Add libsql dependency

server.py

@@ -1897,13 +1897,49 @@ def forecast_train(alpha: float = 3.0, lags: int = 6):
             "metrics": metrics,
         }
 
+@app.get("/forecast/status")
+def forecast_status(min_months: int = 12, lags: int = 6):
+    """
+    Retorna se existe modelo treinado e se há histórico suficiente para treinar.
+    Útil para o frontend decidir habilitar botões e/ou auto-treinar.
+    """
+    with db() as conn:
+        payload = load_model(conn, "forecast_competencia_v1")
+        series = build_monthly_series_competencia(conn)
+        n_months = len(series)
+
+        # Regra do seu treino: len(series) >= (lags + 6)
+        required = int(lags) + 6
+        can_train = n_months >= required and n_months >= int(min_months)
+
+        return {
+            "trained": bool(payload),
+            "trained_at": (payload or {}).get("trained_at"),
+            "n_months": n_months,
+            "required_months": required,
+            "can_train": can_train,
+            "note": "O treino exige histórico suficiente (>= lags + 6). Recomenda-se >= 12 meses."
+        }
+
 
 @app.get("/forecast", response_model=ForecastOut)
-def forecast_get(horizon: int = 12):
+def forecast_get(horizon: int = 12, auto_train: bool = True, alpha: float = 3.0, lags: int = 6):
+    """
+    Se não houver modelo treinado:
+      - auto_train=True => tenta treinar e salvar automaticamente (se houver histórico suficiente)
+      - auto_train=False => retorna 404 "Modelo não treinado..."
+    """
     with db() as conn:
         payload = load_model(conn, "forecast_competencia_v1")
+
+        # Se não existe modelo e auto_train ligado, tenta treinar
         if not payload:
-            raise HTTPException(status_code=404, detail="Modelo não treinado. Rode POST /forecast/train.")
+            if not auto_train:
+                raise HTTPException(status_code=404, detail="Modelo não treinado. Rode POST /forecast/train.")
+
+            # Tenta treinar agora (pode falhar por histórico insuficiente)
+            payload = train_models_competencia(conn, alpha=float(alpha), lags=int(lags))
+            save_model(conn, "forecast_competencia_v1", payload)
 
         preds = forecast_next_months(payload, horizon=int(horizon))