ebayDeepScan/ai.js

require('dotenv').config();
const { OpenAI } = require('openai');
const db = require('./db');

const openai = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

async function getAiSuggestion(item) {
  try {
    const imageUrl = item.detail_response.image ? item.detail_response.image.imageUrl : null;

    const prompt = `
ROLE:
Bạn là chuyên gia kiểm định listing eBay dựa trên dữ liệu + hình ảnh sản phẩm.

MỤC TIÊU:
Đánh giá độ tin cậy của listing dựa trên:
- Độ khớp giữa HÌNH ẢNH và THÔNG TIN
- Độ uy tín của seller
- Độ hợp lý tổng thể (price / data consistency)

INPUT:

[SEARCH TARGET]
- Part Number: ${item.partNumber || "N/A"}
- Expected Specs: ${item.specs || "N/A"}

[EBAY DATA]
- Title: ${item.title}
- Price: ${item.price}
- Seller: ${item.detail_response?.seller?.username}
- Feedback Score: ${item.detail_response?.seller?.feedbackScore}
- Positive %: ${item.detail_response?.seller?.feedbackPercent}

[DETAIL DATA]
- Brand: ${item.detail_response?.brand || "N/A"}
- Aspects: ${JSON.stringify(item.detail_response?.localizedAspects || {})}

TASK (QUAN TRỌNG):
Thực hiện các bước sau (ngầm, không output):
1. Nếu có ảnh:
   - OCR label / text chính (model, part number, specs)
   - So sánh với Title + Aspects
2. Check mismatch:
   - Sai model / sai part number / sai specs
   - Ảnh không liên quan (stock image / generic)
3. Đánh giá seller:
   - Feedback < 95% hoặc score thấp => rủi ro
4. Đánh giá tổng thể:
   - Consistency + seller + price

OUTPUT RULE (BẮT BUỘC):
- Chỉ 1 câu duy nhất kèm số điểm đánh giá từ 1-10 với độ khớp
- Không markdown, không xuống dòng
- Không giải thích dài
- Format:

Nếu tốt:
"Hãy mua, dữ liệu và hình ảnh khớp, seller uy tín. (Điểm: {{điểm}})"

Nếu có rủi ro:
"Cẩn thận, {{lý do chính ngắn gọn}}. (Điểm: {{điểm}})"

Nếu rất tệ:
"Không nên mua, {{lý do rõ ràng}}. (Điểm: {{điểm}})"

Ví dụ lý do:
- label không khớp title
- sai part number
- ảnh generic / không phải sản phẩm thật
- seller feedback thấp

OUTPUT:
`;
    console.log(prompt);
    const messages = [
      { role: "system", content: "Bạn là trợ lý AI chuyên thẩm định eBay bằng hình ảnh và dữ liệu. Chỉ trả về 1 câu kết luận ngắn gọn." }
    ];

    if (imageUrl) {
      messages.push({
        role: "user",
        content: [
          { type: "text", text: prompt },
          { type: "image_url", image_url: { url: imageUrl, detail: "high" } }
        ]
      });
    } else {
      messages.push({ role: "user", content: prompt });
    }

    const response = await openai.chat.completions.create({
      model: "gpt-4o-mini",
      messages: messages,
      max_tokens: 150,
      temperature: 0.2
    });

    return {
      suggestion: response.choices[0].message.content.trim(),
      usage: response.usage.total_tokens
    };
  } catch (error) {
    console.error(`AI Error for item ${item.id}:`, error.message);
    return { suggestion: "Lỗi khi gọi AI.", usage: 0 };
  }
}

async function runAiSuggestions() {
  console.log("Bat dau chay AI Suggestions...");
  const items = db.getMissingAiSuggestionItems();
  console.log(`Tim thay ${items.length} item can check AI.`);

  let totalTokens = 0;
  const batchSize = 10;
  for (let i = 0; i < items.length; i += batchSize) {
    const batch = items.slice(i, i + batchSize);
    const results = await Promise.all(batch.map(async item => {
      console.log(`Dang check AI cho item: ${item.id}`);
      const { suggestion, usage } = await getAiSuggestion(item);
      db.updateAiSuggestion(item.id, suggestion);
      console.log(`Ket qua AI cho ${item.id}: ${suggestion} (Tokens: ${usage})`);
      return usage;
    }));
    totalTokens += results.reduce((a, b) => a + b, 0);
    // Minimal delay between batches to respect rate limits
    if (i + batchSize < items.length) {
      await new Promise(r => setTimeout(r, 500));
    }
  }
  console.log(`Hoan thanh AI Suggestions. Total tokens: ${totalTokens}`);
  return totalTokens;
}

module.exports = {
  runAiSuggestions,
  getAiSuggestion
};

// Allow standalone run
if (require.main === module) {
  runAiSuggestions().catch(console.error);
}