"""
FILE: app/core/graph/graph_db_adapter.py
DESCRIPTION: Datenbeschaffung aus Qdrant für den Graphen.
             AUDIT v1.1.1: Volle Unterstützung für WP-15c Metadaten.
             Stellt sicher, dass 'target_section' und 'provenance' für die 
             Super-Edge-Aggregation im Retriever geladen werden.
"""
from typing import List, Dict, Optional
from qdrant_client import QdrantClient
from qdrant_client.http import models as rest

# Nutzt die zentrale Infrastruktur für konsistente Collection-Namen (WP-14)
from app.core.database import collection_names

def fetch_edges_from_qdrant(
    client: QdrantClient,
    prefix: str,
    seeds: List[str],
    edge_types: Optional[List[str]] = None,
    limit: int = 2048,
) -> List[Dict]:
    """
    Holt Edges aus der Datenbank basierend auf Seed-IDs.
    WP-15c: Erhält alle Metadaten für das Note-Level Diversity Pooling.
    """
    if not seeds or limit <= 0:
        return []

    # Konsistente Namensauflösung via database-Paket
    # Rückgabe: (notes_col, chunks_col, edges_col)
    _, _, edges_col = collection_names(prefix)

    # Wir suchen Kanten, bei denen die Seed-IDs entweder Quelle, Ziel oder Kontext-Note sind.
    seed_conditions = []
    for field in ("source_id", "target_id", "note_id"):
        for s in seeds:
            seed_conditions.append(
                rest.FieldCondition(key=field, match=rest.MatchValue(value=str(s)))
            )
    seeds_filter = rest.Filter(should=seed_conditions) if seed_conditions else None

    # Optionaler Filter auf spezifische Kanten-Typen (z.B. für Intent-Routing)
    type_filter = None
    if edge_types:
        type_conds = [
            rest.FieldCondition(key="kind", match=rest.MatchValue(value=str(k)))
            for k in edge_types
        ]
        type_filter = rest.Filter(should=type_conds)

    must = []
    if seeds_filter: 
        must.append(seeds_filter)
    if type_filter: 
        must.append(type_filter)
    
    flt = rest.Filter(must=must) if must else None

    # Abfrage via Qdrant Scroll API
    # WICHTIG: with_payload=True lädt alle Metadaten (target_section, provenance etc.)
    pts, _ = client.scroll(
        collection_name=edges_col,
        scroll_filter=flt,
        limit=limit,
        with_payload=True,
        with_vectors=False,
    )

    # Wir geben das vollständige Payload zurück, damit der Retriever 
    # alle Signale für die Super-Edge-Aggregation und das Scoring hat.
    return [dict(p.payload) for p in pts if p.payload]