# core/memory.py
import chromadb
from chromadb.utils import embedding_functions
import uuid, datetime

class Memory:
    def __init__(self, persist_directory="/tmp/lum3n_data/memoria_v4"):
        self.client = chromadb.PersistentClient(path=persist_directory)
        self.ef = embedding_functions.SentenceTransformerEmbeddingFunction(model_name="paraphrase-multilingual-MiniLM-L12-v2")
        self.collection = self.client.get_or_create_collection(
            name="experiencias",
            embedding_function=self.ef,
            metadata={"hnsw:space": "cosine"}
        )

    def memorizar(self, texto, tipo="neutro", valencia=None, correto=None, tags=None):
        id = str(uuid.uuid4())
        
        # Filtra valores None para evitar o erro de conversão do ChromaDB
        metadata = {
            "tipo": tipo,
            "timestamp": datetime.datetime.now().isoformat(),
            "tags": ",".join(tags) if tags else ""
        }
        if valencia is not None:
            metadata["valencia"] = valencia
        if correto is not None:
            metadata["correto"] = correto
            
        self.collection.add(
            documents=[texto],
            metadatas=[metadata],
            ids=[id]
        )
        
        # Sincroniza a memória com a nuvem (background)
        try:
            from core.hf_sync import sync_up
            sync_up()
        except Exception:
            pass
            
        return id

    def recordar(self, consulta, top_k=5):
        resultados = self.collection.query(query_texts=[consulta], n_results=top_k)
        memorias = []
        if resultados['ids'] and resultados['ids'][0]:
            for i in range(len(resultados['ids'][0])):
                memorias.append({
                    "id": resultados['ids'][0][i],
                    "texto": resultados['documents'][0][i],
                    "metadata": resultados['metadatas'][0][i] if resultados['metadatas'] else {}
                })
        return memorias

    def recordar_licoes(self, consulta, top_k=3):
        """
        Retorna um resumo das experiências com erro ou correção,
        ordenadas por relevância e priorizando valência negativa.
        """
        resultados = self.collection.query(query_texts=[consulta], n_results=top_k * 3)
        licoes = []
        if resultados['ids'] and resultados['ids'][0]:
            for i in range(len(resultados['ids'][0])):
                meta = resultados['metadatas'][0][i]
                if meta.get('correto') is not None:  # se houve avaliação
                    licoes.append({
                        'texto': resultados['documents'][0][i],
                        'valencia': meta.get('valencia'),
                        'correto': meta.get('correto'),
                        'tags': meta.get('tags', '')
                    })
        # Ordena: erros primeiro (valencia negativa, correto=False)
        licoes.sort(key=lambda x: (x['correto'] is not False, x['valencia'] if x['valencia'] is not None else 0))
        return licoes[:top_k]