#!/usr/bin/env node
/**
 * 审计「手工要补哪些字段」的差集（**按真实形状实测**，不按分支标签枚举）。
 *
 * ## 为什么需要它
 *
 * 判断差集的方法（pi 提出、dsh 机械枚举过）是：
 *
 *     手工要补的 = 校验器要求 − 迁移器自愈
 *
 * 但「迁移器自愈」有两层，只读**分支标签**会算错：
 *
 *   1. `normalizeLegacyMessage()` 里有那个 `case`（分支存在）
 *   2. 那个 `case` 的**守卫**对**你手上的形状**放行（分支真的会执行）
 *
 * 第 2 层才是决定性的。实测：`assistant/message`、`tool/result` 都有 heal 分支，
 * 但它们的守卫是
 *
 *     if (Object.hasOwn(data,"message") || …) return event;   // 有 message 键 ⇒ 早退
 *
 * 而真实 v0 里这两个事件**都是嵌套 `message` 形状**（109 个文件里扁平旧形状出现 **0** 次）
 * ⇒ 守卫必命中 ⇒ **不会 heal**。所以按分支标签算出来的差集是漏的。
 *
 * ## 本脚本的做法
 *
 * 不看代码、不看标签，直接对**真实 v0** 做消融实验：
 * 把某个位置的消息剥成「无 id」形状，跑官方迁移链，看是否被拒绝。
 * **拒绝 ⇒ 该位置在差集里**（校验要 id、迁移器不给）—— 这正是"要不要手工补"的定义。
 *
 * 对照组（脚本自己跑，缺一不可）：
 *   - 不动任何东西        ⇒ 必须 OK（证明方法不误报）
 *   - `user/message` 剥空 ⇒ 必须 OK（证明确有自愈，不是"什么都拒绝"）
 *
 * 用法：
 *   node scripts/audit-v0-id-diffset.mjs                # 默认扫 /root/.dsh/sessions
 *   node scripts/audit-v0-id-diffset.mjs --root <dir>
 *
 * 退出码：0 = 扫描完成（**不**因发现差集成员而失败，那是正常结论）；2 = 环境/参数问题。
 */

import { execFileSync } from 'node:child_process';
import { readdirSync, statSync, mkdtempSync, rmSync } from 'node:fs';
import { join } from 'node:path';
import { tmpdir } from 'node:os';

const DS = process.env.DSH_INSTALL ?? '/usr/lib/node_modules/@deepseek-ai/dsh';
const { sessionFormatCatalog } = await import(
  join(DS, 'node_modules/@deepseek-ai/dsh-session-format-catalog/lib/index.js')
);

const argv = process.argv.slice(2);
const argOf = (f, d) => { const i = argv.indexOf(f); return i >= 0 && argv[i + 1] ? argv[i + 1] : d; };
const ROOT = argOf('--root', '/root/.dsh/sessions');
const PROD = { recovery: 'recoverable', validation: 'transformed' };
const clone = (o) => structuredClone(o);

const readLines = (p) =>
  execFileSync('zstd', ['-dc', p], { maxBuffer: 1 << 30 }).toString('utf8')
    .split('\n').filter((l) => l.trim().length);

/** 生产档迁移：能过就是「无需手工补」。 */
function readable(header, events) {
  try {
    const r = sessionFormatCatalog.createRestore(clone(header), PROD);
    for (const e of clone(events)) r.decodeRow(e);
    r.finish();
    return true;
  } catch { return false; }
}

/**
 * 每个「message 承载位置」：匹配函数 + 消融函数（把该位置剥成无 id/role 形状）。
 * 位置按**真实 v0 形状**给，不是按代码分支名。
 */
const SITES = {
  'agent/inbox/spliced :: inserted[]': {
    match: (e) => e.type === 'agent/inbox/spliced' && e.data.inserted?.[0] && 'id' in e.data.inserted[0],
    ablate: (d) => { delete d.inserted[0].id; delete d.inserted[0].role; },
  },
  'session/title-llm-request :: messages[]': {
    match: (e) => e.type === 'session/title-llm-request' && e.data.messages?.[0] && 'id' in e.data.messages[0],
    ablate: (d) => { delete d.messages[0].id; delete d.messages[0].role; },
  },
  'assistant/message :: data.message': {
    match: (e) => e.type === 'assistant/message' && e.data.message && 'id' in e.data.message,
    ablate: (d) => { delete d.message.id; delete d.message.role; },
  },
  'tool/result :: data.message': {
    match: (e) => e.type === 'tool/result' && e.data.message && 'id' in e.data.message,
    ablate: (d) => { delete d.message.id; delete d.message.role; },
  },
  'user/message :: data': {
    match: (e) => e.type === 'user/message',
    ablate: (d) => { delete d.id; delete d.role; },
  },
};

/** 递归收集 <store>/<id>/session.jsonl.zstd */
function* walk(dir) {
  for (const n of readdirSync(dir)) {
    const p = join(dir, n);
    if (statSync(p).isDirectory()) yield* walk(p);
    else if (n === 'session.jsonl.zstd') yield p;
  }
}

const stat = {};
for (const k of Object.keys(SITES)) stat[k] = { tested: 0, refused: 0 };

let files = 0, skipped = 0, ctrlNoAb = 0, ctrlUserHealed = 0;

for (const path of walk(ROOT)) {
  let lines, header;
  try { lines = readLines(path); header = JSON.parse(lines[0]); } catch { skipped++; continue; }
  if (header.version !== 0) { skipped++; continue; }
  files++;

  let events = lines.slice(1).map((l) => JSON.parse(l));

  // 基线：先补掉 spliced（否则基线就不可读，测不出别的位置）
  let n = 0;
  events = events.map((e) => {
    if (e.type !== 'agent/inbox/spliced') return e;
    const inserted = (e.data.inserted ?? []).map((m) => {
      if ('id' in m && 'role' in m) return m;
      n++; return { id: `baseline-${e.seq}-${n}`, role: 'user', ...m };
    });
    return { ...e, data: { ...e.data, inserted } };
  });

  if (!readable(header, events)) { skipped++; continue; }
  ctrlNoAb++;   // 对照一：不动任何东西 ⇒ 可读

  // 对照二：user/message 剥空必须仍可读（证明确有自愈）
  {
    const i = events.findIndex(SITES['user/message :: data'].match);
    if (i >= 0) {
      const e2 = clone(events);
      SITES['user/message :: data'].ablate(e2[i].data);
      if (readable(header, e2)) ctrlUserHealed++;
    }
  }

  for (const [label, { match, ablate }] of Object.entries(SITES)) {
    const i = events.findIndex(match);
    if (i < 0) continue;
    const e2 = clone(events);
    ablate(e2[i].data);
    stat[label].tested++;
    if (!readable(header, e2)) stat[label].refused++;
  }
}

console.log(`root: ${ROOT}`);
console.log(`v0 文件: ${files}（跳过 ${skipped}：解压失败/非 v0/基线不可读）\n`);
console.log('=== 对照组（方法有效性）===');
console.log(`  不动任何东西 ⇒ 可读的基线: ${ctrlNoAb}`);
console.log(`  user/message 剥 id+role 后仍可读（= 确有自愈）: ${ctrlUserHealed}`);
if (ctrlNoAb === 0) { console.error('\n[FAIL] 没有可读基线，结论无效'); process.exit(2); }
if (ctrlUserHealed === 0) { console.error('\n[FAIL] 自愈对照未成立，方法可能有问题'); process.exit(2); }

console.log('\n=== 逐位置消融：剥掉 id(+role) 后是否被拒绝 ===');
console.log('  位置'.padEnd(42), '样本   拒绝   判定');
const members = [];
for (const [label, v] of Object.entries(stat)) {
  let verdict;
  if (v.tested === 0) verdict = '(无样本)';
  else if (v.refused === v.tested) { verdict = '★ 差集成员（要手工补）'; members.push(label); }
  else if (v.refused === 0) verdict = '自愈侧（无需补）';
  else verdict = `混合（${v.refused}/${v.tested}）—— 需按形状细分`;
  console.log('  ' + label.padEnd(40), String(v.tested).padStart(4), String(v.refused).padStart(6), '  ' + verdict);
}

console.log(`\n=== 差集（校验要 id、迁移器不给 ⇒ 必须手工补）共 ${members.length} 个位置 ===`);
for (const m of members) console.log('  • ' + m);
console.log('\n注意：这是**按真实形状实测**的结果，比按代码分支标签枚举更可靠 ——');
console.log('分支存在 ≠ 分支会对你的形状执行（守卫可能早退）。');