"""Importa las etiquetas de data/labeling/batch_XXX.labels.json al catálogo. Sin argumentos importa los lotes que aún no están en el catálogo; con --all los reimporta todos (p. ej. después de regenerar el catálogo con collect.py); o se pasan archivos concretos. Valida cada etiqueta y no importa nada de un archivo con errores. Uso: cd engine && uv run python -m scripts.import_labels [--all] [--check] [archivos...] """ import argparse import sys from datetime import datetime, timezone from pathlib import Path from app.catalog import labeling, store ROOT = Path(__file__).resolve().parents[2] DEFAULT_CATALOG = ROOT / "data" / "catalog.sqlite" DEFAULT_FOLDER = ROOT / "data" / "labeling" LABELING_DOC = ROOT / "docs" / "labeling.md" def main() -> None: parser = argparse.ArgumentParser(description=__doc__, formatter_class=argparse.RawDescriptionHelpFormatter) parser.add_argument("files", nargs="*", type=Path) parser.add_argument("--all", action="store_true", help="reimportar todos los .labels.json") parser.add_argument("--check", action="store_true", help="solo validar, sin escribir en el catálogo") parser.add_argument("--catalog", type=Path, default=DEFAULT_CATALOG) parser.add_argument("--folder", type=Path, default=DEFAULT_FOLDER) args = parser.parse_args() if not args.catalog.exists(): sys.exit(f"No existe {args.catalog}: corre antes `uv run python -m scripts.collect`") conn = store.open_catalog(args.catalog, writable=not args.check) if not args.check: store.ensure_labels(conn) meta = store.read_meta(conn) layers, units = int(meta["layers"]), int(meta["units"]) files = args.files or sorted(args.folder.glob("batch_*.labels.json")) if not args.files and not args.all and store.has_labels_table(conn): done = {r[0] for r in conn.execute("SELECT DISTINCT batch FROM unit_labels")} files = [f for f in files if f.name not in done] if not files: print("No hay lotes pendientes de importar (usa --all para reimportar)") return now = datetime.now(timezone.utc).isoformat(timespec="seconds") failed = False for path in files: # El .md del lote dice qué unidades le tocaban y con qué versión del prompt. md = path.with_name(path.name.replace(".labels.json", ".md")) expected = labeling.units_in_batch(md.read_text(encoding="utf-8")) if md.exists() else None version = labeling.prompt_version(md if md.exists() else LABELING_DOC) labels, errors, warnings = labeling.parse_labels(path.read_text(encoding="utf-8"), layers, units, expected) if errors: failed = True print(f"{path.name}: {len(errors)} errores, no se importa nada") for e in errors: print(f" ✗ {e}") continue if args.check: unclear = sum(l.confidence < 0.2 for l in labels) print(f"{path.name}: {len(labels)} etiquetas válidas ({unclear} con confianza < 0.2)") for w in warnings: print(f" ! {w}") continue store.write_labels( conn, [(l.layer, l.unit, l.label, l.confidence, l.notes, path.name, version, now) for l in labels] ) conn.commit() unclear = sum(l.confidence < 0.2 for l in labels) print(f"{path.name}: {len(labels)} etiquetas importadas ({unclear} con confianza < 0.2)") for w in warnings: print(f" ! {w}") if not args.check: total = conn.execute("SELECT COUNT(*) FROM unit_labels").fetchone()[0] print(f"Catálogo: {total} unidades etiquetadas") if failed: sys.exit(1) if __name__ == "__main__": main()