# server.py
import os
from typing import List
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# ── 1) FastAPI 앱 생성
app = FastAPI(
    title="AGaRiCleaner Toxicity Detector (FastAPI)",
    description="FastAPI 기반 한국어 악플 탐지 모델 서버",
    version="1.0.0"
)

# ── 2) 요청 스키마 정의 (Pydantic 모델)
class TextsIn(BaseModel):
    data: List[str]  # JSON 예시: { "data": ["문장1", "문장2", ...] }

# ── 3) 모델 디렉터리 경로 (Space에서는 /app/detector 폴더가 된다)
MODEL_DIR = "./detector"

# ─── 여기부터 디버그 코드 ───────────────────────────────────────────────────────
print("===== DETECTOR 디렉터리 내부 상태 =====")
for fname in sorted(os.listdir(MODEL_DIR)):
    fpath = os.path.join(MODEL_DIR, fname)
    try:
        size = os.path.getsize(fpath)
    except Exception:
        size = None
    preview = ""
    # JSON 파일인 경우, 첫 줄만 읽어서 preview에 담아둡니다.
    if fname.endswith(".json"):
        try:
            with open(fpath, "r", encoding="utf-8") as f:
                preview = f.readline().strip()
        except Exception:
            preview = "<읽기 실패>"
    print(f" • {fname:<25} size={size:<8} preview={preview[:60]!r}")
print("========================================\n")
# ─── 디버그 코드 끝 ─────────────────────────────────────────────────────────────

# (이제부터 실제 토크나이저 로드)

# ── 4) 디바이스 설정 (Mac MPS 지원 여부 확인)
device = "mps" if torch.backends.mps.is_available() else "cpu"
print(f"▶ 모델 추론 디바이스: {device}")

# ── 5) 토크나이저와 모델 로드
try:
    tokenizer = AutoTokenizer.from_pretrained(MODEL_DIR)
    model = AutoModelForSequenceClassification.from_pretrained(MODEL_DIR)
    model.to(device)
    model.eval()
    print("✔ 모델 및 토크나이저 로드 완료")
except Exception as e:
    print("✖ 모델 로드 실패:", e)
    raise e

# ── 6) 악플 탐지 함수 정의
def detect_toxic(texts: List[str]) -> List[dict]:
    encoding = tokenizer(
        texts,
        padding=True,
        truncation=True,
        return_tensors="pt",
        max_length=128
    )
    input_ids = encoding["input_ids"].to(device)
    attention_mask = encoding["attention_mask"].to(device)

    with torch.no_grad():
        outputs = model(input_ids=input_ids, attention_mask=attention_mask)
        logits = outputs.logits
        probs = torch.softmax(logits, dim=-1).cpu().tolist()

    results = []
    for i, text in enumerate(texts):
        score_1 = probs[i][1]
        label = 1 if score_1 >= 0.5 else 0
        results.append({
            "text": text,
            "label": label,
            "score": round(score_1, 6)
        })
    return results

# ── 7) POST /predict 엔드포인트 정의
@app.post("/predict", summary="텍스트 목록을 입력받아 악플 여부(label, score) 반환")
async def predict_endpoint(payload: TextsIn):
    texts = payload.data
    if not isinstance(texts, list) or len(texts) == 0:
        raise HTTPException(status_code=400, detail="‘data’ 필드에 최소 1개 이상의 문자열이 있어야 합니다.")
    try:
        output = detect_toxic(texts)
        return output
    except Exception as e:
        raise HTTPException(status_code=500, detail=f"모델 추론 중 오류 발생: {e}")