"""최저가 코어 파이프라인.

검색 결과(NormalizedProduct[]) → 필터 → 이상치 제거 → 정렬 → top-N 최저가.
각 STAGE 의 in/out 건수를 기록해 관측성을 확보한다(레퍼런스 pipeline_log 패턴 계승).

AI 유사도 판정(같은 상품인지)은 키 준비 시 이 사이(이상치 제거 뒤, top-N 앞)에 끼운다 —
지금은 슬롯만 비워두고 규칙 매칭을 하지 않는다(고정 파서 취약성 회피).
"""

from services.search.contract import NormalizedProduct
from services.pipeline.filters import keep_only_mall, filter_out_malls, filter_by_price_band
from services.pipeline.outliers import remove_price_outliers


def run_price_pipeline(
    products: list[NormalizedProduct],
    *,
    base_price: int | None = None,
    keep_mall: str | None = None,
    banned_malls=(),
    band_tolerance: float = 0.7,
    remove_outliers: bool = True,
    top_n: int = 5,
) -> dict:
    stages: list[dict] = []
    cur = list(products)

    def stage(name: str, before: list, after: list):
        stages.append({"stage": name, "in": len(before), "out": len(after)})

    # 1) mall 필터 (쿠팡 단독이면 사실상 no-op, 네이버 결합 시 오픈마켓 정리용)
    if keep_mall:
        before = cur
        cur = keep_only_mall(cur, keep_mall)
        stage("keep_mall", before, cur)
    elif banned_malls:
        before = cur
        cur = filter_out_malls(cur, banned_malls)
        stage("filter_out_malls", before, cur)

    # 2) 가격 밴드 (요청 현재가 기준 targeted 컷)
    if base_price:
        before = cur
        cur = filter_by_price_band(cur, base_price, band_tolerance)
        stage("price_band", before, cur)

    # 3) 이상치 제거 (IQR)
    if remove_outliers:
        before = cur
        cur, _ = remove_price_outliers(cur)
        stage("outlier", before, cur)

    # (AI 유사도 판정 슬롯 — 키 준비 시 여기)

    # 4) 최저가순 정렬 + top-N
    ranked = sorted(cur, key=lambda p: p.price)
    top = ranked[:top_n]
    stage("top_n", ranked, top)

    return {
        "total_found": len(products),
        "kept": len(ranked),
        "lowest": top[0].model_dump() if top else None,
        "top": [p.model_dump() for p in top],
        "stages": stages,
    }