#!/usr/bin/env python3
"""Полигон, пакет-7: АДВЕРСАРИАЛЬНАЯ ревизия собственной фазы B (мандат самопроверки 12.07).

Зачем отдельным скриптом. Объективный слой отчёта B (§B1) считался разовыми heredoc-ами, то есть
именно тот слой, на который отчёт опёр ВСЕ выводы после отбраковки судей, не имел воспроизводимого
кодового пути. Здесь он есть, и здесь же — проверки, которых в фазе B не было и которые её выводы
частично опровергают.

Что проверяется (каждая проверка печатает и замер, и то, что заявлял отчёт):
  1. §B1.1 совпадение с подписью владельца — пересчёт независимым кодом;
  2. покрытие набора жанровым словарём — включая гипотетический ПОЛНЫЙ словарь §Z4-Т;
  3. состав промпта КАЖДОГО арма по СЫРЬЮ — какой блок в каком арме реально был;
  4. вырожденные айтемы: сколько термов, где все кандидаты — одна и та же строка;
  5. измерим ли вообще контроль §A2.4 п.4 (уникальна ли строка GOLD среди кандидатов);
  6. пере-счёт BWS ТЕМ ЖЕ скорером на невырожденных айтемах — F1/F1b переворачиваются;
  7. катастрофы на GOLD: пометил ли судья одинаковые строки одинаково;
  8. чем на самом деле объясняется разрыв прокси §B1.3 на ловушке S5;
  9. деньги из сырья каждого вызова против леджера отчёта.

Запуск: audit_phaseB.py --dir <скретчпад/phaseB> [--z4t <файл со списком src полного словаря>]
Сети не требует, платных вызовов не делает.
"""
from __future__ import annotations

import argparse
import collections
import json
import re
import sys
from pathlib import Path

ARMS = ["P0b", "P0", "P1", "P2", "P3", "P4"]
# Полный список src таблицы §Z4-Т (жанровый словарь «как если бы подписали всё»).
Z4T_SRC = ["修炼", "修真", "修行", "修士", "修为", "真气", "灵气", "筑基", "金丹", "丹田", "元神",
           "元婴", "经脉", "穴位", "心法", "秘籍", "功法", "法宝", "丹药", "符箓", "轻功", "内功",
           "内力", "境界", "飞升", "天劫", "灵石", "长老", "掌门", "剑修", "妖", "魔", "仙", "江湖",
           "走火入魔", "资质", "凡人"]
# Маркеры блоков промпта — по ним видно, что арм РЕАЛЬНО получил (а не что задумывалось).
BLOCKS = {
    "правило-имени": "если термин — имя собственное, передавай его транскрипцией",
    "Палладий": "система Палладия",
    "лемма": "Русский — язык с богатой морфологией",
    "словарь": "Жанровый словарь пары",
    "рубрика": "K1 верность концепту (то ли это понятие)",
    "справка": "СЛОВАРНАЯ СПРАВКА из китайско-русского словаря",
    "KWIC": "  контекст: ",
}
PRICE = {"deepseek-v4-flash": (0.14, 0.28, 0.0028)}


def norm(s: str | None) -> str:
    return re.sub(r"\s+", " ", (s or "").strip().lower())


def bws(rows: list[dict], crit: str, subset: set[str] | None = None) -> dict[str, float]:
    """Нормировка ровно как в score_bws.py: (плюсы − минусы) / число появлений арма."""
    plus, minus, seen = collections.Counter(), collections.Counter(), collections.Counter()
    for r in rows:
        if subset is not None and r["id"] not in subset:
            continue
        v = (r.get("verdicts") or {}).get(crit)
        if not isinstance(v, dict):
            continue
        l2a = r["letter2arm"]
        for arm in l2a.values():
            seen[arm] += 1
        b, w = l2a.get(str(v.get("best"))), l2a.get(str(v.get("worst")))
        if b:
            plus[b] += 1
        if w:
            minus[w] += 1
    return {a: (plus[a] - minus[a]) / n for a, n in seen.items() if n}


def main() -> int:
    ap = argparse.ArgumentParser()
    ap.add_argument("--dir", required=True, type=Path, help="каталог фазы B (arms_final.json, j*.json, raw/)")
    a = ap.parse_args()
    D = a.dir

    res = json.loads((D / "arms_final.json").read_text(encoding="utf-8"))["results"]
    by, gold = collections.defaultdict(dict), {}
    for r in res:
        by[r["id"]][r["arm"]] = (r["dst"] or "").strip()
        if r.get("gold"):
            gold[r["id"]] = r["gold"].strip()

    def cands(tid: str) -> dict[str, str]:
        m = dict(by[tid])
        if tid in gold:
            m["GOLD"] = gold[tid]
        return m

    print(f"=== 1. §B1.1 совпадение с подписью (термов с эталоном: {len(gold)}) ===")
    hit, tot = collections.Counter(), collections.Counter()
    per = collections.defaultdict(collections.Counter)
    pert = collections.defaultdict(collections.Counter)
    for r in res:
        if not r.get("gold"):
            continue
        tot[r["arm"]] += 1
        pert[r["sample"]][r["arm"]] += 1
        if norm(r["dst"]) == norm(r["gold"]):
            hit[r["arm"]] += 1
            per[r["sample"]][r["arm"]] += 1
    for arm in ARMS:
        print(f"   {arm:4s} {hit[arm]}/{tot[arm]} = {hit[arm]/tot[arm]:.3f}")
    for s in sorted(pert):
        print(f"   {s}: " + " ".join(f"{x}={per[s][x]}/{pert[s][x]}" for x in ARMS))
    print("   отчёт §B1.1: 12/19 · 19/19 · 18/19 · 18/19 · 17/19 · 17/19")

    print("\n=== 2. покрытие набора жанровым словарём ===")
    srcs = {r["src"] for r in res}
    fed = sorted(srcs & {"修真", "修行", "丹田", "经脉", "灵气", "金丹"})
    full = sorted(srcs & set(Z4T_SRC))
    print(f"   6 строк, реально уехавших в промпт: {len(fed)}/80 {fed}")
    print(f"   ПОЛНЫЙ словарь §Z4-Т (37 строк):     {len(full)}/80 {full}")
    print("   ⇒ вывод §B1.2 (словарь инертен на этом наборе) от подачи НЕ зависит")

    print("\n=== 3. состав промпта каждого арма ПО СЫРЬЮ ===")
    first: dict[str, str] = {}
    for p in sorted((D / "raw").glob("*.json")) + sorted((D / "raw_P4").glob("*.json")):
        r = json.loads(p.read_text(encoding="utf-8"))
        first.setdefault(r["arm"], r["prompt"])
    for arm in ARMS:
        pr = first.get(arm, "")
        print(f"   {arm:4s} " + " ".join(f"{k}={'ДА' if v in pr else '--'}" for k, v in BLOCKS.items()))
    print("   ⇒ ПРАВИЛО ИМЕНИ СОБСТВЕННОГО есть во ВСЕХ шести армах: контрольного арма без него НЕТ")

    print("\n=== 4-5. вырожденные айтемы и измеримость контроля §A2.4 п.4 ===")
    deg = {t for t in by if len({norm(v) for v in cands(t).values()}) == 1}
    nondeg = set(by) - deg
    uniq = [t for t in gold if norm(gold[t]) not in {norm(v) for v in by[t].values()}]
    print(f"   термов всего {len(by)}; ВСЕ кандидаты идентичны у {len(deg)}; невырожденных {len(nondeg)}")
    print(f"   из {len(gold)} термов с GOLD полностью вырождены {len(deg & set(gold))}")
    print(f"   термов, где строка GOLD УНИКАЛЬНА среди кандидатов: {len(uniq)}/{len(gold)}")
    print("   ⇒ контроль «отличает ли судья подпись от случайного варианта» на этом наборе НЕИЗМЕРИМ")

    jf = [D / "j1.json", D / "j2.json"]
    rows = [r for f in jf for r in json.loads(f.read_text(encoding="utf-8"))["rows"] if not r.get("reverse")]
    print("\n=== 6. BWS тем же скорером: все айтемы против невырожденных ===")
    for label, sub in [("все 80 (как в отчёте)", None), ("45 невырожденных", nondeg)]:
        k1 = bws(rows, "K1", sub)
        d1 = abs(k1.get("P1", 0) - k1.get("P0b", 0))
        d1b = abs(k1.get("P2", 0) - k1.get("P0", 0))
        print(f"   [{label}] " + " · ".join(f"{a} {v:+.3f}" for a, v in sorted(k1.items(), key=lambda x: -x[1])))
        print(f"      F1  |P1−P0b|={d1:.3f} → {'ПРОВАЛ' if d1 < 0.10 else 'НЕ провал'}   "
              f"F1b |P2−P0|={d1b:.3f} → {'ПРОВАЛ' if d1b < 0.10 else 'НЕ провал'}  (порог 0.10)")
    print("   ⇒ на невырожденных айтемах оба критерия переворачиваются, а P0b встаёт ПОСЛЕДНИМ —")
    print("     то есть судьи разрыв «контексты работают» ВИДЯТ; его прятали вырожденные термы")

    print("\n=== 7. катастрофы на GOLD: согласованность судьи ===")
    j1 = json.loads((D / "j1.json").read_text(encoding="utf-8"))["rows"]
    ncat = 0
    for row in j1:
        l2a = row.get("letter2arm") or {}
        inv = {v: k for k, v in l2a.items()}
        if "GOLD" not in inv or inv["GOLD"] not in (row.get("catastrophic") or []):
            continue
        ncat += 1
        c = cands(row["id"])
        twin = sorted(L for L, arm in l2a.items() if norm(c.get(arm, "")) == norm(c["GOLD"]))
        cat = sorted(row.get("catastrophic") or [])
        print(f"   {row['id']:22s} {c['GOLD']!r:26s} букв с тем же текстом={twin} помечено={cat}"
              f" {'СОГЛАСОВАНО' if twin == cat else '← РАСХОЖДЕНИЕ'}")
    print(f"   всего катастроф на GOLD: {ncat} — и это несогласие судьи с каноном ПО СУЩЕСТВУ,")
    print("   а не неспособность отличить подпись: одинаковый текст он метит одинаково")

    print("\n=== 8. чем объясняется разрыв прокси §B1.3 на ловушке S5 ===")
    s5 = collections.defaultdict(dict)
    for r in res:
        if r["sample"] == "S5":
            s5[r["src"]][r["arm"]] = r["dst"]
    for src, m in s5.items():
        n = len({norm(v) for v in m.values()})
        mark = "  ← ЕДИНСТВЕННЫЙ источник разрыва P0 против P2/P3/P4" if src == "春秋蝉" else ""
        print(f"   {src:6s} различных вариантов={n}{mark}")
    print("   ⇒ строка S5 прокси НЕ является уликой, независимой от наблюдения по 春秋蝉 (§B1.4)")

    print("\n=== 9. деньги из сырья против леджера ===")
    pi, po, pc = PRICE["deepseek-v4-flash"]
    grand = 0.0
    for sub, label, claim in [("raw", "армы, первый прогон", 0.07791), ("raw_P4", "P4 пере-прогон", 0.01413)]:
        ti = to = tc = 0
        for p in sorted((D / sub).glob("*.json")):
            u = json.loads(p.read_text(encoding="utf-8"))["usage"]
            ti += u["in"]; to += u["out"]; tc += u.get("cached") or 0
        usd = (ti - tc) / 1e6 * pi + tc / 1e6 * pc + to / 1e6 * po
        grand += usd
        print(f"   {label:22s} in={ti:7d} out={to:6d} cached={tc:6d} ${usd:.5f} (отчёт ${claim:.5f})")
    for f in ["j1.json", "j2.json", "j3.json"]:
        led = json.loads((D / f).read_text(encoding="utf-8"))["ledger"]
        usd = sum(x["usd"] for x in led)
        grand += usd
        nofin = sum(1 for x in led if x.get("finish") != "stop")
        print(f"   {f:22s} вызовов={len(led)} ${usd:.5f} finish!=stop={nofin}")
    print(f"   ИТОГО ${grand:.5f} (отчёт $0.31030)")
    print("   NB: сырьё СУДЕЙ содержит только id/prompt/response — usage у них живёт лишь в леджере,")
    print("   вопреки формулировке §B0.4 «сырьё каждого вызова … usage … сохраняется целиком»")
    return 0


if __name__ == "__main__":
    raise SystemExit(main())