"""
BM25 稀疏嵌入器
基于 FastEmbed 的 Qdrant/bm25 模型，完全离线运行
"""
from typing import List
from fastembed.sparse.sparse_text_embedding import SparseTextEmbedding
from .config import FASTEMBED_CACHE_PATH

class BM25SparseEmbedder:
    """BM25 稀疏嵌入包装器，与现有嵌入器风格统一"""

    def __init__(self):
        self.model = SparseTextEmbedding(
            model_name="Qdrant/bm25",
            cache_dir=FASTEMBED_CACHE_PATH,
            local_files_only=True,  # 强制离线，永不联网
        )

    def embed_documents(self, texts: List[str]) -> List[dict]:
        """返回稀疏向量列表，每个为 Qdrant 兼容的 dict（indices+values）"""
        return [vec.as_object() for vec in self.model.embed(texts)]

    def embed_query(self, text: str) -> dict:
        """返回单个稀疏向量"""
        return list(self.model.embed([text]))[0].as_object()

# 全局单例
_sparse_embedder_instance = None

def get_sparse_embedder() -> BM25SparseEmbedder:
    global _sparse_embedder_instance
    if _sparse_embedder_instance is None:
        _sparse_embedder_instance = BM25SparseEmbedder()
    return _sparse_embedder_instance