HomeAgent/internal/agent/core/mediaref_test.go

package core

import (
	"os"
	"path/filepath"
	"strings"
	"testing"
	"time"

	agentAPI "gitcode.com/JianFeeeee/HomeAgent/internal/agent/api"
	"gitcode.com/JianFeeeee/HomeAgent/internal/memory"
	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/document"
	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/media"
)

// 媒体记忆接线测试：验证媒体从对话进入 CAS、挂到 L0 事件、
// 随归档转到 L2 文档的完整链路。
//
// 核心断言不是"函数被调用了"，而是不变量：
//   1. 媒体存不进去时对话照常（它是记忆增强，不是对话必需品）
//   2. 引用转移期间内容始终可读（先挂后销，不留归零窗口）
//   3. mediaStore 为 nil 时全链路静默跳过，行为与本特性上线前一致

func newTestAgentWithMedia(t *testing.T) (*Agent, *media.Store) {
	t.Helper()
	dir := t.TempDir()
	ms, err := media.New(filepath.Join(dir, "media"), 0)
	if err != nil {
		t.Fatalf("media.New: %v", err)
	}
	t.Cleanup(func() { ms.Close() })

	emb := memory.NewStaticEmbedder()
	a := &Agent{
		mediaStore: ms,
		context:    NewRelevanceContext(filepath.Join(dir, "context.json"), emb),
	}
	a.context.SetMediaStore(ms)
	return a, ms
}

// imageBlockURL 造一个带指定 URL 的图片块。
// 名字带 URL 后缀是为了不与 modalfallback_test.go 里固定用 testPNG 的
// imageBlock() 撞名——两者用途不同：那个验回退链，这个验入库。
func imageBlockURL(dataURL string) agentAPI.ContentBlock {
	return agentAPI.ContentBlock{
		Type:     "image_url",
		ImageURL: &agentAPI.ImageURL{URL: dataURL, Detail: "auto"},
	}
}

func TestCaptureBlockMedia_StoresDataURL(t *testing.T) {
	a, ms := newTestAgentWithMedia(t)

	raw := []byte{0x89, 'P', 'N', 'G', 1, 2, 3}
	blocks := []agentAPI.ContentBlock{
		{Type: "text", Text: "看这张图"},
		imageBlockURL(media.DataURL("image/png", raw)),
	}

	digests := a.captureBlockMedia(blocks, "multimodal_see_picture")
	if len(digests) != 1 {
		t.Fatalf("应捕获 1 个媒体，实际 %d", len(digests))
	}

	got, err := ms.Get(digests[0])
	if err != nil {
		t.Fatalf("回读失败: %v", err)
	}
	if string(got) != string(raw) {
		t.Fatal("内容不一致")
	}
	it, _ := ms.Stat(digests[0])
	if it.MIME != "image/png" || it.Tool != "multimodal_see_picture" || it.Kind != media.KindImage {
		t.Fatalf("元数据不对: %+v", it)
	}
}

func TestCaptureBlockMedia_SkipsHTTPURL(t *testing.T) {
	// http(s) URL 拿不到字节就无法内容寻址；"下载它再存"会把一次对话
	// 变成一次网络请求（超时、鉴权、SSRF 全来了），不在本层解决。
	a, _ := newTestAgentWithMedia(t)

	blocks := []agentAPI.ContentBlock{
		imageBlockURL("https://example.com/x.png"),
	}
	if d := a.captureBlockMedia(blocks, "t"); len(d) != 0 {
		t.Fatalf("http URL 不该被捕获，实际 %d 个", len(d))
	}
}

func TestCaptureBlockMedia_NilStoreIsNoop(t *testing.T) {
	// mediaStore 未启用时全链路静默跳过，不能 panic 也不能报错——
	// 行为必须与本特性上线前完全一致。
	a := &Agent{}
	blocks := []agentAPI.ContentBlock{imageBlockURL(media.DataURL("image/png", []byte("x")))}
	if d := a.captureBlockMedia(blocks, "t"); d != nil {
		t.Fatalf("nil store 应返回 nil，实际 %v", d)
	}
	a.stageMediaDigests("deadbeef")
	if got := a.drainMediaDigests(); len(got) != 1 {
		t.Fatal("stage/drain 不依赖 store，应正常工作")
	}
	// bindEventMedia 对 nil store 也必须安全
	evt := &ContextEvent{}
	a.bindEventMedia(evt, []string{"deadbeef"})
	if len(evt.Media) != 0 || evt.ID != "" {
		t.Fatalf("nil store 时不该改动事件: %+v", evt)
	}
	if s := a.mediaSummaryForEvent([]string{"deadbeef"}); s != "" {
		t.Fatalf("nil store 时摘要应为空，得到 %q", s)
	}
}

func TestCaptureBlockMedia_AudioAndVideo(t *testing.T) {
	a, ms := newTestAgentWithMedia(t)

	blocks := []agentAPI.ContentBlock{
		imageBlockURL(media.DataURL("image/jpeg", []byte("frame"))),
		{Type: "audio_url", AudioURL: &agentAPI.AudioURL{URL: media.DataURL("audio/wav", []byte("sound"))}},
	}
	digests := a.captureBlockMedia(blocks, "multimodal_see_video")
	if len(digests) != 2 {
		t.Fatalf("应捕获 2 个，实际 %d", len(digests))
	}

	kinds := map[media.Kind]int{}
	for _, d := range digests {
		it, err := ms.Stat(d)
		if err != nil {
			t.Fatal(err)
		}
		kinds[it.Kind]++
	}
	if kinds[media.KindImage] != 1 || kinds[media.KindAudio] != 1 {
		t.Fatalf("大类归属不对: %v", kinds)
	}
}

func TestStageDrainMediaDigests(t *testing.T) {
	a, _ := newTestAgentWithMedia(t)

	a.stageMediaDigests("a", "b")
	a.stageMediaDigests("c")
	got := a.drainMediaDigests()
	if len(got) != 3 {
		t.Fatalf("应累积 3 个，实际 %d", len(got))
	}
	// drain 后必须清空——否则下一轮对话会把上一轮的媒体又挂一遍
	if again := a.drainMediaDigests(); again != nil {
		t.Fatalf("drain 后应为空，实际 %v", again)
	}
}

func TestBindEventMedia_CreatesIDAndRefs(t *testing.T) {
	a, ms := newTestAgentWithMedia(t)

	d, err := ms.Put([]byte("img"), media.Item{MIME: "image/png"})
	if err != nil {
		t.Fatal(err)
	}

	evt := &ContextEvent{Timestamp: time.Now(), Source: "qq", Input: "看图"}
	a.bindEventMedia(evt, []string{d})

	if evt.ID == "" {
		t.Fatal("应懒生成事件 ID")
	}
	if len(evt.Media) != 1 || evt.Media[0] != d {
		t.Fatalf("事件应记住 digest: %+v", evt.Media)
	}
	// 双向落地：CAS 侧也要知道谁在引用，否则 GC 会误删
	it, _ := ms.Stat(d)
	if it.RefCount != 1 {
		t.Fatalf("引用计数应为 1，实际 %d", it.RefCount)
	}
	refs, _ := ms.Refs(media.OwnerContext, evt.ID)
	if len(refs) != 1 {
		t.Fatalf("media_refs 应有 1 条，实际 %d", len(refs))
	}
}

func TestBindEventMedia_LazyIDOnlyWhenNeeded(t *testing.T) {
	// 绝大多数对话没有媒体，不该为它们都生成 ID 塞进 context.json
	a, _ := newTestAgentWithMedia(t)
	evt := &ContextEvent{Input: "纯文本"}
	a.bindEventMedia(evt, nil)
	if evt.ID != "" {
		t.Fatalf("无媒体时不该生成 ID，得到 %q", evt.ID)
	}
}

func TestMediaSummary_DescriptionIsThePersistentMemory(t *testing.T) {
	// 方案 C 的核心：描述文本才是持久语义记忆，blob 只是缓存。
	// blob 被容量 GC 淘汰后，描述仍留在 L0/L2/L3 的文本里可被检索。
	a, ms := newTestAgentWithMedia(t)

	d, _ := ms.Put([]byte("img"), media.Item{MIME: "image/png"})
	if s := a.mediaSummaryForEvent([]string{d}); s == "" {
		t.Fatal("未描述项也应产出一行（标注未描述）")
	}

	ms.Describe(d, "一张紫蓝红三色带图", "visionllm")
	s := a.mediaSummaryForEvent([]string{d})
	if s == "" {
		t.Fatal("应产出摘要")
	}
	if !strings.Contains(s, "紫蓝红三色带图") {
		t.Fatalf("摘要应含描述文本: %q", s)
	}
	if !strings.Contains(s, "image/png") {
		t.Fatalf("摘要应含 MIME 标注: %q", s)
	}
}

func TestPrune_TransfersMediaRefsToDocument(t *testing.T) {
	// L0→L2 归档：媒体引用从 context 事件转到归档文档，
	// 且转移期间内容必须始终可读（先挂后销，不留归零窗口）。
	dir := t.TempDir()
	ms, err := media.New(filepath.Join(dir, "media"), 0)
	if err != nil {
		t.Fatal(err)
	}
	defer ms.Close()

	emb := memory.NewStaticEmbedder()
	docStore := document.NewStore(filepath.Join(dir, "docs"))
	if err := docStore.Start(); err != nil {
		t.Fatal(err)
	}
	rc := NewRelevanceContext(filepath.Join(dir, "context.json"), emb)
	rc.SetMediaStore(ms)

	a := &Agent{mediaStore: ms, context: rc}

	// 造一张被引用的图，挂到一条会被淘汰的老事件上
	payload := []byte("archived-image")
	d, _ := ms.Put(payload, media.Item{MIME: "image/png"})
	oldEvt := ContextEvent{
		Timestamp: time.Now().Add(-time.Hour),
		Source:    "qq",
		Input:     "很久以前的一张图",
	}
	a.bindEventMedia(&oldEvt, []string{d})
	oldEvtID := oldEvt.ID
	rc.Append(oldEvt)

	// 再塞满 12 条新事件，逼 Prune 把老事件淘汰
	// （Prune 保护最近 10 条，topK 传 5 使候选全部进归档）
	for i := 0; i < 12; i++ {
		rc.Append(ContextEvent{
			Timestamp: time.Now().Add(time.Duration(i) * time.Second),
			Source:    "qq",
			Input:     "无关内容",
		})
	}

	archived := rc.Prune("完全不相关的查询", 5, docStore)
	if archived == 0 {
		t.Fatal("应有事件被归档")
	}

	// 关键断言：内容仍可读（引用被转走而非归零后被清）
	got, err := ms.Get(d)
	if err != nil {
		t.Fatalf("归档后内容应仍可读: %v", err)
	}
	if string(got) != string(payload) {
		t.Fatal("内容被改")
	}

	it, err := ms.Stat(d)
	if err != nil {
		t.Fatal(err)
	}
	if it.RefCount < 1 {
		t.Fatalf("引用应转移而非归零，实际 refcount=%d", it.RefCount)
	}
	// 原 context 引用应已注销
	if refs, _ := ms.Refs(media.OwnerContext, oldEvtID); len(refs) != 0 {
		t.Fatalf("原事件引用应已注销，仍有 %d 条", len(refs))
	}
	// 应挂到某个 document owner 上
	var docOwned bool
	docs := docStore.RecentDocs(10)
	for _, doc := range docs {
		if refs, _ := ms.Refs(media.OwnerDocument, doc.ID); len(refs) > 0 {
			docOwned = true
			break
		}
	}
	if !docOwned {
		t.Fatal("引用应已挂到归档文档上")
	}
}

func TestPrune_NilMediaStoreStillArchives(t *testing.T) {
	// 媒体存储未启用时归档链路必须照常工作
	dir := t.TempDir()
	emb := memory.NewStaticEmbedder()
	docStore := document.NewStore(filepath.Join(dir, "docs"))
	if err := docStore.Start(); err != nil {
		t.Fatal(err)
	}
	rc := NewRelevanceContext(filepath.Join(dir, "context.json"), emb)
	// 刻意不 SetMediaStore

	for i := 0; i < 15; i++ {
		rc.Append(ContextEvent{
			Timestamp: time.Now().Add(time.Duration(i) * time.Second),
			Source:    "qq",
			Input:     "内容",
		})
	}
	if n := rc.Prune("查询", 5, docStore); n == 0 {
		t.Fatal("无媒体存储时归档也应正常")
	}
}

func TestContextEvent_MediaFieldRoundTrip(t *testing.T) {
	// context.json 加字段必须向后兼容：存量文件读回来 Media 为空、ID 为空，
	// 不影响任何既有行为。
	dir := t.TempDir()
	path := filepath.Join(dir, "context.json")

	// 写一份"存量格式"（无 id / media 字段）
	legacy := `[{"timestamp":"2026-09-04T10:00:00Z","source":"qq","input":"老数据","response":"回复"}]`
	if err := os.WriteFile(path, []byte(legacy), 0644); err != nil {
		t.Fatal(err)
	}

	emb := memory.NewStaticEmbedder()
	rc := NewRelevanceContext(path, emb)
	if rc.Len() != 1 {
		t.Fatalf("应读回 1 条，实际 %d", rc.Len())
	}

	// 新写入带媒体的事件，再读回
	ms, err := media.New(filepath.Join(dir, "media"), 0)
	if err != nil {
		t.Fatal(err)
	}
	defer ms.Close()
	a := &Agent{mediaStore: ms, context: rc}
	d, _ := ms.Put([]byte("img"), media.Item{MIME: "image/png"})
	evt := ContextEvent{Timestamp: time.Now(), Source: "qq", Input: "新数据"}
	a.bindEventMedia(&evt, []string{d})
	rc.Append(evt)
	rc.flush()

	rc2 := NewRelevanceContext(path, emb)
	if rc2.Len() != 2 {
		t.Fatalf("应有 2 条，实际 %d", rc2.Len())
	}
}