"""
train_sft.py — TeenEmo SFT（教師あり微調整）

フロー:
    1. LFM2.5-1.2B-Base を HF Hub からロード
    2. LoRA アダプタを設定
    3. SFT データセットを HF Hub から取得・変換
    4. SFTTrainer で学習
    5. SFT 完了 → HF Hub にチェックポイントを push（STEP 1/3）
    ※ GGUF保存は DPO 完了後に train_dpo.py が行う

実行例:
    python train_sft.py
    SFT_EPOCHS=2 SFT_BATCH_SIZE=16 python train_sft.py
"""

from __future__ import annotations

import os
import sys
import traceback
from datetime import datetime, timezone
from pathlib import Path

if not os.environ.get("HF_TOKEN"):
    print("[ERROR] HF_TOKEN が未設定です。export HF_TOKEN='hf_...' を実行してください。")
    sys.exit(1)

import torch
from unsloth import FastLanguageModel, is_bfloat16_supported
from trl import SFTTrainer, SFTConfig

import train_config as cfg
from train_utils import (
    setup_logger, log_gpu_info, log_training_config,
    load_sft_dataset, apply_chat_template_sft,
)


def main() -> None:
    start_time = datetime.now(timezone.utc)
    log_dir = Path(cfg.SFT_OUTPUT_DIR) / "logs"
    log_dir.mkdir(parents=True, exist_ok=True)
    log_file = log_dir / f"sft_{start_time.strftime('%Y%m%d_%H%M%S')}.log"

    logger = setup_logger("sft", str(log_file))
    logger.info(f"=== TeenEmo SFT 開始 [{start_time.isoformat()}] ===")

    log_gpu_info(logger)
    log_training_config(logger, "SFT")

    # ── モデルロード ──────────────────────────────────────────
    logger.info(f"モデルロード中: {cfg.BASE_MODEL}")
    try:
        model, tokenizer = FastLanguageModel.from_pretrained(
            model_name=cfg.BASE_MODEL,
            max_seq_length=cfg.MAX_SEQ_LENGTH,
            dtype=None,          # A100 → bfloat16 自動選択
            load_in_4bit=False,  # LFM2.5: bf16 LoRA 推奨
            token=cfg.HF_TOKEN or None,
        )
        logger.info("モデルロード完了 ✅")
    except Exception as e:
        logger.error(f"モデルロードエラー: {e}")
        logger.debug(traceback.format_exc())
        raise

    # ── LoRA 設定 ──────────────────────────────────────────────
    logger.info("LoRA アダプタ設定中...")
    try:
        model = FastLanguageModel.get_peft_model(
            model,
            r=cfg.LORA_R,
            target_modules=cfg.LORA_TARGET_MODULES,
            lora_alpha=cfg.LORA_ALPHA,
            lora_dropout=cfg.LORA_DROPOUT,
            bias="none",
            use_gradient_checkpointing="unsloth",
            random_state=3407,
            use_rslora=False,
            loftq_config=None,
        )
        total_params = sum(p.numel() for p in model.parameters())
        trainable_params = sum(p.numel() for p in model.parameters() if p.requires_grad)
        logger.info(f"  全パラメータ数:      {total_params:,}")
        logger.info(f"  学習可能パラメータ数: {trainable_params:,} ({trainable_params/total_params*100:.2f}%)")
    except Exception as e:
        logger.error(f"LoRA 設定エラー: {e}")
        logger.debug(traceback.format_exc())
        raise

    # ── データセット準備 ──────────────────────────────────────
    logger.info("データセット準備中...")
    try:
        raw_ds = load_sft_dataset(logger)
        logger.info("チャットテンプレート適用中...")
        ds = raw_ds.map(
            lambda x: apply_chat_template_sft(x, tokenizer, logger),
            batched=True,
            remove_columns=raw_ds.column_names,
            desc="チャットテンプレート適用",
        )
        before = len(ds)
        ds = ds.filter(lambda x: len(x["text"]) > 0)
        logger.info(f"  変換後: {before} → {len(ds)} 件")
        logger.debug(f"  サンプル[0]:\n{ds[0]['text'][:300]}")
    except Exception as e:
        logger.error(f"データセット準備エラー: {e}")
        logger.debug(traceback.format_exc())
        raise

    # ── SFTTrainer 初期化 ─────────────────────────────────────
    logger.info("SFTTrainer 初期化中...")
    try:
        trainer = SFTTrainer(
            model=model,
            tokenizer=tokenizer,
            train_dataset=ds,
            dataset_text_field="text",
            max_seq_length=cfg.MAX_SEQ_LENGTH,
            packing=cfg.SFT_PACKING,
            args=SFTConfig(
                output_dir=cfg.SFT_OUTPUT_DIR,
                per_device_train_batch_size=cfg.SFT_BATCH_SIZE,
                gradient_accumulation_steps=cfg.SFT_GRAD_ACCUM,
                num_train_epochs=cfg.SFT_EPOCHS,
                learning_rate=cfg.SFT_LR,
                warmup_ratio=cfg.SFT_WARMUP_RATIO,
                lr_scheduler_type=cfg.SFT_LR_SCHEDULER,
                weight_decay=cfg.SFT_WEIGHT_DECAY,
                fp16=not is_bfloat16_supported(),
                bf16=is_bfloat16_supported(),
                logging_steps=cfg.SFT_LOGGING_STEPS,
                save_steps=cfg.SFT_SAVE_STEPS,
                save_total_limit=2,
                optim="adamw_8bit",
                seed=3407,
                report_to="none",
                dataset_num_proc=2,
            ),
        )
        logger.info("SFTTrainer 初期化完了 ✅")
    except Exception as e:
        logger.error(f"SFTTrainer 初期化エラー: {e}")
        logger.debug(traceback.format_exc())
        raise

    # ── 学習実行 ──────────────────────────────────────────────
    logger.info("SFT 学習開始...")
    try:
        train_result = trainer.train()
        logger.info("SFT 学習完了 ✅")
        logger.info(f"  train_loss:      {train_result.training_loss:.4f}")
        logger.info(f"  train_runtime:   {train_result.metrics.get('train_runtime', 0):.0f}s")
        logger.info(f"  samples/sec:     {train_result.metrics.get('train_samples_per_second', 0):.2f}")
    except Exception as e:
        logger.error(f"SFT 学習エラー: {e}")
        logger.debug(traceback.format_exc())
        raise

    # ── LoRA アダプタ保存 ─────────────────────────────────────
    lora_dir = Path(cfg.SFT_OUTPUT_DIR) / "lora"
    logger.info(f"LoRA アダプタ保存: {lora_dir}")
    try:
        model.save_pretrained(str(lora_dir))
        tokenizer.save_pretrained(str(lora_dir))
        logger.info("LoRA アダプタ保存完了 ✅")
    except Exception as e:
        logger.error(f"LoRA 保存エラー: {e}")
        logger.debug(traceback.format_exc())
        raise

    # ── [STEP 1/3] HF Hub に SFT チェックポイント push ───────
    if cfg.PUSH_TO_HUB and cfg.HF_TOKEN:
        logger.info(f"[STEP 1/3] HF Hub に SFT チェックポイント push: {cfg.SFT_HF_REPO}")
        try:
            model.push_to_hub(cfg.SFT_HF_REPO, token=cfg.HF_TOKEN)
            tokenizer.push_to_hub(cfg.SFT_HF_REPO, token=cfg.HF_TOKEN)
            logger.info(f"  ✅ https://huggingface.co/{cfg.SFT_HF_REPO}")
        except Exception as e:
            logger.error(f"SFT push エラー: {e}")
            logger.debug(traceback.format_exc())

    elapsed = (datetime.now(timezone.utc) - start_time).total_seconds()
    logger.info(f"=== SFT 完了 ({elapsed/60:.1f}分) ===")
    logger.info(f"次のステップ: python train_dpo.py")
    logger.info(f"ログ: {log_file}")


if __name__ == "__main__":
    main()