", ".git"}
ARQUIVOS_EXCLUIR_NOME = {"shard_treino.jsonl", "shard_validacao.jsonl"}
# checkpoints/estados NUNCA publicados (regeneráveis via scripts 51/40)
SUFIxOS_ESTADO = (".pt", ".pth", ".ckpt", ".safetensors", ".bin", ".npz", ".msgpack")
NOMES_ESTADO = {"gerador_conceitos.json", "tokenizador_conceitos.json"}

def coletar(pasta):
    arquivos = {}
    for raiz, dirs, fs in os.walk(pasta):
        dirs[:] = [d for d in dirs if d not in ARQUIVOS_EXCLUIR_DIRS]
        for f in fs:
            if f in ARQUIVOS_EXCLUIR_NOME or f in NOMES_ESTADO:
                continue
            if f.endswith(SUFIxOS_ESTADO):
                continue
            if f.endswith(".so") or f == ".gitignore":
                continue
            caminho = os.path.join(raiz, f)
            rel = os.path.relpath(caminho, pasta)
            arquivos[rel] = caminho
    return arquivos

def main():
    from huggingface_hub import HfApi
    token = os.environ.get("HF_TOKEN")
    if not token:
        print("ERRO: HF_TOKEN ausente"); sys.exit(1)
    api = HfApi(token=token)
    repo = "PowerMachine/khtst-rust"

    pasta = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
    arquivos = coletar(pasta)
    print(f"publicando {len(arquivos)} arquivos em {repo} (upload ÚNICO)")
    total_mb = sum(os.path.getsize(p) for p in arquivos.values()) / 1e6
    print(f"tamanho total: {total_mb:.1f} MB")

    # verificação final: o VALOR EXATO do token não pode estar em nenhum
    # arquivo (menções TEXTUAIS a "HF_TOKEN" como conceito são legítimas)
    token_bytes = token.encode()
    for rel, p in arquivos.items():
        try:
            with open(p, "rb") as f:
                if token_bytes in f.read():
                    print(f"ERRO: token encontrado em {rel}"); sys.exit(1)
        except OSError:
            pass
    print("varredura de token: limpo")

    # UM ÚNICO upload_folder (atómico)
    api.upload_folder(
        repo_id=repo,
        repo_type="model",
        folder_path=pasta,
        ignore_patterns=[
            "target/*", ".cargo/*", "__pycache__/*", "*.so", ".gitignore",
            "dados/shard_*.jsonl",
            "resultados/gerador_conceitos.json", "resultados/tokenizador_conceitos.json",
            "*.pt", "*.ckpt", "*.safetensors", "*.bin", "*.npz",
        ],
        commit_message="v0.5.0: suíte SOM-4D + suíte JEPA (12) + tecnologia Pensamento + telemetria Theil–Sen — 29/29 gates verdes (provas r-18..r-22)",
    )
    print("upload concluído")

    # verificação pós-upload
    files = api.list_repo_files(repo_id=repo, repo_type="model")
    print(f"repo agora tem {len(files)} arquivos")
    estados = [f for f in files if f.endswith(SUFIxOS_ESTADO) or
               f.split("/")[-1] in NOMES_ESTADO]
    print(f"estados de treino no repo: {len(estados)} {estados if estados else '(limpo)'}")
    # garante que os novos módulos estão lá
    for chave in ("src/som4d.rs", "src/jepa.rs", "src/pensamento.rs", "src/rng.rs",
                  "docs/memorias/r-22-resultados-telemetria-v050.md",
                  "scripts/53_suite_v050.py"):
        print(f"  {'OK ' if chave in files else 'FALTA'} {chave}")
    print("PUBLICACAO_OK")

if __name__ == "__main__":
    main()