# rag/modules/reranker.py
import os
from typing import List, Dict
from huggingface_hub import InferenceClient

# 환경변수에서 모델명과 토큰 불러오기
HF_TOKEN = os.getenv("HF_TOKEN")
RERANK_MODEL = os.getenv("RERANK_MODEL", "BAAI/bge-reranker-large")

_client = InferenceClient(model=RERANK_MODEL, token=HF_TOKEN)

# threshold 값은 환경변수나 config에서 관리 가능
THRESHOLD = float(os.getenv("RERANK_THRESHOLD", "0.3"))

def rerank(query: str, contexts: List[Dict]) -> List[Dict]:
    """
    contexts: [{"id": ..., "text": ...}, ...]
    반환: threshold 이상 점수만 포함된 reranked contexts
    """
    if not contexts:
        return []

    # reranker 입력: (query, passage) 쌍 리스트
    pairs = [(query, ctx["text"]) for ctx in contexts]

    # Inference API 호출 → 각 쌍에 대한 점수 반환
    scores = _client.rerank(inputs=pairs)

    # scores는 [{"score": float}, ...] 형태
    for ctx, sc in zip(contexts, scores):
        ctx["score"] = sc["score"]

    # 점수 내림차순 정렬
    reranked = sorted(contexts, key=lambda x: x["score"], reverse=True)

    # threshold 이상만 필터링
    reranked = [c for c in reranked if c["score"] >= THRESHOLD]

    return reranked