#!/usr/bin/env python3
"""
tests/test_god_bootstrap.py
Vérifie rapidement que le moteur GGUF et la recherche web fonctionnent.
Lancer avec : python -m pytest tests/test_god_bootstrap.py -v
ou directement : python tests/test_god_bootstrap.py
"""

import asyncio
import os
import sys

sys.path.insert(0, os.path.dirname(os.path.dirname(__file__)))


# ─────────────────────────────────────────────
# Test 1 : moteur LLM (stub si pas de .gguf)
# ─────────────────────────────────────────────
async def test_llm_engine():
    from agents.cognitive_engine import MultiLLMEngine, CognitiveAgent

    engine = MultiLLMEngine()
    info   = engine.backend_info()
    print(f"[LLM] backend={info['backend']}  model={info['model']}")

    resp = await engine.call(
        agent      = None,
        system     = "Tu es un assistant de test.",
        user       = "Dis bonjour en une phrase.",
        max_tokens = 64,
    )
    print(f"[LLM] réponse ({resp.latency:.2f}s) : {resp.content[:120]}")
    assert isinstance(resp.content, str), "La réponse doit être une chaîne"
    print("[LLM] ✅ OK\n")


# ─────────────────────────────────────────────
# Test 2 : agent spécialisé
# ─────────────────────────────────────────────
async def test_cognitive_agent():
    from agents.cognitive_engine import CognitiveAgent, MultiLLMEngine

    engine  = MultiLLMEngine()
    planner = CognitiveAgent("Planner", role="planner", temperature=0.2, engine=engine)
    resp    = await planner.think("Décompose la tâche : créer une API REST Flask.", max_tokens=128)
    print(f"[Planner] {resp.content[:200]}")
    print("[Planner] ✅ OK\n")


# ─────────────────────────────────────────────
# Test 3 : recherche web (DuckDuckGo fallback)
# ─────────────────────────────────────────────
async def test_web_search():
    from utils.web_search import web_search

    print("[WebSearch] Requête : 'Qwen3 8B GGUF benchmark'")
    resp = await web_search("Qwen3 8B GGUF benchmark", max_results=3, use_cache=False)
    print(f"[WebSearch] source={resp.source}  résultats={len(resp.results)}  latence={resp.latency:.2f}s")
    for r in resp.results:
        print(f"  • {r.title[:60]}  →  {r.url[:60]}")
    assert resp.results or resp.error, "Doit renvoyer des résultats ou une erreur explicite"
    ctx = resp.as_context(max_chars=500)
    print(f"[WebSearch] Contexte LLM (extrait) :\n{ctx[:300]}")
    print("[WebSearch] ✅ OK\n")


# ─────────────────────────────────────────────
# Test 4 : arXiv
# ─────────────────────────────────────────────
async def test_arxiv():
    from utils.web_search import search_arxiv

    print("[arXiv] Requête : 'mixture of experts efficient inference'")
    resp = await search_arxiv("mixture of experts efficient inference", max_results=3)
    print(f"[arXiv] {len(resp.results)} résultats en {resp.latency:.2f}s")
    for r in resp.results:
        print(f"  • {r.title[:70]}")
    print("[arXiv] ✅ OK\n")


# ─────────────────────────────────────────────
# Main
# ─────────────────────────────────────────────
async def main():
    print("=" * 60)
    print("  VORTEX GOD – Bootstrap Tests")
    print("=" * 60 + "\n")

    await test_llm_engine()
    await test_cognitive_agent()
    await test_web_search()
    await test_arxiv()

    print("=" * 60)
    print("  Tous les tests ont passé ✅")
    print("=" * 60)


if __name__ == "__main__":
    asyncio.run(main())