"""Embedder 客户端（T-G1）：llama-server /v1/embeddings + int8 量化 + 降级（D-G4）。

- int8 量化：对称 per-vector scale（scale = max|v| / 127），q = round(v × scale)。
  1024 维余弦扰动 ~1e-4（验收 <1e-2）；存储 1024 维 fp32 4KB -> int8 1KB（D-G6）。
- 降级（D-G4）：超时/连接失败/非 200/形状不符 -> raise EmbedderDown，
  调用方（grader）退化为规则门 + 默认 T2。
"""
from __future__ import annotations

import httpx

from gateway.sense.config import EmbedderCfg
from gateway.sense.errors import EmbedderDown

_client: Optional[httpx.AsyncClient] = None


def get_client() -> httpx.AsyncClient:
    global _client
    if _client is None:
        _client = httpx.AsyncClient(timeout=5.0)
    return _client


async def close_client() -> None:
    global _client
    if _client is not None:
        await _client.aclose()
        _client = None


def quantize_int8(vec: list[float]) -> list[int]:
    """对称 per-vector int8 量化：q = round(v × scale)，scale = 127 / max|v|。"""
    m = max((abs(v) for v in vec), default=0.0)
    if m == 0:
        return [0] * len(vec)
    scale = 127.0 / m
    return [max(-127, min(127, int(round(v * scale)))) for v in vec]


def dequantize_int8(q: list[int], scale: float) -> list[float]:
    """反量化（需要保留 scale 时使用；检索场景直接用 int8 余弦即可）。"""
    if scale == 0:
        return [0.0] * len(q)
    return [x / scale for x in q]


def cosine_int8(a: list[int], b: list[int]) -> float:
    """int8 向量余弦相似度（无 scale 版本：scale 为正标量不改变方向）。"""
    n = min(len(a), len(b))
    if n == 0:
        return 0.0
    dot = na = nb = 0
    for i in range(n):
        x, y = a[i], b[i]
        dot += x * y
        na += x * x
        nb += y * y
    if na == 0 or nb == 0:
        return 0.0
    return max(-1.0, min(1.0, dot / ((na ** 0.5) * (nb ** 0.5))))


async def embed(text: str, cfg: EmbedderCfg) -> list[int]:
    """调用 llama-server /v1/embeddings，返回 int8 量化向量（§7 签名）。

    失败（超时/连接/非 200/形状不符）-> raise EmbedderDown（D-G4 降级信号）。
    """
    try:
        client = get_client()
        resp = await client.post(
            cfg.base_url.rstrip("/") + "/embeddings",
            json={"model": cfg.model, "input": text},
            timeout=cfg.timeout_s)
        resp.raise_for_status()
        data = resp.json()
        vec = data["data"][0]["embedding"]
        if not isinstance(vec, list) or not vec:
            raise ValueError("空向量")
        return quantize_int8([float(v) for v in vec])
    except EmbedderDown:
        raise
    except Exception as e:  # noqa: BLE001
        raise EmbedderDown(f"embedder 不可用: {type(e).__name__}: {e}") from e