"""给一个 SQLite 库和一句中文，返回 SQL 和查询结果。

    python scripts/ask.py --db shop.sqlite --question "上个月线上渠道取消了多少单？"
    python scripts/ask.py --db shop.sqlite          # 不给问题就一行一行地问，空行退出

模型默认用 out/merged；只有 LoRA 的话：--model Qwen/Qwen3-4B-Instruct-2507 --adapter out/lora。
库以只读方式打开（mode=ro + query_only），模型写出 DELETE / UPDATE 也改不了数据。
默认 SQL 跑不通就把报错发回去改，最多 2 次；有 GPU 时再一次写 5 条按执行结果投票，没有 GPU 就只写 1 条。
第二轮模型在零售难题集上：直接生成 74%，出错重写 77%，投票加重写 82%（results/infer/summary.md）。
建表语句和「部分字段的取值」都从库里现读，和训练时的 prompt 格式一样（prompt.py）。

把握不够就不给结果，只说明原因（infer.confidence）：投票时 5 条里少于 3 条结果一致，或者改完还跑不通。
在两个难题集上，这样会少答约两成的题，给出去的错答案从 41 题降到 17 题。--show-unsure 照样显示，标上「仅供参考」。
"""

import argparse
import sqlite3
import time

import eval as ev
from infer import Generator, answer, confidence
from prompt import build, values_from_db


def open_readonly(path: str) -> sqlite3.Connection:
    conn = sqlite3.connect(f"file:{path}?mode=ro", uri=True)
    conn.execute("PRAGMA query_only = ON")
    return conn


def schema_of(conn: sqlite3.Connection) -> str:
    return "\n\n".join(sql + ";" for (sql,) in conn.execute(
        "select sql from sqlite_master where type='table' and name not like 'sqlite_%' and sql is not null"))


def show(conn: sqlite3.Connection, sql: str, limit: int) -> None:
    deadline = time.monotonic() + ev.QUERY_TIMEOUT
    conn.set_progress_handler(lambda: time.monotonic() > deadline, 10_000)
    try:
        cur = conn.execute(sql)
        rows = cur.fetchmany(limit + 1)
    except sqlite3.Error as exc:
        print("执行出错：", exc)
        return
    finally:
        conn.set_progress_handler(None, 0)
    print(" | ".join(d[0] for d in cur.description))
    for r in rows[:limit]:
        print(" | ".join("NULL" if v is None else str(v) for v in r))
    print(f"（只显示前 {limit} 行）" if len(rows) > limit else f"共 {len(rows)} 行")


def main() -> None:
    ap = argparse.ArgumentParser()
    ap.add_argument("--db", required=True, help="SQLite 库文件")
    ap.add_argument("--question", default="")
    ap.add_argument("--model", default="out/merged")
    ap.add_argument("--adapter", default="")
    ap.add_argument("--repair", type=int, default=2)
    ap.add_argument("--vote", type=int, default=0, help="写几条投票；默认有 GPU 时 5 条，没有时 1 条（CPU 上写 5 条太慢）")
    ap.add_argument("--no-values", action="store_true", help="prompt 里不附「部分字段的取值」")
    ap.add_argument("--timeout", type=float, default=30.0, help="单条 SQL 最多跑几秒，大库调大")
    ap.add_argument("--rows", type=int, default=20, help="最多显示几行结果")
    ap.add_argument("--min-votes", type=int, default=3, help="投票时至少几条结果一致才给答案")
    ap.add_argument("--show-unsure", action="store_true", help="没把握时也显示 SQL 和结果，标上「仅供参考」")
    args = ap.parse_args()

    ev.QUERY_TIMEOUT = args.timeout
    conn = open_readonly(args.db)
    ddl = schema_of(conn)
    values = None if args.no_values else values_from_db(conn)
    gen = Generator(args.model, adapter=args.adapter)
    if args.vote <= 0:
        args.vote = 5 if gen.torch.cuda.is_available() else 1
    n_tokens = len(gen.tok.apply_chat_template(build(ddl, "？", values), tokenize=True))
    if n_tokens > 3000:
        print(f"注意：建表语句加取值有 {n_tokens} token，训练时最长的样本 2678 token，太长的库效果会变差")

    questions = [args.question] if args.question else iter(lambda: input("\n问题：").strip(), "")
    for q in questions:
        out = answer(gen, [build(ddl, q, values)], [conn], repair=args.repair, vote=args.vote)[0]
        report(conn, out, args.vote, args.min_votes, args.rows, args.show_unsure)


def report(conn: sqlite3.Connection, out: dict, vote: int, min_votes: int, limit: int, show_unsure: bool) -> None:
    level, note = confidence(out, conn, vote, min_votes)
    unsure = level in ("low", "failed")
    print("\n" + note)
    if unsure and not show_unsure:
        return
    print(("\nSQL（仅供参考）：" if unsure else "\nSQL：") + (out["sql"] or "（模型没写出 SQL）"))
    if out["repairs"]:
        print(f"（第一次写的跑不通，改了 {out['repairs']} 次）")
    if out["sql"] and level != "failed":
        show(conn, out["sql"], limit)


if __name__ == "__main__":
    main()