"""
重排序器模块

使用 Cross-Encoder 模型对检索结果进行重排序，提高检索精度。
"""

from typing import List
from langchain_core.documents import Document


class CrossEncoderReranker:
    """使用 Cross-Encoder 对检索结果重排序。"""
    
    def __init__(self, model_name: str = "BAAI/bge-reranker-base", top_n: int = 5):
        """
        初始化重排序器
        
        Args:
            model_name: 预训练模型名称
            top_n: 返回前 N 个结果
        """
        self.model_name = model_name
        self.top_n = top_n
        self.model = None
        
        # 尝试加载 Cross-Encoder 模型
        try:
            from sentence_transformers import CrossEncoder
            self.model = CrossEncoder(model_name)
        except Exception as e:
            print(f"警告: 无法加载 Cross-Encoder 模型 {model_name}，将使用简单排序作为回退方案。错误: {e}")
    
    def compress_documents(
        self, documents: List[Document], query: str
    ) -> List[Document]:
        """
        对文档进行重排序
        
        Args:
            documents: 待排序的文档列表
            query: 查询字符串
        
        Returns:
            排序后的文档列表
        """
        if not documents:
            return []
        
        # 如果模型加载失败，返回前 top_n 个文档
        if self.model is None:
            return documents[:self.top_n]
        
        # 使用 Cross-Encoder 进行重排序
        try:
            pairs = [[query, doc.page_content] for doc in documents]
            scores = self.model.predict(pairs)
            
            # 按分数降序排序
            scored_docs = sorted(
                zip(documents, scores), key=lambda x: x[1], reverse=True
            )
            return [doc for doc, _ in scored_docs[:self.top_n]]
        except Exception as e:
            print(f"警告: 重排序过程出错，将使用原始排序。错误: {e}")
            return documents[:self.top_n]