Text_Agent/agenten/llama-claim-extractor.ts

/**
 * llama-claim-extractor.ts
 * Pi-Extension + CLI: Einzelbehauptungen aus Texten extrahieren via lokalem llama.cpp
 *
 * Als Pi-Extension: ~/.pi/agent/extensions/llama-claim-extractor.ts
 * Nach Änderungen in Pi: /reload
 *
 * Als CLI:
 *   npx tsx agenten/llama-claim-extractor.ts "Textinhalt..."
 *   npx tsx agenten/llama-claim-extractor.ts --file artikel.txt
 *   npx tsx agenten/llama-claim-extractor.ts --only-checkable --file artikel.txt
 *   npx tsx agenten/llama-claim-extractor.ts --json "..."  (nur JSON-Ausgabe)
 *
 * llama.cpp-Server starten:
 *   llama-server --model <modell.gguf> --host 0.0.0.0 --port 8000 -c 8192
 *
 * Hinweis: llama.cpp verwendet das OpenAI-kompatible API-Format (/v1/chat/completions).
 */

import type { ExtensionAPI } from "@mariozechner/pi-coding-agent";
import { Type } from "@sinclair/typebox";
import { fileURLToPath } from "node:url";
import { readFile } from "node:fs/promises";
import { createLogger, nullLogger, type Logger } from "../lib/logger.js";

// ---------------------------------------------------------------------------
// Typen
// ---------------------------------------------------------------------------

export type ClaimType = "fact" | "causal" | "statistical" | "quote" | "prediction" | "opinion";
export type Checkability = "checkable" | "partly_checkable" | "not_checkable";

export type Claim = {
	claim_id: string;
	text: string;
	text_translated?: string; // Übersetzung für Lesbarkeit — NIE für Faktencheck verwenden
	claim_type: ClaimType;
	checkability: Checkability;
	needs_citation: boolean;
	entities: string[];
	time_scope: string | null;
	source_sentence: string;
};

export type ClaimSet = {
	schema_version: "1.0.0";
	text_language: string;
	extraction_notes: string;
	total_claims: number;
	claims: Claim[];
};

// llama.cpp OpenAI-kompatibles API-Format
// reasoning_content: Qwen3/DeepSeek-R1-Reasoning-Modelle schreiben Denkkette hierhin
type LlamaResponse = {
	choices: Array<{
		message?: { content?: string; reasoning_content?: string };
		finish_reason?: string;
	}>;
	usage?: {
		prompt_tokens?: number;
		completion_tokens?: number;
		total_tokens?: number;
	};
};

// ---------------------------------------------------------------------------
// Konfiguration
// ---------------------------------------------------------------------------

const DEFAULT_MODEL = "Qwopus3.6-35B-A3B-v1-Q4_K_M.gguf";
const LLAMA_HOST = process.env.LLAMA_HOST ?? "http://localhost:8000";
const DEFAULT_MAX_CLAIMS = 40;
const TEMPERATURE = 0.1;
// Reasoning-Modelle brauchen mehr Tokens: Denkkette + JSON-Output
// Mit Übersetzung noch mehr: base 16384, mit Translation 32768
const MAX_TOKENS_BASE = 16384;
const MAX_TOKENS_WITH_TRANSLATION = 32768;

const CHUNK_THRESHOLD = 4000;
const CHUNK_SIZE = 3000;

// ---------------------------------------------------------------------------
// JSON-Schema für strukturierten Output
// ---------------------------------------------------------------------------

export const CLAIM_JSON_SCHEMA = {
	type: "object",
	additionalProperties: false,
	properties: {
		schema_version: { type: "string" },
		text_language: { type: "string" },
		extraction_notes: { type: "string" },
		total_claims: { type: "integer" },
		claims: {
			type: "array",
			items: {
				type: "object",
				additionalProperties: false,
				properties: {
					claim_id: { type: "string" },
					text: { type: "string" },
					text_translated: { type: "string" },
					claim_type: {
						type: "string",
						enum: ["fact", "causal", "statistical", "quote", "prediction", "opinion"],
					},
					checkability: {
						type: "string",
						enum: ["checkable", "partly_checkable", "not_checkable"],
					},
					needs_citation: { type: "boolean" },
					entities: { type: "array", items: { type: "string" } },
					time_scope: { type: ["string", "null"] },
					source_sentence: { type: "string" },
				},
				required: [
					"claim_id",
					"text",
					"claim_type",
					"checkability",
					"needs_citation",
					"entities",
					"time_scope",
					"source_sentence",
				],
			},
		},
	},
	required: ["schema_version", "text_language", "extraction_notes", "total_claims", "claims"],
};

// ---------------------------------------------------------------------------
// System-Prompt
// ---------------------------------------------------------------------------

function buildSystemPrompt(maxClaims: number, translateTo?: string): string {
	return `Du bist ein Experte für Faktenextraktion und Fact-Checking-Vorbereitung.

Deine Aufgabe: Analysiere den Text und extrahiere alle Behauptungen als diskrete, einzeln prüfbare Einheiten.
Extrahiere maximal ${maxClaims} Behauptungen. Bei sehr langen Texten priorisiere die wichtigsten und prüfbarsten.

REGELN für die Extraktion:
- Formuliere jede Behauptung als eigenständigen, vollständigen Satz (nicht als Fragment)
- Behalte den Sinn der Originalformulierung bei, mache Behauptungen aber selbstständig lesbar
- claim_id: fortlaufend "c001", "c002", "c003", ...

CLAIM TYPES:
- fact: Konkrete Tatsachenbehauptung ("X ist Y", "X hat Z getan")
- causal: Kausalbehauptung ("X hat zu Y geführt", "wegen X passiert Y")
- statistical: Zahlen, Prozentwerte, Statistiken, Rankings
- quote: Wörtliches oder indirektes Zitat einer Person
- prediction: Prognose, Vorhersage, Erwartung über Zukunftsereignisse
- opinion: Wertung, Meinung, normative Aussage (gut/schlecht/sollte)

CHECKABILITY:
- checkable: Empirisch überprüfbar durch Primärquellen, Datenbanken, offizielle Stellen
- partly_checkable: Nur teilweise prüfbar (z.B. enthält sowohl Fakt als auch Wertung)
- not_checkable: Reine Meinung, reine Prognose, Werturteil ohne Tatsachenkern

NEEDS_CITATION: true wenn Zahlen, spezifische Fakten, Zitate oder Studienergebnisse vorhanden

ENTITIES: Alle benannten Entitäten: Personen, Organisationen, Länder, Institutionen, Produkte, konkrete Daten

TIME_SCOPE: Zeitrahmen wenn angegeben (z.B. "2024", "Q1 2025", "seit 1990"), sonst null

SOURCE_SENTENCE: Der originale Satz aus dem Quelltext (wörtlich, max. 200 Zeichen)

DUPLIKATE: Extrahiere jeden Sachverhalt nur einmal. Wenn derselbe Fakt im Text mehrfach vorkommt (z.B. als Einleitung und später als Detail), erstelle nur einen Claim dafür.

SPRACHE DES OUTPUTS (ZWINGEND):
- "text" und "source_sentence" IMMER in der Originalsprache des Artikels belassen — niemals übersetzen
- Wörtliche Zitate (claim_type="quote") wortwörtlich aus dem Text übernehmen
- Übersetzungen verfälschen den späteren Faktencheck und sind in diesen Feldern verboten
` + (translateTo
		? "\nÜBERSETZUNG (zusätzlich):\n"
		+ "- Füge für jeden Claim das Feld text_translated hinzu\n"
		+ "- text_translated enthält die Übersetzung von text ins " + (translateTo === "de" ? "Deutsche" : translateTo === "en" ? "Englische" : translateTo) + "\n"
		+ "- Nur zur Lesbarkeit — nicht für den Faktencheck\n"
		: "") + `
ANTWORTFORMAT: Antworte NUR mit einem JSON-Objekt — kein Freitext davor oder danach. Das JSON muss folgende Felder enthalten:
- schema_version: "1.0.0"
- text_language: Sprache des Textes als ISO 639-1 Code (z.B. "de", "en", "fr")
- extraction_notes: Kurze Notiz zur Extraktion
- total_claims: Anzahl der Claims
- claims: Array von Claim-Objekten mit den Feldern:
  - claim_id: "c001", "c002", etc.
  - text: Die Behauptung als vollständiger Satz (ORIGINALSPRACHE!)
  ` + (translateTo ? "- text_translated: Übersetzung ins " + (translateTo === "de" ? "Deutsche" : translateTo === "en" ? "Englische" : translateTo) + "\n  " : "") + `- claim_type: einer von [fact, causal, statistical, quote, prediction, opinion]
  - checkability: einer von [checkable, partly_checkable, not_checkable]
  - needs_citation: true/false
  - entities: Array von benannten Entitäten
  - time_scope: Zeitrahmen oder null
  - source_sentence: Originalsatz aus dem Text (ORIGINALSPRACHE!, max. 200 Zeichen)`;
}

// ---------------------------------------------------------------------------
// Text-Chunking für lange Texte
// ---------------------------------------------------------------------------

function splitIntoChunks(text: string): string[] {
	const paragraphs = text.split(/\n\n+/).filter((p) => p.trim().length > 0);
	const chunks: string[] = [];
	let current = "";

	for (const para of paragraphs) {
		if (current.length + para.length + 2 > CHUNK_SIZE && current.length > 0) {
			chunks.push(current.trim());
			current = para;
		} else {
			current = current ? current + "\n\n" + para : para;
		}
	}
	if (current.trim()) chunks.push(current.trim());
	return chunks;
}

function deduplicateClaims(claims: Claim[]): Claim[] {
	const seen = new Set<string>();
	return claims.filter((c) => {
		const key = c.text.toLowerCase().replace(/\s+/g, " ").trim();
		if (seen.has(key)) return false;
		seen.add(key);
		return true;
	});
}

// ---------------------------------------------------------------------------
// llama.cpp-Aufruf
// ---------------------------------------------------------------------------

export async function callLlamaClaimExtract(
	text: string,
	model: string,
	maxClaims: number,
	signal?: AbortSignal,
	logger?: Logger,
	translateTo?: string
): Promise<{ claimSet: ClaimSet; tokensIn: number; tokensOut: number; latencyMs: number }> {
	const log = logger ?? nullLogger;
	if (text.length > CHUNK_THRESHOLD) {
		log.info("Text zu lang für Single-Pass — Chunking aktiv", { textLength: text.length, threshold: CHUNK_THRESHOLD });
		return callLlamaClaimExtractChunked(text, model, maxClaims, signal, log, translateTo);
	}
	log.debug("Single-Pass Extraktion", { textLength: text.length, model, maxClaims });
	return callLlamaClaimExtractSingle(text, model, maxClaims, signal, log, translateTo);
}

async function callLlamaClaimExtractChunked(
	text: string,
	model: string,
	maxClaims: number,
	signal?: AbortSignal,
	logger?: Logger,
	translateTo?: string
): Promise<{ claimSet: ClaimSet; tokensIn: number; tokensOut: number; latencyMs: number }> {
	const log = logger ?? nullLogger;
	const t0 = Date.now();
	const chunks = splitIntoChunks(text);
	const claimsPerChunk = Math.ceil(maxClaims / chunks.length);

	log.info(`Text in ${chunks.length} Chunks aufgeteilt`, {
		chunks: chunks.length,
		claimsPerChunk,
		chunkLengths: chunks.map((c) => c.length),
	});

	let totalIn = 0;
	let totalOut = 0;
	const allClaims: Claim[] = [];
	let language = "de";
	const notes: string[] = [];

	for (let i = 0; i < chunks.length; i++) {
		log.info(`Chunk ${i + 1}/${chunks.length} extrahieren...`, { chunkLength: chunks[i].length, claimsPerChunk });
		const result = await callLlamaClaimExtractSingle(chunks[i], model, claimsPerChunk, signal, log, translateTo);
		log.info(`Chunk ${i + 1}/${chunks.length} fertig`, {
			claims: result.claimSet.claims.length,
			tokensIn: result.tokensIn,
			tokensOut: result.tokensOut,
			latencyMs: result.latencyMs,
		});
		allClaims.push(...result.claimSet.claims);
		totalIn += result.tokensIn;
		totalOut += result.tokensOut;
		language = result.claimSet.text_language;
		if (result.claimSet.extraction_notes) notes.push(result.claimSet.extraction_notes);
	}

	const beforeDedup = allClaims.length;
	const unique = deduplicateClaims(allClaims).slice(0, maxClaims);
	const renumbered: Claim[] = unique.map((c, i) => ({
		...c,
		claim_id: `c${String(i + 1).padStart(3, "0")}`,
	}));

	log.info("Chunking abgeschlossen", {
		totalBeforeDedup: beforeDedup,
		afterDedup: renumbered.length,
		totalTokensIn: totalIn,
		totalTokensOut: totalOut,
		totalLatencyMs: Date.now() - t0,
	});

	return {
		claimSet: {
			schema_version: "1.0.0",
			text_language: language,
			extraction_notes: `Text in ${chunks.length} Abschnitte aufgeteilt. ${notes.filter(Boolean).join(" ")}`,
			total_claims: renumbered.length,
			claims: renumbered,
		},
		tokensIn: totalIn,
		tokensOut: totalOut,
		latencyMs: Date.now() - t0,
	};
}

async function callLlamaClaimExtractSingle(
	text: string,
	model: string,
	maxClaims: number,
	signal?: AbortSignal,
	logger?: Logger,
	translateTo?: string
): Promise<{ claimSet: ClaimSet; tokensIn: number; tokensOut: number; latencyMs: number }> {
	const log = logger ?? nullLogger;
	const t0 = Date.now();
	const maxTokens = translateTo ? MAX_TOKENS_WITH_TRANSLATION : MAX_TOKENS_BASE;

	const body = {
		model,
		messages: [
			{
				role: "system",
				content: buildSystemPrompt(maxClaims, translateTo),
			},
			{
				role: "user",
				// /no_think deaktiviert den Thinking-Modus bei Qwen3/Qwopus-Reasoning-Modellen
				content: `/no_think\nExtrahiere alle Behauptungen aus folgendem Text:\n\n---\n${text}\n---`,
			},
		],
		stream: false,
		temperature: TEMPERATURE,
		max_tokens: maxTokens,
	};

	log.debug("llama.cpp-Aufruf gestartet", { model, textLength: text.length, max_tokens: maxTokens, translateTo });

	const MAX_RETRIES = 3;
	const RETRY_DELAY_MS = 15_000;
	let resp: Response | null = null;

	for (let attempt = 1; attempt <= MAX_RETRIES; attempt++) {
		try {
			resp = await fetch(`${LLAMA_HOST}/v1/chat/completions`, {
				method: "POST",
				headers: { "Content-Type": "application/json" },
				body: JSON.stringify(body),
				signal,
			});
			break;
		} catch (err) {
			const isLast = attempt === MAX_RETRIES;
			log.warn(`llama.cpp fetch fehlgeschlagen (Versuch ${attempt}/${MAX_RETRIES})`, {
				error: err instanceof Error ? err.message : String(err),
				retryInMs: isLast ? 0 : RETRY_DELAY_MS,
			});
			if (isLast) throw new Error(`fetch failed nach ${MAX_RETRIES} Versuchen: ${err instanceof Error ? err.message : err}`);
			await new Promise((r) => setTimeout(r, RETRY_DELAY_MS));
		}
	}

	if (!resp!.ok) {
		const errorText = await resp!.text().catch(() => "");
		log.error("llama.cpp API Fehler", { status: resp!.status, body: errorText.slice(0, 200) });
		throw new Error(`llama.cpp API Fehler ${resp!.status}: ${errorText}`);
	}

	const data = (await resp!.json()) as LlamaResponse;
	const choice = data.choices?.[0];
	let raw = choice?.message?.content ?? "";

	// Reasoning-Modelle (Qwen3, DeepSeek-R1) schreiben Denkkette in reasoning_content.
	// Wenn content leer ist aber reasoning_content JSON enthält: als Fallback verwenden.
	if (!raw.trim() && choice?.message?.reasoning_content) {
		const rc = choice.message.reasoning_content;
		// Letztes vollständiges JSON-Objekt mit "claims"-Array suchen (greedy, von hinten)
		const allMatches = [...rc.matchAll(/\{[^{}]*"claims"\s*:\s*\[[\s\S]*?\]\s*[^{}]*\}/g)];
		const lastMatch = allMatches.length > 0
			? allMatches[allMatches.length - 1][0]
			: rc.match(/\{[\s\S]*"claims"[\s\S]*\}/)?.[0];
		if (lastMatch) {
			raw = lastMatch;
			log.warn("content leer — JSON aus reasoning_content extrahiert (Thinking-Modus aktiv trotz /no_think)", {
				finishReason: choice.finish_reason,
				rawLength: raw.length,
			});
		}
	}

	// llama.cpp wrappt JSON manchmal in Markdown-Codeblöcke (```json ... ```)
	const cleanedRaw = raw
		.replace(/^```(?:json)?\s*/i, "")
		.replace(/\s*```$/i, "")
		.trim();

	log.debug("llama.cpp-Antwort empfangen", {
		promptTokens: data.usage?.prompt_tokens,
		outputTokens: data.usage?.completion_tokens,
		finishReason: choice?.finish_reason,
		rawLength: raw.length,
		cleanedLength: cleanedRaw.length,
	});

	if (!cleanedRaw) {
		log.error("Leere llama.cpp-Antwort", {
			promptTokens: data.usage?.prompt_tokens,
			finishReason: choice?.finish_reason,
			hasReasoningContent: !!choice?.message?.reasoning_content,
		});
		throw new Error("Leere Antwort von llama.cpp erhalten");
	}

	let parsed: unknown;
	try {
		parsed = JSON.parse(cleanedRaw);
	} catch {
		log.error("JSON-Parse-Fehler", { cleanedRawPreview: cleanedRaw.slice(0, 200) });
		throw new Error(`llama.cpp-Ausgabe ist kein gültiges JSON: ${cleanedRaw.slice(0, 200)}`);
	}

	const p = parsed as Record<string, unknown>;
	if (!Array.isArray(p.claims)) {
		log.error("Ungültige Struktur: claims fehlt", { keys: Object.keys(p) });
		throw new Error(`Ungültige Struktur: 'claims' fehlt oder ist kein Array`);
	}

	if ((p.claims as unknown[]).length === 0) {
		const usedCtx = data.usage?.prompt_tokens ?? 0;
		log.warn("0 Claims extrahiert", { promptTokens: usedCtx, max_tokens: maxTokens, textLength: text.length });
		throw new Error(
			`llama.cpp hat 0 Claims extrahiert (prompt_tokens=${usedCtx}). ` +
			`Text zu lang für Kontext-Fenster oder Modell-Fehler.`
		);
	}

	const claimSet: ClaimSet = {
		schema_version: "1.0.0",
		text_language: typeof p.text_language === "string" ? p.text_language : "unknown",
		extraction_notes: typeof p.extraction_notes === "string" ? p.extraction_notes : "",
		total_claims: typeof p.total_claims === "number" ? p.total_claims : (p.claims as unknown[]).length,
		claims: p.claims as Claim[],
	};

	return {
		claimSet,
		tokensIn: data.usage?.prompt_tokens ?? 0,
		tokensOut: data.usage?.completion_tokens ?? 0,
		latencyMs: Date.now() - t0,
	};
}

// ---------------------------------------------------------------------------
// Formatierung (Pi-Ausgabe + CLI-Ausgabe)
// ---------------------------------------------------------------------------

const TYPE_LABEL: Record<ClaimType, string> = {
	fact: "FAKT",
	causal: "KAUSAL",
	statistical: "STATISTIK",
	quote: "ZITAT",
	prediction: "PROGNOSE",
	opinion: "MEINUNG",
};

const CHECK_ICON: Record<Checkability, string> = {
	checkable: "✓",
	partly_checkable: "~",
	not_checkable: "✗",
};

function formatClaimSet(
	claimSet: ClaimSet,
	onlyCheckable: boolean,
	model: string,
	tokensIn: number,
	tokensOut: number,
	latencyMs: number
): string {
	const filtered = onlyCheckable
		? claimSet.claims.filter((c) => c.checkability === "checkable")
		: claimSet.claims;

	const checkable = filtered.filter((c) => c.checkability === "checkable");
	const partlyCheckable = filtered.filter((c) => c.checkability === "partly_checkable");
	const notCheckable = filtered.filter((c) => c.checkability === "not_checkable");

	const lines: string[] = [];

	lines.push(
		`## Claim-Extraktion: ${claimSet.total_claims} Behauptung${claimSet.total_claims !== 1 ? "en" : ""} gefunden` +
			(onlyCheckable && filtered.length < claimSet.total_claims
				? ` (${filtered.length} prüfbar angezeigt)`
				: "")
	);
	lines.push(`Sprache: ${claimSet.text_language}`);
	if (claimSet.extraction_notes) {
		lines.push(`Hinweis: ${claimSet.extraction_notes}`);
	}
	lines.push("");

	function renderClaims(claims: Claim[], sectionTitle: string) {
		if (claims.length === 0) return;
		lines.push(`**${sectionTitle} (${claims.length}):**`);
		for (const c of claims) {
			const icon = CHECK_ICON[c.checkability];
			const type = TYPE_LABEL[c.claim_type];
			lines.push(`\`${c.claim_id}\` ${icon} [${type}] ${c.text}`);
			if (c.text_translated) {
				lines.push(`       → _${c.text_translated}_`);
			}

			const meta: string[] = [];
			if (c.entities.length > 0) meta.push(`Entitäten: ${c.entities.join(", ")}`);
			if (c.time_scope) meta.push(`Zeit: ${c.time_scope}`);
			if (c.needs_citation) meta.push(`Zitat nötig: ja`);
			if (meta.length > 0) {
				lines.push(`       ${meta.join(" | ")}`);
			}
			lines.push("");
		}
	}

	renderClaims(checkable, "✓ Prüfbar");
	if (!onlyCheckable) {
		renderClaims(partlyCheckable, "~ Teilweise prüfbar");
		renderClaims(notCheckable, "✗ Nicht prüfbar");
	}

	const latSec = (latencyMs / 1000).toFixed(1);
	const tokenInfo = tokensIn || tokensOut ? ` · ${tokensIn}+${tokensOut} Tokens` : "";
	lines.push(`_[llama.cpp: ${model}${tokenInfo} · ${latSec}s]_`);

	return lines.join("\n");
}

// ---------------------------------------------------------------------------
// Pi-Extension-Parameters (TypeBox)
// ---------------------------------------------------------------------------

const PARAMS = Type.Object({
	text: Type.String({
		description:
			"Der zu analysierende Text. Kann ein Artikel, Blogeintrag, Nachrichtentext oder beliebiger Fließtext sein.",
	}),
	onlyCheckable: Type.Optional(
		Type.Boolean({
			description: "Wenn true: nur empirisch prüfbare Claims ausgeben (checkable). Standard: false.",
		})
	),
	maxClaims: Type.Optional(
		Type.Number({
			description: `Maximale Anzahl Claims pro Aufruf. Standard: ${DEFAULT_MAX_CLAIMS}.`,
		})
	),
	model: Type.Optional(
		Type.String({
			description: `llama.cpp-Modell für die Extraktion. Standard: ${DEFAULT_MODEL}.`,
		})
	),
	translateTo: Type.Optional(
		Type.String({
			description:
				"Zielsprache für optionale Übersetzung der Claims (z.B. \"de\", \"en\"). " +
				"Das Feld `text` bleibt immer in der Originalsprache des Artikels. " +
				"Wenn gesetzt: jeder Claim erhält zusätzlich `text_translated`. Standard: keine Übersetzung.",
		})
	),
});

// ---------------------------------------------------------------------------
// Pi-Extension: Default Export
// ---------------------------------------------------------------------------

export default function llamaClaimExtractorExtension(pi: ExtensionAPI) {
	pi.registerTool({
		name: "extract_claims_llama",
		label: "Claim-Extraktion (llama.cpp)",
		description:
			"Zerlegt einen Text in einzelne, diskrete Behauptungen (Claims) als Vorbereitung für Fact-Checking. " +
			"Nutze dieses Tool wenn: ein Artikel auf Fakten geprüft werden soll, Behauptungen aus einem Text " +
			"identifiziert und klassifiziert werden sollen, oder ein Verifikations-Workflow gestartet werden soll. " +
			"Läuft lokal via llama.cpp — keine API-Kosten.",
		promptGuidelines: [
			"Use extract_claims_llama when the user wants to fact-check an article, blog post, or any text.",
			"Use extract_claims_llama before calling verify or research_web on specific claims.",
			"Pass the full text as the 'text' parameter — do not summarize or shorten it first.",
			"If the user only wants checkable claims, set onlyCheckable=true.",
			"After extraction, ask the user which claims they want to verify, or offer to run the verifier on all checkable claims.",
			"The claim_ids (c001, c002, ...) can be referenced in follow-up tool calls to the verifier.",
			"Always show the full formatted output to the user, including the [llama.cpp: ...] cost line.",
		],
		parameters: PARAMS,
		async execute(_toolCallId, params, signal) {
			const model = params.model ?? DEFAULT_MODEL;
			const maxClaims = Math.min(params.maxClaims ?? DEFAULT_MAX_CLAIMS, 60);
			const onlyCheckable = params.onlyCheckable ?? false;
			const translateTo = params.translateTo;

			try {
				const { claimSet, tokensIn, tokensOut, latencyMs } = await callLlamaClaimExtract(
					params.text,
					model,
					maxClaims,
					signal,
					undefined,
					translateTo
				);

				const text = formatClaimSet(claimSet, onlyCheckable, model, tokensIn, tokensOut, latencyMs);

				return {
					content: [{ type: "text", text }],
					details: {
						model,
						totalClaims: claimSet.total_claims,
						checkableClaims: claimSet.claims.filter((c) => c.checkability === "checkable").length,
						textLanguage: claimSet.text_language,
						tokensIn: tokensIn || null,
						tokensOut: tokensOut || null,
						latencyMs,
					},
				};
			} catch (err) {
				const msg = err instanceof Error ? err.message : "Unbekannter Fehler";
				return {
					content: [{ type: "text", text: `Fehler bei Claim-Extraktion: ${msg}` }],
				};
			}
		},
	});
}

// ---------------------------------------------------------------------------
// CLI-Modus
// ---------------------------------------------------------------------------

function parseCliArgs(args: string[]): {
	text: string;
	file: string | null;
	model: string;
	maxClaims: number;
	onlyCheckable: boolean;
	jsonOutput: boolean;
	verbose: boolean;
	translateTo: string | undefined;
} {
	let model = DEFAULT_MODEL;
	let maxClaims = DEFAULT_MAX_CLAIMS;
	let onlyCheckable = false;
	let jsonOutput = false;
	let verbose = false;
	let file: string | null = null;
	let translateTo: string | undefined;
	const textParts: string[] = [];

	for (let i = 0; i < args.length; i++) {
		const arg = args[i];
		if (arg === "--model" && args[i + 1]) {
			model = args[++i];
		} else if (arg === "--max-claims" && args[i + 1]) {
			maxClaims = parseInt(args[++i], 10);
		} else if (arg === "--only-checkable") {
			onlyCheckable = true;
		} else if (arg === "--json") {
			jsonOutput = true;
		} else if (arg === "--verbose" || arg === "-v") {
			verbose = true;
		} else if ((arg === "--file" || arg === "-f") && args[i + 1]) {
			file = args[++i];
		} else if (arg === "--translate-to" && args[i + 1]) {
			translateTo = args[++i];
		} else if (!arg.startsWith("--")) {
			textParts.push(arg);
		}
	}

	const text = textParts.join(" ").trim();
	return { text, file, model, maxClaims, onlyCheckable, jsonOutput, verbose, translateTo };
}

async function runCli() {
	const args = process.argv.slice(2);

	if (args.length === 0 || args[0] === "--help" || args[0] === "-h") {
		console.log(`
Claim-Extraktor — Behauptungen aus Text extrahieren (llama.cpp-Version)

Verwendung:
  npx tsx agenten/llama-claim-extractor.ts [Optionen] "Text..."
  npx tsx agenten/llama-claim-extractor.ts --file <pfad> [Optionen]

Optionen:
  --file, -f <pfad>       Text aus Datei lesen (statt als Argument übergeben)
  --model <name>          llama.cpp-Modell (Standard: ${DEFAULT_MODEL})
  --max-claims <n>        Maximale Claims (Standard: ${DEFAULT_MAX_CLAIMS})
  --only-checkable        Nur prüfbare Claims anzeigen
  --translate-to <lang>   Übersetzung der Claims in Zielsprache (z.B. "de", "en")
                          text bleibt in Originalsprache — text_translated enthält Übersetzung
  --json                  Ausgabe als reines JSON (ClaimSet)
  --verbose, -v           Ausführliche Ausgabe + Log-Datei in ~/.pi/agent/logs/
  --help                  Diese Hilfe

Umgebungsvariablen:
  LLAMA_HOST          llama.cpp-Server-URL (Standard: http://localhost:8000)

Beispiele:
  npx tsx agenten/llama-claim-extractor.ts "Die Erde hat 8 Milliarden Einwohner."
  npx tsx agenten/llama-claim-extractor.ts --file Totally_unacceptable_article.txt
  npx tsx agenten/llama-claim-extractor.ts --file artikel.txt --only-checkable
  npx tsx agenten/llama-claim-extractor.ts --file artikel.txt --json > claims.json
  npx tsx agenten/llama-claim-extractor.ts --file artikel.txt --verbose
`);
		process.exit(0);
	}

	const { text: argText, file, model, maxClaims, onlyCheckable, jsonOutput, verbose, translateTo } = parseCliArgs(args);

	let text: string;
	if (file) {
		try {
			text = await readFile(file, "utf-8");
		} catch (err) {
			console.error(`Fehler: Datei '${file}' konnte nicht gelesen werden: ${err instanceof Error ? err.message : err}`);
			process.exit(1);
		}
	} else {
		text = argText;
	}

	if (!text.trim()) {
		console.error("Fehler: Kein Text übergeben. Nutze --file <pfad> oder übergib den Text direkt. --help für Details.");
		process.exit(1);
	}

	if (!jsonOutput) {
		const source = file ? `Datei: ${file}` : "Direkteingabe";
		const transInfo = translateTo ? ` | Übersetzung: ${translateTo}` : "";
		console.error(`\nllama.cpp-Modell: ${model} | Max. Claims: ${maxClaims} | Nur prüfbar: ${onlyCheckable} | ${source}${transInfo}\n`);
	}

	const log = createLogger({ verbose });

	try {
		const { claimSet, tokensIn, tokensOut, latencyMs } = await callLlamaClaimExtract(
			text,
			model,
			maxClaims,
			undefined,
			log,
			translateTo
		);

		if (jsonOutput) {
			console.log(JSON.stringify(claimSet, null, 2));
		} else {
			console.log(formatClaimSet(claimSet, onlyCheckable, model, tokensIn, tokensOut, latencyMs));
		}
	} catch (err) {
		console.error("Fehler:", err instanceof Error ? err.message : err);
		process.exit(1);
	}
}

// Einstiegspunkt für CLI — wird ignoriert wenn als Pi-Extension geladen
const __filename = fileURLToPath(import.meta.url);
if (process.argv[1] === __filename) {
	runCli();
}