package com.kazeia.llm
// Remplace ExecuTorchLlmEngine. Option C: prefill HTP / decode CPU (géré côté natif).
// Mono-tour: generate(sys, usr). Multi-tour: ChatSession (gère l'historique + le template ChatML).

class EngineJni {
    external fun load(ggufPath: String, nCtx: Int): Long
    external fun generate(h: Long, sys: String, usr: String, maxTok: Int): String
    external fun generateRaw(h: Long, prompt: String, maxTok: Int): String  // prompt complet déjà formaté
    external fun reset(h: Long)
    external fun free(h: Long)

    // -- TTS Talker (Qwen3-TTS) : I/O en embeddings, pas en tokens (vocab=3072 codes audio, pas de BPE).
    //    Le caller (cf. TalkerEngine.kt) construit les embeds de prefill (text+x-vector) et de step
    //    (sum 16 codecs + tts_pad + trailing_text_hidden), fait l'échantillonnage, et compose le
    //    pipeline Talker→CP→Decoder. Retours conventionnels : 0 = OK, négatif = erreur.
    external fun nEmbd(h: Long): Int                                                            // taille d'un embed (1024 pour Talker-0.6B)
    external fun nVocab(h: Long): Int                                                           // 3072 pour le Talker
    external fun resetEmbeds(h: Long)                                                           // KV clear + pos=0, à appeler en début de génération TTS
    external fun prefillEmbeds(h: Long, embdFlat: FloatArray, t: Int, outHidden: FloatArray): Int
    external fun decodeEmbed(h: Long, embd: FloatArray, outLogits: FloatArray, outHidden: FloatArray): Int

    companion object { init { System.loadLibrary("kazeia_engine") } }
}

class EngineLlmEngine(model: String, ctx: Int = 4096) {
    private val jni = EngineJni()
    private val h = jni.load(model, ctx)
    init { require(h != 0L) { "Kazeia-Engine: échec du chargement du modèle ($model)" } }

    // Mono-tour : system + un message user.
    fun generate(sys: String, usr: String, max: Int = 96) = jni.generate(h, sys, usr, max)
    // Multi-tour : prompt complet pré-formaté (voir ChatSession).
    fun generateRaw(prompt: String, max: Int = 96) = jni.generateRaw(h, prompt, max)

    fun newChat(system: String) = ChatSession(this, system)
    fun reset() = jni.reset(h)
    fun release() = jni.free(h)
}

// Conversation multi-tour : accumule l'historique et construit le ChatML Qwen3.5 + thinking-off.
// Structure identique à celle validée (jni/dual_ctx_mt.cpp) : mémoire conversationnelle correcte.
class ChatSession(private val engine: EngineLlmEngine, private val system: String) {
    private val turns = StringBuilder()  // "<|im_start|>role\ntext<|im_end|>\n" accumulés

    fun ask(user: String, max: Int = 96): String {
        val prompt = buildString {
            append("<|im_start|>system\n").append(system).append("<|im_end|>\n")
            append(turns)
            append("<|im_start|>user\n").append(user).append("<|im_end|>\n")
            append("<|im_start|>assistant\n<think>\n\n</think>\n\n")  // thinking OFF déterministe
        }
        val resp = engine.generateRaw(prompt, max)
        turns.append("<|im_start|>user\n").append(user).append("<|im_end|>\n")
             .append("<|im_start|>assistant\n").append(resp).append("<|im_end|>\n")
        return resp
    }

    fun clear() { turns.setLength(0) }
}