#!/usr/bin/env python3
"""
CLI d'ingestion : construit l'index (Parquet) à partir de `knowledge_base/`
et, si `HF_DATASET_REPO` est configuré, le pousse vers le dataset privé
Hugging Face.

Usage :
    python scripts/ingest.py
    python scripts/ingest.py --kb-dir chemin/vers/mes_documents --no-push
"""
from __future__ import annotations

import argparse
import sys
from pathlib import Path

sys.path.insert(0, str(Path(__file__).resolve().parent.parent))

from core.ingestion.indexer import (  # noqa: E402
    build_chunk_records,
    push_index_to_hub,
    save_index_locally,
)
from config import settings  # noqa: E402


def main() -> None:
    parser = argparse.ArgumentParser(description="Ingestion PolyglotRAG")
    parser.add_argument("--kb-dir", default="knowledge_base", help="Dossier source")
    parser.add_argument(
        "--out-dir", default=settings.local_index_dir, help="Dossier de sortie local"
    )
    parser.add_argument(
        "--no-push", action="store_true", help="Ne pas pousser vers le Hub HF"
    )
    args = parser.parse_args()

    errors = settings.validate()
    if errors:
        print("⚠️  " + "\n⚠️  ".join(errors))

    kb_dir = Path(args.kb_dir)
    if not kb_dir.exists():
        raise SystemExit(f"Dossier introuvable : {kb_dir}")

    def progress(file_name: str, lang: str) -> None:
        print(f"  ✓ {lang}/{file_name}")

    print(f"📚 Ingestion de '{kb_dir}'…")
    records = build_chunk_records(kb_dir, progress_cb=progress)
    print(f"✅ {len(records)} chunks générés.")

    out_dir = Path(args.out_dir)
    parquet_path = save_index_locally(records, out_dir)
    print(f"💾 Index local sauvegardé : {parquet_path}")

    if args.no_push:
        print("⏭️  Push vers le Hub désactivé (--no-push).")
        return

    if not settings.hf_dataset_repo:
        print(
            "ℹ️  HF_DATASET_REPO non défini : l'index reste local uniquement. "
            "Définissez HF_DATASET_REPO dans .env pour le publier sur le Hub."
        )
        return

    print(f"☁️  Publication vers le dataset privé '{settings.hf_dataset_repo}'…")
    url = push_index_to_hub(out_dir, settings.hf_dataset_repo, settings.hf_token)
    print(f"✅ Dataset publié : {url}")


if __name__ == "__main__":
    main()