/**
 * ollama-claim-extractor.ts
 * Pi-Extension + CLI: Einzelbehauptungen aus Texten extrahieren via lokalem Ollama
 *
 * Als Pi-Extension: ~/.pi/agent/extensions/fact-checker/ollama-claim-extractor.ts
 * Nach Änderungen in Pi: /reload
 *
 * Als CLI:
 *   npx tsx agenten/ollama-claim-extractor.ts "Textinhalt..."
 *   npx tsx agenten/ollama-claim-extractor.ts --only-checkable "Textinhalt..."
 *   npx tsx agenten/ollama-claim-extractor.ts --model qwen3.5:27b "Textinhalt..."
 *   npx tsx agenten/ollama-claim-extractor.ts --json "Textinhalt..."  (nur JSON-Ausgabe)
 *
 * Modell-Empfehlung: qwen3.5:9b (6.6GB, 1 GPU, fast gleiche Präzision wie 27B, 2× schneller)
 */

import type { ExtensionAPI } from "@mariozechner/pi-coding-agent";
import { Type } from "@sinclair/typebox";
import { fileURLToPath } from "node:url";
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;
	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[];
};

type OllamaResponse = {
	message?: { content?: string };
	done?: boolean;
	eval_count?: number;
	prompt_eval_count?: number;
};

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

const DEFAULT_MODEL = "qwen3.5:9b";
const OLLAMA_HOST = process.env.OLLAMA_HOST ?? "http://localhost:11434";
const DEFAULT_MAX_CLAIMS = 40;
const TEMPERATURE = 0.1;
const NUM_CTX = 8192;

// Texte über diesem Schwellenwert werden in Chunks aufgeteilt (Zeichen)
// 8192 Tokens Kontext: ~3000 Zeichen Input + ~1000 Prompt-Overhead + ~3200 Tokens Output (40 Claims)
const CHUNK_THRESHOLD = 4000;
const CHUNK_SIZE = 3000;

// ---------------------------------------------------------------------------
// JSON-Schema für Ollama structured output
// (Teilmenge von claim.schema.json — ohne Pattern-Constraint, da Ollama
//  reguläre Ausdrücke im format-Parameter nicht immer unterstützt)
// ---------------------------------------------------------------------------

export const CLAIM_OLLAMA_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" },
					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): 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.

Antworte NUR mit dem JSON-Objekt gemäß Schema. Kein Freitext davor oder danach.`;
}

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

/**
 * Teilt langen Text an Absatzgrenzen in Stücke von max. CHUNK_SIZE Zeichen.
 * Absätze werden nicht aufgetrennt — bei Absätzen > CHUNK_SIZE werden sie allein übergeben.
 */
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;
}

/**
 * Entfernt doppelte Claims (gleicher text-Inhalt nach Normalisierung).
 */
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;
	});
}

// ---------------------------------------------------------------------------
// Ollama-Aufruf
// ---------------------------------------------------------------------------

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

async function callOllamaClaimExtractChunked(
	text: string,
	model: string,
	maxClaims: number,
	signal?: AbortSignal,
	logger?: Logger
): 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 callOllamaClaimExtractSingle(chunks[i], model, claimsPerChunk, signal, log);
		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);
	}

	// Deduplizieren und neu nummerieren
	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 callOllamaClaimExtractSingle(
	text: string,
	model: string,
	maxClaims: number,
	signal?: AbortSignal,
	logger?: Logger
): Promise<{ claimSet: ClaimSet; tokensIn: number; tokensOut: number; latencyMs: number }> {
	const log = logger ?? nullLogger;
	const t0 = Date.now();

	const body = {
		model,
		messages: [
			{
				role: "system",
				content: buildSystemPrompt(maxClaims),
			},
			{
				role: "user",
				content: `Extrahiere alle Behauptungen aus folgendem Text:\n\n---\n${text}\n---`,
			},
		],
		format: CLAIM_OLLAMA_SCHEMA,
		stream: false,
		options: {
			temperature: TEMPERATURE,
			num_ctx: NUM_CTX,
		},
	};

	log.debug("Ollama-Aufruf gestartet", { model, textLength: text.length, num_ctx: NUM_CTX });

	// Retry bei temporären Verbindungsfehlern (Ollama startet kurz neu oder ist kurz ausgelastet)
	const MAX_RETRIES = 3;
	const RETRY_DELAY_MS = 15_000; // 15s Pause vor Retry
	let lastError: unknown;
	let resp: Response | null = null;

	for (let attempt = 1; attempt <= MAX_RETRIES; attempt++) {
		try {
			resp = await fetch(`${OLLAMA_HOST}/api/chat`, {
				method: "POST",
				headers: { "Content-Type": "application/json" },
				body: JSON.stringify(body),
				signal,
			});
			break; // Verbindung erfolgreich
		} catch (err) {
			lastError = err;
			const isLast = attempt === MAX_RETRIES;
			log.warn(`Ollama 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}`);
			// Warten bevor Retry — Ollama könnte kurz neu starten
			await new Promise((r) => setTimeout(r, RETRY_DELAY_MS));
		}
	}

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

	const data = (await resp!.json()) as OllamaResponse;
	const raw = data.message?.content ?? "";

	log.debug("Ollama-Antwort empfangen", {
		promptTokens: data.prompt_eval_count,
		outputTokens: data.eval_count,
		rawLength: raw.length,
	});

	if (!raw.trim()) {
		log.error("Leere Ollama-Antwort", { promptTokens: data.prompt_eval_count });
		throw new Error("Leere Antwort von Ollama erhalten");
	}

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

	// Grundlegende Strukturprüfung (kein vollständiger Schema-Validator)
	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) {
		// Leere Claims deuten auf Kontext-Overflow oder Modell-Fehler hin
		const usedCtx = data.prompt_eval_count ?? 0;
		log.warn("0 Claims extrahiert", { promptTokens: usedCtx, num_ctx: NUM_CTX, textLength: text.length });
		throw new Error(
			`Ollama hat 0 Claims extrahiert (prompt_tokens=${usedCtx}). ` +
			`Text zu lang für num_ctx=${NUM_CTX} 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.prompt_eval_count ?? 0,
		tokensOut: data.eval_count ?? 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}`);

			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(`_[Ollama: ${model}${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: `Ollama-Modell für die Extraktion. Standard: ${DEFAULT_MODEL}. Empfohlene Alternative: qwen3.5:27b für maximale Präzision.`,
		})
	),
});

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

export default function claimExtractorExtension(pi: ExtensionAPI) {
	pi.registerTool({
		name: "extract_claims",
		label: "Claim-Extraktion",
		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 Ollama — keine API-Kosten.",
		promptGuidelines: [
			"Use extract_claims when the user wants to fact-check an article, blog post, or any text.",
			"Use extract_claims 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 [Ollama: ...] 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;

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

				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;
	model: string;
	maxClaims: number;
	onlyCheckable: boolean;
	jsonOutput: boolean;
	verbose: boolean;
} {
	let model = DEFAULT_MODEL;
	let maxClaims = DEFAULT_MAX_CLAIMS;
	let onlyCheckable = false;
	let jsonOutput = false;
	let verbose = false;
	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.startsWith("--")) {
			textParts.push(arg);
		}
	}

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

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

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

Verwendung:
  npx tsx agenten/ollama-claim-extractor.ts [Optionen] "Text..."

Optionen:
  --model <name>      Ollama-Modell (Standard: ${DEFAULT_MODEL})
  --max-claims <n>    Maximale Claims (Standard: ${DEFAULT_MAX_CLAIMS})
  --only-checkable    Nur prüfbare Claims anzeigen
  --json              Ausgabe als reines JSON (ClaimSet)
  --verbose, -v       Ausführliche Ausgabe + Log-Datei in ~/.pi/agent/logs/
  --help              Diese Hilfe

Beispiele:
  npx tsx agenten/ollama-claim-extractor.ts "Die Erde hat 8 Milliarden Einwohner."
  npx tsx agenten/ollama-claim-extractor.ts --only-checkable "$(cat artikel.txt)"
  npx tsx agenten/ollama-claim-extractor.ts --verbose "$(cat langer-artikel.txt)"
  npx tsx agenten/ollama-claim-extractor.ts --model deepseek-r1:32b "..."
  npx tsx agenten/ollama-claim-extractor.ts --json "..." > claims.json
`);
		process.exit(0);
	}

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

	if (!text) {
		console.error("Fehler: Kein Text übergeben. Nutze --help für Hinweise.");
		process.exit(1);
	}

	if (!jsonOutput) {
		console.error(
			`\nOllama-Modell: ${model} | Max. Claims: ${maxClaims} | Nur prüfbar: ${onlyCheckable}\n`
		);
	}

	const log = createLogger({ verbose });

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

		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();
}