import sys
import os
import logging

# Python'un 'app' klasörünü bulabilmesi için proje ana dizinini yola ekliyoruz
sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), '..')))

from app.recommendation.embedding import embed_query
from app.recommendation.retrieval import retrieve_candidates

logging.basicConfig(level=logging.INFO)

# 1. Test Embedding
print("="*50)
print("1. EMBEDDING TESTI")
print("="*50)
query = "Kadıköy'de deniz manzaralı güzel bir kahveci"
print(f"Sorgu: '{query}'")

print("Vektör oluşturuluyor (Model yüklenecek)...")
vec = embed_query(query)
print(f"Vektör uzunluğu: {len(vec)} (Beklenen: 384)")
print(f"Vektörün ilk 5 elemanı: {vec[:5]}")
print("\n")


# 2. Test Retrieval (Mock Supabase Client)
print("="*50)
print("2. RETRIEVAL (VERİ ÇEKME) TESTİ (MOCK DB)")
print("="*50)

class MockSupabaseClient:
    def rpc(self, rpc_name, params):
        self.rpc_name = rpc_name
        self.params = params
        return self
    
    def execute(self):
        print(f" -> [Mock DB] Çalıştırılan Fonksiyon (RPC): {self.rpc_name}")
        print(f" -> [Mock DB] Veritabanına gönderilen parametreler:")
        for k, v in self.params.items():
            if isinstance(v, list) and len(v) > 5 and isinstance(v[0], float):
                print(f"      {k}: [Uzunluğu {len(v)} olan vektör listesi]")
            else:
                print(f"      {k}: {v}")
        
        # Sahte veritabanı cevapları
        return MockResponse([
            {"id": "uuid-1", "name": "Moda Çay Bahçesi", "district": "Kadıköy", "similarity": 0.95},
            {"id": "uuid-2", "name": "Walter's Coffee Roastery", "district": "Kadıköy", "similarity": 0.88}
        ])

class MockResponse:
    def __init__(self, data):
        self.data = data

mock_supabase = MockSupabaseClient()

# Yapay zekadan (NLP) dönen sahte cevap
nlp_result = {
    "status": "success",
    "intent": "search_place",
    "query": "Kadıköy'de deniz manzaralı güzel bir kahveci",
    "entities": {
        "location_context": {
            "city": "Kadıköy"
        },
        "category_match": {
            "main_category": "kahveci"
        }
    }
}

print(f"NLP Çıktısı Simüle Ediliyor: {nlp_result}")
print("retrieve_candidates fonksiyonu çağrılıyor...")

candidates = retrieve_candidates(
    supabase_client=mock_supabase,
    nlp_result=nlp_result,
    query_embedding=vec,
    top_k=5
)

print("\nRetrieval fonksiyonundan dönen sonuçlar:")
for c in candidates:
    print(f" - {c}")

# 3. Test Retrieval with Route Stops
print("\n" + "="*50)
print("3. RETRIEVAL (ROUTING & STOPS) TESTI")
print("="*50)

nlp_result_route = {
    "status": "success",
    "intent": "routing",
    "query": "Kadıköy'den kalkıp Karaköy ve Eminönü üzerinden Beşiktaş'a rota, güzel kahveciler",
    "route": {
        "enabled": True,
        "origin": "Kadıköy",
        "stops": ["Karaköy", "Eminönü"],
        "destination": "Beşiktaş"
    },
    "entities": {
        "category_match": {
            "main_category": "kahveci"
        }
    }
}

print(f"NLP Çıktısı Simüle Ediliyor (Route): {nlp_result_route}")
print("retrieve_candidates fonksiyonu (Route) çağrılıyor...\n")

candidates_route = retrieve_candidates(
    supabase_client=mock_supabase,
    nlp_result=nlp_result_route,
    query_embedding=vec,
    top_k=5
)

print("\nRouting Retrieval fonksiyonundan dönen sonuçlar:")
for c in candidates_route:
    print(f" - {c}")

# Kontroller (Asserts)
print("\n[Test Kontrolü] Mock RPC params inceleniyor...")
params = mock_supabase.params

assert "p_route_stops" in params, "HATA: Mock RPC parametreleri içinde p_route_stops bulunamadı!"
assert isinstance(params["p_route_stops"], list), "HATA: p_route_stops bir liste olarak gönderilmiyor!"
assert params["p_route_stops"] == ["Karaköy", "Eminönü"], f"HATA: Beklenen duraklar gelmedi. Gelen: {params['p_route_stops']}"

print("✅ Başarılı: p_route_stops Mock RPC parametrelerinde mevcut.")
print(f"✅ Başarılı: p_route_stops doğru formatta (Liste) ve değerlerle ({params['p_route_stops']}) gidiyor.")