capcut-agent/capcut_agent/recommend.py

"""컷별 댓글 추천 — 자동 탭 검토 화면용.

왜 별도 모듈인가: 배정 규칙(타임스탬프 우선·중복 제거·모드 분기)은 댓글 수집
(`comments.py`)과도, HTTP 처리(`server/app.py`)와도 책임이 다르다. 순수 함수로 떼어놔야
Gemini 없이 단위 검증이 된다.

설계 근거는 docs/superpowers/specs/2026-08-04-컷별-댓글-추천-design.md.
"""
from __future__ import annotations

import json
import urllib.request
from typing import Dict, List, Optional

from . import prompts
from .comments import MAX_TIMES, match_ranges, match_slots, top_liked
from .correct import _gemini_key

# 카드 1장이 차지하는 기준 시간(초). pipeline._load_comment_cards(min_sec) 과 같은 값.
CARD_SEC = 3.0


def quotas_for(cuts) -> List[int]:
    """컷별 카드 장수 — max(1, round(컷길이 / CARD_SEC)). 짧은 컷도 최소 1장."""
    return [max(1, round((c["end"] - c["start"]) / CARD_SEC)) for c in cuts]


def build_cut_picks(cuts, comments, ai_picks: Optional[Dict[int, List[int]]],
                    quotas) -> List[List[dict]]:
    """컷별 추천 확정 — 타임스탬프 우선, 남는 자리만 AI, 전 컷 통틀어 중복 금지.

    타임스탬프가 AI보다 먼저인 이유: 그 컷의 **원본 구간**을 콕 집어 언급한 댓글은
    근거가 확실하다. 추측(AI)을 이기게 둘 이유가 없다.
    중복은 앞 컷이 가져간다(뒤 컷은 다음 후보로 밀린다).

    ai_picks: {컷인덱스: [댓글idx …]} — Gemini 실패 시 None/{} 어느 쪽을 넘겨도
      타임스탬프만으로 채운다(`ai_pick_cuts` 는 실패를 None 으로 알린다).
    Returns: 컷별 [{"idx": int, "why": "ts"|"ai"}]
    """
    ai_picks = ai_picks or {}
    valid = {c["idx"] for c in comments}
    used: set = set()
    out: List[List[dict]] = []
    for i, cut in enumerate(cuts):
        quota = quotas[i] if i < len(quotas) else 0
        picks: List[dict] = []
        for idx in match_ranges(comments, [(cut["start"], cut["end"])]):
            if len(picks) >= quota:
                break
            if idx not in used:
                picks.append({"idx": idx, "why": "ts"})
                used.add(idx)
        for idx in (ai_picks.get(i) or []):
            if len(picks) >= quota:
                break
            if idx in valid and idx not in used:
                picks.append({"idx": idx, "why": "ai"})
                used.add(idx)
        out.append(picks)
    return out


# Gemini에 넘길 댓글 후보 수. 더 늘려도 채택률이 안 오르고 토큰만 먹는다.
AI_CANDIDATES = 150
TEXT_CAP = 200          # 댓글 본문 절단 길이
AI_MODEL = "gemini-2.5-flash"   # correct.py 와 같은 무료 티어 모델
_ENDPOINT = ("https://generativelanguage.googleapis.com/v1beta/models/"
             "{model}:generateContent?key={key}")

_SCHEMA = {"type": "array", "items": {"type": "object", "properties": {
    "cut": {"type": "integer"},
    "picks": {"type": "array", "items": {"type": "integer"}}},
    "required": ["cut", "picks"]}}


def _candidate_lines(comments, limit: int = AI_CANDIDATES) -> str:
    """Gemini에 줄 댓글 후보 — 목차 댓글 제외, 좋아요순 상위 limit, 본문 절단."""
    usable = [c for c in comments if len(c.get("times") or []) <= MAX_TIMES]
    usable.sort(key=lambda c: -c.get("likeCount", 0))
    out = []
    for c in usable[:limit]:
        text = " ".join(str(c.get("text") or "").split())[:TEXT_CAP]
        out.append(f"{c['idx']}. 👍{c.get('likeCount', 0)} / {text}")
    return "\n".join(out)


def _cut_lines(cuts) -> str:
    """컷 목록 — 번호·길이·자막. 자막이 추천의 유일한 근거다."""
    out = []
    for i, c in enumerate(cuts):
        bottom = " ".join(str(c.get("bottom") or "").split()) or "(자막 없음)"
        effect = " ".join(str(c.get("effect") or "").split())
        line = f"{i}. ({c['end'] - c['start']:.1f}초) {bottom}"
        if effect:
            line += f"  [효과자막: {effect}]"
        out.append(line)
    return "\n".join(out)


def _parse_ai(raw: str) -> Dict[int, List[int]]:
    """Gemini 응답(문자열) → {컷인덱스: [댓글idx …]}. 형식이 어긋나면 {}.

    ⚠ 여기서는 '깨진 응답'과 '아무것도 안 고름'이 둘 다 {} 다. 둘을 구분해야 하는
    호출부(`ai_pick_cuts`)는 json.loads 를 직접 하고 `_rows_to_picks()` 를 쓴다.
    """
    try:
        data = json.loads(raw)
    except (json.JSONDecodeError, TypeError):
        return {}
    if not isinstance(data, list):
        return {}
    return _rows_to_picks(data)


def _rows_to_picks(data: list) -> Dict[int, List[int]]:
    """파싱된 배열 → {컷인덱스: [댓글idx …]}. 형식이 어긋난 항목은 조용히 버린다."""
    out: Dict[int, List[int]] = {}
    for row in data:
        if not isinstance(row, dict):
            continue
        cut, picks = row.get("cut"), row.get("picks")
        if not isinstance(cut, int) or isinstance(cut, bool):
            continue
        if not isinstance(picks, list):
            continue
        idxs = [p for p in picks if isinstance(p, int) and not isinstance(p, bool)]
        if idxs:
            out[cut] = idxs
    return out


def ai_pick_cuts(cuts, comments, quotas, *, model: str = AI_MODEL,
                 key=None, timeout: float = 90.0) -> Optional[Dict[int, List[int]]]:
    """컷 자막으로 컷별 추천을 받는다. **예외를 올리지 않는다** — 호출부가 폴백한다.

    Returns:
      - dict — 성공(빈 dict 도 성공: "어울리는 게 없다"는 정상 답이다). 키가 없어도
        {} — 키 없이 쓰는 것도 정상 사용이라 실패로 치지 않는다.
      - None — **실패**. HTTP·타임아웃·응답 파싱·프롬프트 치환 오류.
        화면에 "AI 추천 실패" 경고를 띄우려면 이 둘을 구분해야 한다
        (실패해도 타임스탬프 배정은 그대로 돌아가서 겉보기엔 멀쩡하다).

    plan.py._call() 은 parts[0] 에 영상 fileData 가 항상 들어가 재사용할 수 없다.
    correct.py 의 텍스트 전용 호출 패턴(responseSchema + 실패 시 안전 반환)을 따른다.
    """
    key = key if key is not None else _gemini_key()
    if not key or not cuts or not comments:
        return {}                                  # 부를 이유가 없다 — 실패가 아니다
    k = max(quotas) + 2 if quotas else 3          # 갈아끼울 여유분
    try:
        prompt = prompts.load_recommend().format(
            cuts=_cut_lines(cuts), comments=_candidate_lines(comments), k=k)
    except (KeyError, IndexError, ValueError, OSError):       # 사용자가 프롬프트를 깨뜨린 경우
        return None
    body = {
        "contents": [{"parts": [{"text": prompt}]}],
        "generationConfig": {"temperature": 0.3,
                             "responseMimeType": "application/json",
                             "responseSchema": _SCHEMA},
    }
    req = urllib.request.Request(
        _ENDPOINT.format(model=model, key=key),
        data=json.dumps(body).encode("utf-8"),
        headers={"Content-Type": "application/json"})
    try:
        with urllib.request.urlopen(req, timeout=timeout) as resp:
            data = json.loads(resp.read().decode("utf-8"))
        raw = data["candidates"][0]["content"]["parts"][0]["text"]
    except (KeyError, IndexError, json.JSONDecodeError, ValueError,
            OSError):  # URLError, TimeoutError are OSError subclasses; ValueError covers UnicodeDecodeError
        return None                                # 429 포함 — 폴백은 호출부 몫
    try:
        rows = json.loads(raw)
    except (json.JSONDecodeError, TypeError):
        return None                                # 응답이 JSON 이 아니다 = 실패
    if not isinstance(rows, list):
        return None                                # 스키마와 다른 모양 = 실패
    return _rows_to_picks(rows)


def is_whole(cuts) -> bool:
    """통짜 하이라이트인가 — 컷 1개 + 자막 없음(app._whole_hl 이 만드는 모양).

    통짜는 자막이 없어 내용 추천의 근거가 없다. 대신 타임라인 시각 = 원본 시각이라
    시각으로 정확히 맞출 수 있다(스펙 §4.1).
    """
    return len(cuts) == 1 and not (cuts[0].get("bottom") or "").strip()


def _whole_picks(cut, comments, n: int) -> List[dict]:
    """통짜 — 슬롯마다 그 시간대 언급 댓글, 빈 슬롯은 좋아요 상위로 메움."""
    slots = match_slots(comments, cut["start"], cut["end"] - cut["start"], n)
    used = {i for i in slots if i is not None}
    no_ts = [c for c in comments if not c.get("times")]
    fill = iter(top_liked(no_ts, used, n))
    out: List[dict] = []
    for s in slots:
        if s is not None:
            out.append({"idx": s, "why": "ts"})
            continue
        nxt = next(fill, None)
        if nxt is not None:
            out.append({"idx": nxt, "why": "like"})
    return out


def build_highlight_cuts(hl, comments, *, key=None):
    """하이라이트 하나 → (cuts[], need, ai_failed). 모드는 컷 모양으로 판별한다.

    Returns: ([{"i","sec","bottom","quota","picks"}], need, ai_failed)
      need = Σ quota — 기존 int(total//3) 을 대체한다(컷 경계에 맞추는 쪽이 맞다).
      ai_failed = Gemini 호출이 **실패**했는가(429·타임아웃·파싱). 통짜 모드는 Gemini 를
        안 부르므로 항상 False. 호출부는 이 값으로만 경고를 띄운다 — 실패해도 cuts 는
        타임스탬프만으로 채워져 비지 않으므로, cuts 가 비었는지로는 실패를 알 수 없다.
    Gemini 실패는 여기서 흡수된다(ai_pick_cuts 가 None 을 준다) — 예외를 올리지 않는다.
    """
    cuts = (hl.get("paste") or {}).get("cuts") or []
    if not cuts:
        return [], 0, False
    quotas = quotas_for(cuts)
    ai_failed = False
    if is_whole(cuts):
        picks = [_whole_picks(cuts[0], comments, quotas[0])]
    else:
        ai = ai_pick_cuts(cuts, comments, quotas, key=key)
        ai_failed = ai is None
        picks = build_cut_picks(cuts, comments, ai, quotas)
    out = [{"i": i, "sec": round(c["end"] - c["start"], 1),
            "bottom": c.get("bottom") or "", "quota": quotas[i], "picks": picks[i]}
           for i, c in enumerate(cuts)]
    return out, sum(quotas), ai_failed