from clearml import PipelineController

# ---------------------------------------------------------
# 1. 인라인(Inline) 파이썬 함수 형태의 Step
# (PipelineDecorator.component 대신 순수 함수로 작성 후 Controller에서 래핑)
# ---------------------------------------------------------
def generate_number() -> int:
    import random
    random.seed(None)
    num = random.randint(1, 10)
    print(f"Generated number: {num}")
    return num

def evaluate_number(num: int) -> str:
    if num > 5:
        result = 'Max'
    else:
        result = 'Min'
    print(f"Input number {num} is '{result}'.")
    return result

# ---------------------------------------------------------
# 2. PipelineController를 이용한 파이프라인 뼈대 생성
# ---------------------------------------------------------
pipe = PipelineController(
    name='Test Pipeline v1', 
    project='My Pipeline Project11', 
    version='1.1',
    repo='https://git.devcafe.kr/ClearML/task1.git',
    repo_branch='main',
    add_pipeline_tags=False
)

# 기본 실행 큐 설정
pipe.set_default_execution_queue('default')

# ---------------------------------------------------------
# 3. Step 추가: 일반 함수(로컬 로직)와 외부 Git Task(원격 로직) 혼용
# ---------------------------------------------------------

# Step 1: 위에서 정의한 파이썬 함수를 파이프라인 Step으로 추가 (Decorator 역할 대체)
# pipe.add_function_step(
#     name='generate_step',
#     function=generate_number,
#     function_return=['number'],
# )

# # Step 2: Step 1의 결과를 파라미터로 받는 또 다른 함수 Step
# pipe.add_function_step(
#     name='evaluate_step',
#     function=evaluate_number,
#     # Step 1의 출력값(number)을 evaluate_number의 인자(num)로 전달 (템플릿 문법 사용)
#     function_kwargs={'num': '${generate_step.number}'},
#     function_return=['size_label'],
#     parents=['generate_step'], # 의존성: generate_step이 끝나야 실행됨
# )

pipe.add_step(
    name='external_git_step',
    # parents=['evaluate_step'],
    # 여기에 위에서 만든 태스크의 위치를 지정합니다.
    base_task_project='Normal_Object_Detection',
    base_task_name='model-yolo26-human',
    # 파라미터는 똑같이 오버라이드 가능합니다.
    parameter_override={
        'Args/image_url': "https://acai.ketidev.kr:20443/detect/image/202606/20260619_145116_image.jpg"
    }
)

# print(pipe.artifacts['final_result'])

# ---------------------------------------------------------
# 실행 부
# ---------------------------------------------------------
if __name__ == '__main__':
    # 로컬에서 실행 테스트
    # pipe.start_locally(run_pipeline_steps_locally=True)
    
    # 또는 원격 큐로 전송하여 파이프라인 전체를 원격 실행
    pipe.start(queue='default')