<?php
// iacode15.php
require_once 'aiassist/config.php';
require_once 'aiassist/logger.php';
require_once 'aiassist/database.php';
require_once 'aiassist/crmHandler.php';
require_once 'aiassist/elastic.php';
require_once 'aiassist/fileHandler.php';
require_once 'aiassist/vectorgpt.php';
require_once 'aiassist/gptAssistant.php';
require_once 'aiassist/search.php';
require_once 'aiassist/utils.php';

// 1. Получение ID кейса
if ($_SERVER['REQUEST_METHOD'] === 'POST') {
    $id = $_POST['id'] ?? null;
    if (!$id) {
        $input = json_decode(file_get_contents('php://input'), true);
        $id = $input['id'] ?? null;
    }
    if (!$id || !is_numeric($id)) {
        logMessage("Ошибка: Некорректный ID.");
        die(json_encode(["status" => "error", "message" => "Некорректный ID."], JSON_UNESCAPED_UNICODE));
    }
    
    // 2. Получение документов из CRM
$pdo = getDbConnection();
$documents = fetchDocumentData($pdo, $id);
if (empty($documents)) {
    logMessage("Документы не найдены для ID: $id");
    die("Документы не найдены для ID: $id");
}
logMessage("✅ Документы получены: " . json_encode($documents, JSON_UNESCAPED_UNICODE));

// Формирование массива путей документов для проверки
$filePathList = array_map(function($doc) {
    return $doc['filepath'];
}, $documents);

/*
// 3. Проверка на наличие ранее сохранённого анализа в ElasticSearch
$previousAnalysis = checkPreviousAnalysis($id, $filePathList);
logMessage("DEBUG: Значение предыдущего анализа: " . print_r($previousAnalysis, true));
if ($previousAnalysis) {
    logMessage("Найден сохранённый анализ, отправляем его в CRM.");
    sendAnalysisToCRM($id, $previousAnalysis);
    exit;
} else {
    logMessage("Сохранённый анализ не найден, продолжаем обработку.");
}
*/

// 3.5 Создание Vector Store и загрузка файлов
$uploadResult = createVectorStoreAndUploadFiles($filePathList);
if (!$uploadResult) {
    logMessage("Ошибка создания Vector Store или загрузки файлов");
    die("Ошибка создания Vector Store или загрузки файлов");
}
$vectorStoreId = $uploadResult['vectorStoreId'];
$uploadedFileIds = $uploadResult['fileIds'];

// 4. Формирование предварительного запроса в GPT
// Объединяем текст из документов. Если не удалось извлечь текст (например, для изображений), пробуем OCR.
$combinedContent = analyzeDocuments($documents, $uploadedFileIds); // пробуем новый подход

logMessage("📄 Собранный контент для предварительного запроса:\n" . $combinedContent);
if (empty($combinedContent)) {
    logMessage("❌ Ошибка: не удалось извлечь текст из документов.");
    die("Ошибка: не удалось извлечь текст из документов.");
}

      
    // Создаем тред для общения с GPT
    $threadId = createNewThread();
    if (!$threadId) {
        logMessage("❌ Ошибка создания треда GPT");
        die("Ошибка создания треда");
    }


   //9.1. тестируем ответ с базой знаний
/*
   $knowledgeThreadId = "thread_zYRFzxYn0JTo59VUwz84D9p4"; // `thread_id` базы знаний
   $documentThreadId = $threadId; // `thread_id` с новыми документами
   
   $analysisResult2 = analyzeDocumentWithKnowledgeBase($knowledgeThreadId, $documentThreadId);
   logMessage( "📌 Анализ нового документа с учетом базы знаний:\n" . $analysisResult2);
   //----------------------------------------
*/

/*


   // 5️⃣ Предварительный анализ через GPT-4
logMessage("📤 Отправляем предварительный запрос в GPT-4 для извлечения ключевых параметров...");
$prelimAnalysis = extractCaseDetailsWithGPT($threadId, ASSISTANT_ID, $vectorStoreId, $combinedContent);

if (!$prelimAnalysis) {
    logMessage("❌ Ошибка анализа обращения через GPT-4 (предварительный ответ).");
    die("Ошибка анализа обращения через GPT-4 (предварительный ответ).");
}

logMessage("[INFO] ✅ Полученный JSON от GPT-4: " . json_encode($prelimAnalysis, JSON_UNESCAPED_UNICODE));

// Используем результат напрямую как JSON
$jsonData = $prelimAnalysis;

if (!$jsonData) {
    logMessage("[ERROR] ❌ Ошибка: JSON от GPT-4 пуст!");
    die("Ошибка: JSON от GPT-4 пуст.");
}

// Убираем строки "null" → заменяем на null
foreach (["articles", "claim_amount", "document_client_name"] as $key) {
    if (isset($jsonData[$key]) && $jsonData[$key] === "null") {
        $jsonData[$key] = null;
    }
}

// Проверяем `facts_full` перед векторизацией
if (!isset($jsonData['facts_full']) || empty($jsonData['facts_full'])) {
    logMessage("[WARNING] ⚠️ `facts_full` пуст! Устанавливаем значение 'Не указано'.");
    $jsonData['facts_full'] = "Не указано";
}

logMessage("🔹 JSON для Elasticsearch (исправленный): " . json_encode($jsonData, JSON_UNESCAPED_UNICODE));

// Получаем векторное представление `facts_full`
$embedding = getTextEmbedding($jsonData['facts_full']);
logMessage("📡 Векторизация facts_full:\n" . json_encode($embedding, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));
*/
    

// 5️⃣ Предварительный анализ через GPT-4
logMessage("📤 Отправляем предварительный запрос в GPT-4 для извлечения ключевых параметров...");

$prelimAnalysis = extractCaseDetailsWithGPT($threadId, ASSISTANT_ID, $vectorStoreId, $combinedContent);

if (!$prelimAnalysis) {  // ✅ Проверяем, что анализ не пустой
    logMessage("❌ Ошибка анализа обращения через GPT-4 (предварительный ответ).");
    die("Ошибка анализа обращения через GPT-4 (предварительный ответ).");
}


$parsedJson = [];

if (!empty($prelimAnalysis['json_data'])) {
    $parsedJson = $prelimAnalysis['json_data'];
} elseif (!empty($prelimAnalysis['text_data'])) {
    $parsedJson = extractCleanJsonFromGPT($prelimAnalysis['text_data']);
}


// ✅ Логируем полный JSON-ответ от GPT-4
logMessage("[INFO] ✅ Полученный JSON от GPT-4: " . json_encode($prelimAnalysis, JSON_UNESCAPED_UNICODE));


// ✅ Проверяем, где находится JSON
$jsonData = isset($prelimAnalysis["json_data"]) && !empty($prelimAnalysis["json_data"])
? $prelimAnalysis["json_data"]
: json_decode($prelimAnalysis["text_data"][0]["text"]["value"], true);

// ✅ Если JSON пуст, выбрасываем ошибку
if (!$jsonData) {
logMessage("[ERROR] ❌ Ошибка: JSON от GPT-4 пуст!");
die("Ошибка: JSON от GPT-4 пуст.");
}

// ✅ Убираем строки `"null"` → заменяем на `null`
foreach (["articles", "claim_amount", "document_client_name"] as $key) {
if (isset($jsonData[$key]) && $jsonData[$key] === "null") {
$jsonData[$key] = null;
}
}

// ✅ Проверяем `facts_full` перед векторизацией
if (!isset($jsonData['facts_full']) || empty($jsonData['facts_full'])) {
logMessage("[WARNING] ⚠️ `facts_full` пуст! Устанавливаем значение 'Не указано'.");
$jsonData['facts_full'] = "Не указано";  // 🔹 Заполняем, чтобы избежать ошибки в векторизаторе
}

// ✅ Логируем, что передаём в векторизатор
logMessage("🔹 JSON для Elasticsearch (исправленный): " . json_encode($jsonData, JSON_UNESCAPED_UNICODE));

    
// ✅ Получаем векторное представление `facts_full`
$embedding = getTextEmbedding($jsonData['facts_full']);
//logMessage("📡 Векторизация facts_full:\n" . json_encode($embedding, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));


    // ✅ Проверяем наличие векторов и нормализуем
    $normalizedEmbedding1024 = null;
    if (isset($embedding["embedding_1024"])) {
        $sumSquares = 0;
        foreach ($embedding["embedding_1024"] as $x) {
            $sumSquares += $x * $x;
        }
        $magnitude = sqrt($sumSquares);
        if ($magnitude > 0) {
            $normalizedEmbedding1024 = array_map(function ($x) use ($magnitude) {
                return $x / $magnitude;
            }, $embedding["embedding_1024"]);
        }
    }
    
    $normalizedEmbedding2048 = null;
    if (isset($embedding["embedding_2048"])) {
        $sumSquares = 0;
        foreach ($embedding["embedding_2048"] as $x) {
            $sumSquares += $x * $x;
        }
        $magnitude = sqrt($sumSquares);
        if ($magnitude > 0) {
            $normalizedEmbedding2048 = array_map(function ($x) use ($magnitude) {
                return $x / $magnitude;
            }, $embedding["embedding_2048"]);
        }
    }
    
    // ✅ Запускаем поиск, передавая `facts_short` и векторные embeddings
    $searchResults = searchSimilarCases([
        'category'       => $jsonData['category'],
        'facts_short'    => $jsonData['facts_short'],
        'facts_full'     => $jsonData['facts_full'],
        'embedding_1024' => $normalizedEmbedding1024,
        'embedding_2048' => $normalizedEmbedding2048
    ]);
    
    logMessage("✅ Найденные судебные акты: " . json_encode($searchResults, JSON_UNESCAPED_UNICODE));


    // 🔍 Дополнительный уточнённый поиск по эталонному решению
if (!empty($searchResults) && isset($searchResults[0]['court_decision'])) {
    $bestDecision = $searchResults[0];
    $refinedText = $bestDecision['court_decision'];

    logMessage("🔁 Выполняем уточнённый поиск по эталонному решению...");
    logMessage("⚙️ Текст эталона (первые 300 симв): " . mb_substr($refinedText, 0, 300));

    $embeddingData = prepareEmbeddingForRefinedSearch($refinedText);

    if (!$embeddingData || !is_array($embeddingData)) {
        logMessage("❌ Ошибка: prepareEmbeddingForRefinedSearch вернул некорректные данные");
    } else {
        $refinedResults = searchRefinedCasesFromBestExample(
            $refinedText,
            $embeddingData['embedding_2048'] ?? null,
            $embeddingData['embedding_1024'] ?? null
        );

        logMessage("📌 Уточнённые решения: " . json_encode($refinedResults, JSON_UNESCAPED_UNICODE));

        if (is_array($refinedResults) && !empty($refinedResults)) {
            $searchResults = array_merge($searchResults, $refinedResults);
        }
    }
}


//---------------------------------------------------------------------------------------------------------------------------------------
    /*
logMessage("📤 Отправляем предварительный запрос в GPT-4 для извлечения ключевых параметров...");

$prelimAnalysis = extractCaseDetailsWithGPT($threadId, ASSISTANT_ID, $vectorStoreId, $combinedContent);


if (!$prelimAnalysis) {  // ✅ Теперь проверяем правильную переменную
    logMessage("❌ Ошибка анализа обращения через GPT-4 (предварительный ответ).");
    die("Ошибка анализа обращения через GPT-4 (предварительный ответ).");
}

function normalizeEmbedding(array $embedding) {
    if (empty($embedding)) {
        logMessage("Эмбеддинг пустой");
        return null;
    }
    $sumSquares = 0;
    foreach ($embedding as $value) {
        if (!is_numeric($value)) {
            logMessage("Невалидное значение в эмбеддинге: " . print_r($value, true));
            return null;
        }
        $sumSquares += $value * $value;
    }
    $magnitude = sqrt($sumSquares);
    if ($magnitude == 0) {
        logMessage("Невозможно нормализовать эмбеддинг: нулевая величина.");
        return null;
    }
  return array_map(function($x) use ($magnitude) {
    return $x / $magnitude;
  }, $embedding);

}


// ✅ Исправляем имя переменной
$queryParams = $prelimAnalysis["json_data"]; // JSON для поиска и анализа

logMessage("🔹 JSON для Elasticsearch: " . json_encode($queryParams, JSON_UNESCAPED_UNICODE));

// ✅ Проверяем, есть ли `facts_full`
if (!isset($queryParams['facts_full']) || empty($queryParams['facts_full'])) {
    logMessage("❌ Ошибка: Пустой текст передан в векторизатор!");
    die("Ошибка: `facts_full` отсутствует или пуст.");
}

// ✅ Получаем векторное представление `facts_full`
$embedding = getTextEmbedding($queryParams['facts_full']);
logMessage("📡 Векторизация facts_full:\n" . json_encode($embedding, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));

// ✅ Проверяем наличие векторов и нормализуем
$normalizedEmbedding1024 = null;
if (isset($embedding["embedding_1024"])) {
    $sumSquares = 0;
    foreach ($embedding["embedding_1024"] as $x) {
        $sumSquares += $x * $x;
    }
    $magnitude = sqrt($sumSquares);
    if ($magnitude > 0) {
        $normalizedEmbedding1024 = array_map(function ($x) use ($magnitude) {
            return $x / $magnitude;
        }, $embedding["embedding_1024"]);
    }
}

$normalizedEmbedding2048 = null;
if (isset($embedding["embedding_2048"])) {
    $sumSquares = 0;
    foreach ($embedding["embedding_2048"] as $x) {
        $sumSquares += $x * $x;
    }
    $magnitude = sqrt($sumSquares);
    if ($magnitude > 0) {
        $normalizedEmbedding2048 = array_map(function ($x) use ($magnitude) {
            return $x / $magnitude;
        }, $embedding["embedding_2048"]);
    }
}

// ✅ Запускаем поиск, передавая `facts_short` и векторные embeddings
$searchResults = searchSimilarCases([
    'category'       => $queryParams['category'],
    'facts_short'    => $queryParams['facts_short'],
    'facts_full'     => $queryParams['facts_full'],
    'embedding_1024' => $normalizedEmbedding1024,
    'embedding_2048' => $normalizedEmbedding2048
]);

logMessage("✅ Найденные судебные акты: " . json_encode($searchResults, JSON_UNESCAPED_UNICODE));

*/
//---------------------------------------------------------------------------------------------------------------------------------//
/*
$embedding = getTextEmbedding($jsonForElastic['facts_full']);
logMessage("📡 вектортут:\n" . json_encode($embedding, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));

$normalizedEmbedding1024 = isset($embedding["embedding_1024"]) ? normalizeEmbedding($embedding["embedding_1024"]) : null;
$normalizedEmbedding2048 = isset($embedding["embedding_2048"]) ? normalizeEmbedding($embedding["embedding_2048"]) : null;

logMessage("Нормализованный embedding_1024: " . json_encode($normalizedEmbedding1024, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));
logMessage("Нормализованный embedding_2048: " . json_encode($normalizedEmbedding2048, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));


// Вызов функции searchSimilarCases
$searchResults = searchSimilarCases([
    'category'      => $jsonForElastic['category'],
    'facts'         => $jsonForElastic['facts_short'],
    'article'  => implode(" ", $jsonForElastic['articles']),
    'amount'        => $jsonForElastic['claim_amount'],
    'embedding_1024'=> $normalizedEmbedding1024,
    'embedding_2048'=> $normalizedEmbedding2048
]);

// Логирование результатов
logMessage("Результаты поиска: " . json_encode($searchResults, JSON_UNESCAPED_UNICODE));

    
*/
//-------------------------------------------------------------------------------------
/*$searchResults = searchSimilarCases([
    'category' => $jsonForElastic['category'],
    'article'  => implode(" ", $jsonForElastic['articles']),
    'amount'   => $jsonForElastic['claim_amount'],
    'facts'    => $jsonForElastic['facts'],
    'embedding'=> $embedding
]);
*/
//logMessage("✅ Найденные судебные акты: " . json_encode($searchResults, JSON_UNESCAPED_UNICODE));


/*
    // 6. Поиск в ElasticSearch судебных актов на основе полученных параметров
    $embedding = getTextEmbedding($prelimResponse['facts']);
    logMessage("🔍 Полученный эмбеддинг (предварительный, первые 10 значений): " . json_encode(array_slice($embedding["embedding_1024"], 0, 10)));
    
    $searchResults = searchSimilarCases([
        'category' => $prelimResponse['category'],
        'article'  => implode(" ", $prelimResponse['articles']),
        'amount'   => $prelimResponse['claim_amount'],
        'facts'    => $prelimResponse['facts'],
        'embedding'=> $embedding
    ]);
    logMessage("✅ Найденные судебные акты: " . json_encode($searchResults, JSON_UNESCAPED_UNICODE));
   */ 
  
  
   // 7. Формирование финального запроса с добавлением контекста из ElasticSearch ---------------------------------------------------------
 

    // 8. Отправка финального запроса в GPT и получение финального ответа ------------------------------------------------------------------
    logMessage("📤 Отправляем финальный запрос в GPT-4...");
//   $finalAnalysis = analyzeDocumentWithAssistantStream($threadId, ASSISTANT_ID, $fileIdCombined, $finalPrompt, $searchResults, $prelimResponse);
 // $finalAnalysis = analyzeDocumentWithAssistantStream($threadId, ASSISTANT_ID, "", $finalPrompt, $searchResults);


//$finalAnalysis = analyzeDocumentWithAssistantStream($threadId, ASSISTANT_ID, $combinedContent, $finalPrompt, $searchResults);

//logVectorStoreFiles($vectorStoreId);


$finalAnalysis = analyzeDocumentWithAssistantStream($threadId, ASSISTANT_ID, $vectorStoreId, $fileId, $parsedJson, $searchResults, $id);

if (!$finalAnalysis) {
    logMessage("❌ Ошибка финального анализа через GPT-4. Сырой ответ:");
    logMessage("📜 Сырой ответ GPT-4 (финальный анализ): " . json_encode($finalAnalysis, JSON_UNESCAPED_UNICODE));
    die("Ошибка финального анализа через GPT-4.");
}

logMessage("✅ Финальный ответ от GPT-4:\n" . json_encode($finalAnalysis, JSON_UNESCAPED_UNICODE));

 
// ✅ Проверяем, есть ли `content` в `finalAnalysis`
if (!isset($finalAnalysis['data']) || !is_array($finalAnalysis['data'])) {
    logMessage("❌ Ошибка: В `finalAnalysis` нет `data`. Ответ:\n" . json_encode($finalAnalysis, JSON_UNESCAPED_UNICODE));
    die("Ошибка в структуре данных от GPT-4.");
}

// ✅ Ищем `content`
$extractedContent = null;
foreach ($finalAnalysis['data'] as $message) {
    if ($message['role'] === 'assistant' && isset($message['content']) && is_array($message['content'])) {
        foreach ($message['content'] as $contentBlock) {
            if ($contentBlock['type'] === 'text' && isset($contentBlock['text']['value'])) {
                $extractedContent = trim($contentBlock['text']['value']);
                break 2; // Выходим из обоих циклов
            }
        }
    }
}

$saveResult = saveAnalysisToElasticSearch($id, $finalAnalysis, $filePathList);
if ($saveResult) {
    logMessage("✅ Анализ успешно сохранён в ElasticSearch.");
} else {
    logMessage("❌ Ошибка при сохранении анализа в ElasticSearch.");
}


// ✅ Логируем, что нашли
if ($extractedContent) {
    logMessage("✅ Извлечённый `content`: " . substr($extractedContent, 0, 500) . "...");
    $finalAnalysis['content'] = $extractedContent;
} else {
    logMessage("⚠️ Не удалось извлечь `content`. Используем `анализ_gpt`.");
    $finalAnalysis['content'] = "Анализ не выполнен";
}

// ✅ Отправляем исправленный `finalAnalysis` в CRM
sendAnalysisToCRM($id, $finalAnalysis);

   logMessage("Обработка кейса завершена.");
   exit;
} else {
   logMessage("Ошибка: запрос должен быть POST");
   die("Ошибка: запрос должен быть POST");
}
?>