"""嵌入模型测试."""
import pytest

from src.core.config import EmbedConfig
from src.core.embedder import Embedder, create_embedder


class TestEmbedder:
    """Embedder 单元测试.

    注意：本地模型测试需要下载 sentence-transformers 模型（约 100MB），
    首次运行耗时较长。API 模式测试使用 mock 避免网络依赖。
    """

    @pytest.fixture
    def local_config(self):
        return EmbedConfig(mode="local")

    def test_create_local_embedder(self, local_config):
        """创建本地嵌入器，验证维度正确."""
        embedder = create_embedder(local_config)
        assert embedder.dimension > 0
        assert isinstance(embedder.dimension, int)

    def test_embed_single_text(self, local_config):
        """嵌入单条文本返回正确维度向量."""
        embedder = create_embedder(local_config)
        result = embedder.embed(["你好世界"])
        assert len(result) == 1
        assert len(result[0]) == embedder.dimension
        assert all(isinstance(v, float) for v in result[0])

    def test_embed_multiple_texts(self, local_config):
        """嵌入多条文本返回对应数量的向量."""
        embedder = create_embedder(local_config)
        texts = ["第一段文本", "第二段文本", "第三段文本"]
        result = embedder.embed(texts)
        assert len(result) == 3
        for vec in result:
            assert len(vec) == embedder.dimension

    def test_embed_empty_list_raises(self, local_config):
        """空列表应抛出异常."""
        embedder = create_embedder(local_config)
        with pytest.raises(ValueError):
            embedder.embed([])

    def test_create_embedder_from_factory_function(self, local_config):
        """工厂函数正确创建 Embedder 实例."""
        embedder = create_embedder(local_config)
        assert isinstance(embedder, Embedder)