#!/usr/bin/env bash
# Reentrenamiento nocturno AMPLIADO del RAG. Encadena las fases y las deja
# corriendo horas, sin tocar gitea. Cada fase es reanudable por su cuenta.
#
#   ./reentrena_noche.sh
#
# Fases:
#   1. Espera a que termine cualquier reindex en curso.
#   2. Sintesis FRESCA de todo el contenido nuevo (conocimiento + catalogo +
#      apps instaladas + docs de strix) -> preguntas-gancho.
#   3. Reindex personal con los ganchos horneados.
#   4. Evaluacion hit@k (numeros).
#   5. Refresco de COFRE: cosecha + sintesis de los apuntes.
#   6. Reindex final + evaluacion.
#
# Todo el ruido va al log; a la salida estandar solo hitos con hora.
set -uo pipefail

AQUI=$(cd -P "$(dirname "${BASH_SOURCE[0]:-$0}")" && pwd)
NUCLEO=$(cd "$AQUI/../.." && pwd)
PY="$NUCLEO/venv/bin/python"
[ -x "$PY" ] || PY=python3
DATOS="$NUCLEO/datos"
LOG="${1:-$DATOS/reentrena_noche.log}"

hora() { date +%H:%M:%S; }
hito() { echo "[$(hora)] $*" | tee -a "$LOG"; }

cd "$NUCLEO"
hito "=== ARRANCA reentrenamiento nocturno ampliado ==="

# --- Fase 1: no competir con un reindex en curso ---
while pgrep -f "saber.indexa" | grep -qv $$ 2>/dev/null; do
    sleep 20
done
hito "fase 1 ok: no hay reindex compitiendo"

# --- Fase 2: sintesis fresca del contenido nuevo ---
hito "fase 2: sintesis del catalogo+nuevo (fresca, puede tardar 1-2 h)"
rm -f "$DATOS/sintesis-catalogo.jsonl" "$DATOS/sintesis-catalogo.jsonl.hecho"
"$PY" -m saber.enriquece.sintetiza_catalogo >>"$LOG" 2>&1
hito "fase 2 ok: $(wc -l < "$DATOS/sintesis-catalogo.jsonl" 2>/dev/null) preguntas-gancho nuevas"

# --- Fase 3: reindex con los ganchos ---
hito "fase 3: reindex personal con ganchos"
"$PY" -m saber.indexa >>"$LOG" 2>&1
hito "fase 3 ok: indice reconstruido"

# --- Fase 4: evaluacion ---
hito "fase 4: evaluacion hit@k"
"$PY" -m saber.enriquece.evalua "$DATOS/saber.jsonl" "$DATOS/saber.jsonl" 2>>"$LOG" \
    | grep -iE "hit@|sim" | head -3 | tee -a "$LOG"

# --- Fase 5: refresco de COFRE (cosecha + sintesis) ---
if [ "${SIN_COFRE:-0}" = "1" ]; then
    hito "fase 5: OMITIDA (SIN_COFRE=1, el refresco de COFRE ya se hizo)"
else
    hito "fase 5: refresco de COFRE (cosecha + sintesis, largo)"
    "$PY" -m saber.enriquece.cosecha >>"$LOG" 2>&1 && hito "  cosecha ok" || hito "  cosecha fallo (sigo)"
    rm -f "$DATOS/sintesis.jsonl.hecho"
    "$PY" -m saber.enriquece.sintetiza >>"$LOG" 2>&1 && hito "  sintesis COFRE ok" || hito "  sintesis COFRE fallo (sigo)"
fi

# --- Fase 6: reindex final + evaluacion ---
hito "fase 6: reindex final"
"$PY" -m saber.indexa >>"$LOG" 2>&1
hito "fase 6: evaluacion final"
"$PY" -m saber.enriquece.evalua "$DATOS/saber.jsonl" "$DATOS/saber.jsonl" 2>>"$LOG" \
    | grep -iE "hit@|sim" | head -3 | tee -a "$LOG"

hito "=== FIN del reentrenamiento nocturno ==="