"""
Skill : PROMPT_SAVE / PROMPT_GET / PROMPT_LIST / PROMPT_DEL
Mémoire de prompts persistante via ChromaDB.
Prête pour la recherche vectorielle (Phase 2).

Commandes :
    PROMPT_SAVE: <nom> | <texte>
    PROMPT_GET:  <nom>
    PROMPT_LIST:
    PROMPT_DEL:  <nom>
"""
import chromadb
from chromadb import EmbeddingFunction, Documents, Embeddings
from pathlib import Path
import hashlib

SKILL_NAME = "prompt_memory"
TRIGGER    = None
TRIGGERS   = {
    "PROMPT_SAVE:": "prompt_save",
    "PROMPT_GET:":  "prompt_get",
    "PROMPT_LIST:": "prompt_list",
    "PROMPT_DEL:":  "prompt_del",
}

DB_PATH = Path("/opt/agent/chroma_db")

# Phase 1 : embedding factice (hash MD5 → vecteur 16 dims)
# Phase 2 : remplacer par un vrai modèle (ex: sentence-transformers)
class HashEmbeddingFunction(EmbeddingFunction):
    def __call__(self, input: Documents) -> Embeddings:
        embeddings = []
        for text in input:
            h = hashlib.md5(text.encode()).digest()
            vec = [b / 255.0 for b in h]
            embeddings.append(vec)
        return embeddings

def _get_collection():
    client = chromadb.PersistentClient(path=str(DB_PATH))
    return client.get_or_create_collection(
        name="prompts",
        embedding_function=HashEmbeddingFunction(),
        metadata={"description": "Mémoire de prompts de l'agent"}
    )

def prompt_save(args: str) -> str:
    if "|" not in args:
        return "Erreur : format attendu → PROMPT_SAVE: <nom> | <texte>"
    name, _, text = args.partition("|")
    name, text = name.strip(), text.strip()
    if not name or not text:
        return "Erreur : nom ou texte vide."
    try:
        col = _get_collection()
        col.upsert(
            ids=[name],
            documents=[text],
            metadatas=[{"name": name}]
        )
        return "Prompt «{}» sauvegardé ({} caractères).".format(name, len(text))
    except Exception as e:
        return "Erreur PROMPT_SAVE : {}".format(e)

def prompt_get(args: str) -> str:
    name = args.strip()
    if not name:
        return "Erreur : nom vide."
    try:
        col = _get_collection()
        result = col.get(ids=[name])
        if result["documents"]:
            return "Prompt «{}» :\n{}".format(name, result["documents"][0])
        return "Aucun prompt trouvé avec le nom «{}».".format(name)
    except Exception as e:
        return "Erreur PROMPT_GET : {}".format(e)

def prompt_list(args: str) -> str:
    try:
        col = _get_collection()
        result = col.get()
        if not result["ids"]:
            return "Aucun prompt en mémoire."
        lines = ["Prompts disponibles ({}) :".format(len(result["ids"]))]
        for id_, doc in zip(result["ids"], result["documents"]):
            preview = doc[:80].replace("\n", " ")
            lines.append("- **{}** : {}{}".format(id_, preview, "…" if len(doc) > 80 else ""))
        return "\n".join(lines)
    except Exception as e:
        return "Erreur PROMPT_LIST : {}".format(e)

def prompt_del(args: str) -> str:
    name = args.strip()
    if not name:
        return "Erreur : nom vide."
    try:
        col = _get_collection()
        existing = col.get(ids=[name])
        if not existing["ids"]:
            return "Aucun prompt trouvé avec le nom «{}».".format(name)
        col.delete(ids=[name])
        return "Prompt «{}» supprimé.".format(name)
    except Exception as e:
        return "Erreur PROMPT_DEL : {}".format(e)