"""
app/services/embeddings_client.py — Text→Embedding (WP-04)

Zweck:
    Liefert 384-d Embeddings für Textqueries (lazy load, einmal pro Prozess).
    Standard: Sentence-Transformers (MODEL_NAME aus app.config.Settings).
    Hinweis: Kein Netz-Zugriff; nutzt lokal installierte Modelle.
Kompatibilität:
    Python 3.12+, sentence-transformers 5.x
Version:
    0.1.0  (Erstanlage)
Stand:
    2025-10-07
Bezug:
    - app/core/retriever.py (nutzt embed_text_if_needed)
    - app/config.py (MODEL_NAME, VECTOR_SIZE)
Nutzung:
    from app.services.embeddings_client import embed_text
Änderungsverlauf:
    0.1.0 (2025-10-07) – Erstanlage.
"""

from __future__ import annotations
from typing import List
from functools import lru_cache
from app.config import get_settings

# Lazy import, damit Testläufe ohne Modell-Laden schnell sind
def _load_model():
    from sentence_transformers import SentenceTransformer  # import hier, nicht top-level
    s = get_settings()
    return SentenceTransformer(s.MODEL_NAME, device="cpu")

@lru_cache(maxsize=1)
def _cached_model():
    return _load_model()

def embed_text(text: str) -> List[float]:
    """
    Erzeugt einen 384-d Vektor (oder laut Settings.VECTOR_SIZE) für den gegebenen Text.
    """
    if not text or not text.strip():
        raise ValueError("embed_text: leerer Text")
    model = _cached_model()
    vec = model.encode([text], normalize_embeddings=True)[0]
    return vec.astype(float).tolist()