// import { CreateMLCEngine } from "@mlc-ai/web-llm";

import { CreateMLCEngine } from "./node_modules/@mlc-ai/web-llm/lib/index.js";


// Callback function to update model loading progress
const initProgressCallback = (initProgress) => {
  console.log(initProgress);
};
const selectedModel = "Llama-3.1-8B-Instruct-q4f32_1-MLC";

const engine = await CreateMLCEngine(
  selectedModel,
  { initProgressCallback: initProgressCallback }, // engineConfig
);

// chat

const messages = [
  { role: "system", content: "You are a helpful AI assistant." },
  { role: "user", content: "Hello!" },
];

// 1. Définir la persona (comme votre instruction SYSTEM dans Ollama)
//const systemPrompt = "Tu es un assistant culinaire expert, spécialisé dans la cuisine française. Tu réponds toujours avec enthousiasme et proposes des alternatives aux ingrédients difficiles à trouver. Tu ne parles jamais de sujets hors de la cuisine.";

//const messages = [
//  // 2. Le message système définit le comportement pour toute la conversation
//  { role: "system", content: systemPrompt },
//  { role: "user", content: "Comment faire une bonne quiche lorraine ?" }
//];

//import { loadPersona } from './personaLoader.js';

// ---

// Chunks is an AsyncGenerator object
const chunks = await engine.chat.completions.create({
  messages,
  temperature: 0
//  stream: true, // <-- Enable streaming
//  stream_options: { include_usage: true },
});

let reply = "";
for await (const chunk of chunks) {
  reply += chunk.choices[0]?.delta.content || "";
  console.log(reply);
  if (chunk.usage) {
    console.log(chunk.usage); // only last chunk has usage
  }
}

const fullReply = await engine.getMessage();
console.log(fullReply);