#!/usr/bin/env bash
#
# DXA Quality Assessment — единая точка входа.
#
# Использование: ./run.sh <команда> [аргументы]
#   ./run.sh train [доп. аргументы для src.dxa.train]
#   ./run.sh infer <вход> <выход.xlsx|.csv> [доп. аргументы]
#   ./run.sh serve [порт]
#   ./run.sh test
#
# Скрипт намеренно не содержит своей реализации обучения и инференса: вся
# логика живёт в Python-модулях, а здесь только вызовы. Дублирование цикла
# обучения (как было раньше) приводило к расхождению правил между режимами.
set -euo pipefail

GREEN='\033[0;32m'; YELLOW='\033[1;33m'; RED='\033[0;31m'; NC='\033[0m'

PYTHON=${PYTHON:-python3}
DATA_ROOT=${DATA_ROOT:-dataset_hack}
ANNOTATION_PATH=${ANNOTATION_PATH:-"dataset_hack/НД_для_обучения/разметка.xlsx"}
MODEL_PATH=${MODEL_PATH:-models/dxa_model.pth}
PORT=${PORT:-8000}

command=${1:-help}
shift || true

case "$command" in
    train)
        echo -e "${YELLOW}Обучение классификатора качества DXA${NC}"
        "$PYTHON" -m src.dxa.train \
            --data-root "$DATA_ROOT" \
            --annotation-path "$ANNOTATION_PATH" \
            --output-dir "$(dirname "$MODEL_PATH")" \
            "$@"
        echo -e "${GREEN}Готово. Чекпоинт: ${MODEL_PATH}${NC}"
        ;;

    infer)
        input_path=${1:-dataset_hack/Для теста}
        output_path=${2:-results.xlsx}
        shift 2 2>/dev/null || true
        echo -e "${YELLOW}Пакетная обработка${NC}"
        echo "  вход:  $input_path"
        echo "  выход: $output_path"
        "$PYTHON" -m src.dxa.inference \
            --input-path "$input_path" \
            --output-path "$output_path" \
            --model-path "$MODEL_PATH" \
            "$@"
        echo -e "${GREEN}Готово: ${output_path}${NC}"
        ;;

    serve)
        echo -e "${YELLOW}Запуск API на порту ${PORT}${NC}"
        DXA_MODEL_PATH="$MODEL_PATH" \
            "$PYTHON" -m uvicorn src.main:app --host 0.0.0.0 --port "$PORT"
        ;;

    test)
        echo -e "${YELLOW}Запуск тестов${NC}"
        "$PYTHON" -m pytest tests/ -q
        ;;

    help|*)
        cat <<'USAGE'
DXA Quality Assessment — управление запуском

Команды:
  train [аргументы]              Обучить классификатор качества.
                                 Пример: ./run.sh train --epochs 100 --head mlp
  infer <вход> <выход> [арг.]    Пакетная обработка DICOM (файл или каталог).
                                 Пример: ./run.sh infer "dataset_hack/Для теста" results.xlsx
                                 Дополнительно: --zip-out masks.zip
  serve [порт]                   Запустить HTTP API и веб-интерфейс.
  test                           Запустить тесты.

Переменные окружения:
  DATA_ROOT         Каталог датасета (по умолчанию dataset_hack)
  ANNOTATION_PATH   Excel с разметкой (только для отчёта о расхождениях)
  MODEL_PATH        Путь к чекпоинту (по умолчанию models/dxa_model.pth)
  PORT              Порт API (по умолчанию 8000)
  PYTHON            Интерпретатор (по умолчанию python3)

Типовой порядок работы:
  ./run.sh train                       # обучить модель
  ./run.sh infer dataset_hack results.xlsx
  ./run.sh serve                       # веб-интерфейс на http://localhost:8000
USAGE
        ;;
esac