"""
Causal Inference Agent CLI

命令行入口，支持直接对数据文件执行因果推断分析。
"""

import argparse
import json
import os
import sys

from causal_agent.agent import CausalInferenceAgent
from causal_agent.core.config import AgentConfig


def main():
    parser = argparse.ArgumentParser(
        description="通用因果推断 Agent",
        formatter_class=argparse.RawDescriptionHelpFormatter,
        epilog="""
示例:
  python -m causal_agent --data data.csv --output report.json
  python -m causal_agent --data data.xlsx --model qwen3.5-35b
  python -m causal_agent --data data.csv --prompt "分析教育干预对成绩的影响"
        """,
    )
    parser.add_argument("--data", "-d", required=True, help="数据文件路径")
    parser.add_argument("--output", "-o", help="报告输出 JSON 文件路径")
    parser.add_argument("--prompt", "-p", help="自定义分析提示词")
    parser.add_argument("--base-url", help="LLM API Base URL")
    parser.add_argument("--model", help="LLM 模型名称")
    parser.add_argument("--temperature", type=float, help="LLM 温度参数")
    parser.add_argument("--log-path", help="日志文件路径")
    parser.add_argument("--corr-threshold", type=float, help="相关性筛查阈值")

    args = parser.parse_args()

    if not os.path.exists(args.data):
        print(f"错误：数据文件不存在：{args.data}", file=sys.stderr)
        sys.exit(1)

    # 构建配置
    config = AgentConfig.from_env()
    if args.base_url:
        config.llm_base_url = args.base_url
    if args.model:
        config.llm_model = args.model
    if args.temperature is not None:
        config.llm_temperature = args.temperature
    if args.log_path:
        config.log_path = args.log_path
    if args.corr_threshold is not None:
        config.corr_threshold = args.corr_threshold

    agent = CausalInferenceAgent(config)
    result = agent.analyze(args.data, custom_prompt=args.prompt)

    if args.output:
        with open(args.output, "w", encoding="utf-8") as f:
            json.dump(result["report"], f, ensure_ascii=False, indent=2)
        print(f"\n报告已保存到：{args.output}")

    print("\n分析完成！")


if __name__ == "__main__":
    main()