"""
Chạy trên Kaggle (cùng thư mục với app.py), SAU KHI app.py đã chạy được bình thường ít
nhất 1 lần (để chắc model tải đúng, checksum ok...).

    !python trace_vendor_usage.py

Script này KHÔNG launch Gradio -- nó import app.py như một module (mọi thứ tới lúc
`pipe = QwenImage21Pipeline.from_pretrained(...)` chạy xong, vì demo.launch() nằm trong
`if __name__ == "__main__":` nên không bị kích hoạt khi import), rồi tự gọi generate()
vài lần để "chọc" vào từng nhánh code (base model, Turbo LoRA, Transparent PNG...) sao
cho mọi lazy-import liên quan cũng được kích hoạt và ghi lại.

Kết quả: vendor_files_used.json -- danh sách đường dẫn tương đối (so với
vendor/diffusers/src) của MỌI file diffusers đã thực sự được Python nạp vào bộ nhớ.
Đưa file này cho prune_vendor.py ở bước sau.

Muốn trace thêm nhánh "Edit an image" thì tự thêm 1 scenario có `reference=<PIL.Image>`
bên dưới (mình để trống vì cần ảnh mẫu tay).
"""
import json
import sys
import traceback
from pathlib import Path

VENDOR_SRC = Path(__file__).resolve().parent / "vendor" / "diffusers" / "src"


def snapshot_diffusers_files() -> set[str]:
    files = set()
    for name, mod in list(sys.modules.items()):
        if mod is None or not (name == "diffusers" or name.startswith("diffusers.")):
            continue
        f = getattr(mod, "__file__", None)
        if f:
            files.add(str(Path(f).resolve()))
    return files


def _make_dummy_reference_image():
    # Bất kỳ ảnh nào cũng được -- mục đích chỉ là kích hoạt nhánh VAE-encode/
    # image_pad_mask của "Edit an image", không quan tâm nội dung/chất lượng ảnh.
    # Nếu bạn muốn trace sát thực tế hơn (một số code path phụ thuộc kích thước/tỉ lệ
    # ảnh đầu vào), thay dòng này bằng:
    #   from PIL import Image
    #   return Image.open("/kaggle/working/sample.jpg").convert("RGB")
    from PIL import Image
    return Image.new("RGB", (768, 768), color=(120, 160, 200))


def main() -> None:
    import app  # executes app.py's module-level code (model loading, UI definition)

    all_files: set[str] = set()
    all_files |= snapshot_diffusers_files()
    print(f"[trace] after import: {len(all_files)} diffusers files loaded", flush=True)

    lora_keys = list(app.LORA_VARIANTS.keys())
    scenarios = [
        dict(mode="Create an image", lora=lora_keys[0], label="base model, no LoRA"),
        dict(mode="Create an image", lora=lora_keys[1], label="Turbo LoRA (rank 256)"),
        dict(mode="Transparent PNG", lora=lora_keys[0], label="transparent PNG mode"),
        dict(
            mode="Edit an image",
            lora=lora_keys[0],
            reference=_make_dummy_reference_image(),
            label="edit mode",
        ),
    ]

    for i, sc in enumerate(scenarios):
        print(f"[trace] running scenario {i}: {sc['label']} ...", flush=True)
        try:
            app.generate(
                "a red apple on a wooden table",   # prompt
                sc["mode"],                        # mode
                sc.get("reference"),                # reference image
                "Square · 1:1 (1024x1024)",         # aspect_ratio
                1024, 1024,                         # custom_width, custom_height
                6 if "Turbo" in sc["lora"] else 8,  # steps (small, just to trace fast)
                0, True,                            # seed, randomize_seed
                sc["lora"],                         # lora_choice
                "", 1.0,                            # negative_prompt, cfg_scale
                1,                                  # num_images
            )
        except Exception:
            print(f"[trace] scenario {i} raised (continuing, this is fine for tracing):", flush=True)
            traceback.print_exc()
        all_files |= snapshot_diffusers_files()
        print(f"[trace] after scenario {i}: {len(all_files)} diffusers files loaded", flush=True)

    manifest = sorted(
        str(Path(f).relative_to(VENDOR_SRC))
        for f in all_files
        if str(Path(f)).startswith(str(VENDOR_SRC))
    )
    out = Path(__file__).resolve().parent / "vendor_files_used.json"
    out.write_text(json.dumps(manifest, indent=2), encoding="utf-8")
    print(f"[trace] wrote {len(manifest)} required diffusers files to {out}", flush=True)


if __name__ == "__main__":
    main()