utils/multi_embed.py

"""
Helper de embeddings multi-foto (pipeline de despliegue).

- embed_photo_urls: descarga y embebe CADA foto de un reporte (YOLO + TTA).
- build_report_update: arma el dict para actualizar el reporte con:
    * photo_embeddings: lista con el embedding de cada foto (jsonb)
    * embedding: el promedio normalizado (compatibilidad / fallback / filtros)
El matching all-pairs usa photo_embeddings; embedding queda como respaldo.
"""
import asyncio
import numpy as np
import httpx
from services.embeddings import image_bytes_to_vec


async def embed_photo_urls(photo_urls):
    """Devuelve lista de np.ndarray (un embedding por foto descargable).

    El embedding (CPU pesada) se ejecuta en un THREAD aparte (asyncio.to_thread)
    para NO bloquear el event loop: así el servidor sigue respondiendo a /health
    y otras peticiones mientras genera los embeddings (clave en CPU lenta)."""
    vecs = []
    timeout = httpx.Timeout(60.0, connect=60.0)
    async with httpx.AsyncClient(timeout=timeout, follow_redirects=True) as client:
        for url in photo_urls:
            if not url:
                continue
            try:
                r = await client.get(url)
                r.raise_for_status()
                content = r.content
                vec = await asyncio.to_thread(image_bytes_to_vec, content)
                vecs.append(vec)
            except Exception as e:
                print(f"⚠️ [multi_embed] no se pudo embeber {url}: {e}")
    return vecs


def build_report_update(vecs):
    """dict listo para .update() en reports, o None si no hubo embeddings."""
    if not vecs:
        return None
    arr = np.stack(vecs).astype("float32")
    mean = arr.mean(axis=0)
    mean = mean / (np.linalg.norm(mean) + 1e-9)
    return {
        "photo_embeddings": [v.astype("float32").tolist() for v in vecs],
        "embedding": mean.tolist(),
    }