#!/usr/bin/env python3
# =============================================================================
# Job·Ka — Groupe KA
# Auteur  : Simon-Pierre Boucher
# Contact : contact@spboucher.ai
# Fichier : scripts/classify_sectors.py
# Rôle    : Remplit `sectors` (1-2 étiquettes FR du vocabulaire existant) des
#           entrées d'un feeds-*.json qui n'en ont pas — lots de 40 via l'API
#           Anthropic (claude-haiku), écrit le fichier en place
# Créé    : 2026-08-23   Modifié : 2026-08-23
# =============================================================================
"""Usage : ANTHROPIC_API_KEY=… python3 scripts/classify_sectors.py FEEDS.json"""
from __future__ import annotations

import json
import os
import sys
from pathlib import Path

import requests

VOCAB = ["TI", "Santé", "Commerce de détail", "Secteur public", "Finance",
         "Ingénierie", "Fabrication", "Immobilier", "Assurance",
         "Agroalimentaire", "Jeux vidéo", "Énergie", "Création",
         "Aéronautique", "Placement", "Conseil", "Éducation", "Logistique",
         "Services", "Transport", "Construction", "Pharmaceutique",
         "Divertissement", "Recherche", "Automobile", "SaaS", "Marketing",
         "Distribution", "Médias", "Animation", "Restauration", "IA",
         "Pâtes et papiers", "Services sociaux", "Mode", "Web",
         "Effets visuels", "Administration", "Publicité", "Hôtellerie",
         "Mines", "Ventes", "Gestion immobilière", "Sport", "Juridique",
         "Télécommunications", "Fintech", "Voyage", "Données", "Biotechnologie",
         "Environnement", "Sécurité", "Ressources humaines", "Tourisme",
         "Arts", "Musique", "Camionnage", "Foresterie", "Métallurgie"]

API = "https://api.anthropic.com/v1/messages"
MODEL = "claude-haiku-4-5-20251001"


def classify(names: list[str], key: str) -> dict[str, list[str]]:
    prompt = (
        "Voici des employeurs (surtout québécois/canadiens). Pour chacun, "
        "donne 1 ou 2 secteurs d'activité, choisis STRICTEMENT dans ce "
        "vocabulaire :\n" + ", ".join(VOCAB) +
        "\n\nRéponds UNIQUEMENT avec un objet JSON "
        '{"Nom employeur": ["Secteur", ...], ...} — aucun autre texte.\n\n'
        + "\n".join(f"- {n}" for n in names))
    r = requests.post(API, timeout=120, headers={
        "x-api-key": key, "anthropic-version": "2023-06-01",
        "content-type": "application/json"},
        json={"model": MODEL, "max_tokens": 4000,
              "messages": [{"role": "user", "content": prompt}]})
    r.raise_for_status()
    txt = r.json()["content"][0]["text"].strip()
    if txt.startswith("```"):
        txt = txt.strip("`").lstrip("json").strip()
    return json.loads(txt)


def main() -> None:
    key = os.environ.get("ANTHROPIC_API_KEY")
    if not key:
        sys.exit("ANTHROPIC_API_KEY manquant")
    path = Path(sys.argv[1])
    feeds = json.loads(path.read_text(encoding="utf-8"))
    todo = [f for f in feeds if not f.get("sectors")]
    print(f"[secteurs] {len(todo)} employeurs à classifier")
    for i in range(0, len(todo), 40):
        batch = todo[i:i + 40]
        try:
            got = classify([f["employer"] for f in batch], key)
        except Exception as exc:
            print(f"  ! lot {i}: {exc}")
            continue
        for f in batch:
            secs = got.get(f["employer"]) or []
            f["sectors"] = [s for s in secs if s in VOCAB][:2]
        print(f"  lot {i // 40 + 1}: {len(got)} classés")
    path.write_text(json.dumps(feeds, ensure_ascii=False, indent=1) + "\n",
                    encoding="utf-8")
    missing = sum(1 for f in feeds if not f.get("sectors"))
    print(f"[secteurs] terminé — {missing} sans secteur")


if __name__ == "__main__":
    main()