# 🚀 Hướng Dẫn Chạy & Test Chatbot ML Service

## Yêu cầu
- Python 3.12 đã cài đầy đủ dependencies (`pip install -r requirements.txt`)
- Trained models đã đặt trong `saved_models/`
- scikit-learn >= 1.6.1 (phải khớp version đã train model)

---

## Bước 1: Khởi động Server

Mở **Terminal 1** (dùng làm server):

```powershell
cd "c:\Users\Acer\Downloads\Wanderlust\chatbot-ml-service"
$env:PYTHONPATH = "."; python -m uvicorn app.main:app --host 0.0.0.0 --port 8000
```

> ⚠️ **Lưu ý cú pháp PowerShell:** Phải dùng dấu `;` giữa `$env:PYTHONPATH = "."` và `python ...`
> Nếu viết trên 2 dòng riêng cũng được:
> ```powershell
> $env:PYTHONPATH = "."
> python -m uvicorn app.main:app --host 0.0.0.0 --port 8000
> ```

**Chạy nhanh không cần LLM** (khuyến nghị, ít RAM hơn):
```powershell
cd "c:\Users\Acer\Downloads\Wanderlust\chatbot-ml-service"
$env:PYTHONPATH = "."; $env:USE_LLM_GENERATOR = "false"; $env:CHATBOT_ML_SERVICE_API_KEY = "REDACTED_SECRET_PLACEHOLDER"; $env:ENABLE_SWAGGER_DOCS = "false"; python -m uvicorn app.main:app --host 0.0.0.0 --port 8000
```

**Chờ đến khi thấy dòng:**
```
All models loaded successfully!
INFO:     Uvicorn running on http://0.0.0.0:8000
```

> ⚠️ Nếu bật LLM (`USE_LLM_GENERATOR=true`), lần đầu chạy sẽ tải base model SeaLLMs-v3-7B-Chat (~14GB) từ HuggingFace. Yêu cầu GPU ≥6GB VRAM.
> Nếu LLM fail (DLL error, thiếu CUDA), service vẫn chạy bình thường với template-based responses.

---

## Bước 2: Test API

Mở **Terminal 2** (KHÁC terminal server) và chạy:

### 2.1. Health Check
```powershell
Invoke-RestMethod -Uri "http://localhost:8000/health" -Method GET | ConvertTo-Json -Depth 5
```

### 2.2. Test Chat (tiếng Việt)
```powershell
$body = @{
    text = "Tôi muốn đi du lịch Đà Nẵng 3 ngày 2 đêm"
    language = "vi"
} | ConvertTo-Json -Depth 3

Invoke-RestMethod -Uri "http://localhost:8000/api/predict" -Method POST -Headers @{"X-ML-Service-Key"="REDACTED_SECRET_PLACEHOLDER"} -Body $body -ContentType "application/json" | ConvertTo-Json -Depth 5
```

### 2.3. Test Chat (English)
```powershell
$body = @{
    text = "I want to travel to Ha Long Bay for 5 days"
    language = "en"
} | ConvertTo-Json -Depth 3

Invoke-RestMethod -Uri "http://localhost:8000/api/predict" -Method POST -Headers @{"X-ML-Service-Key"="REDACTED_SECRET_PLACEHOLDER"} -Body $body -ContentType "application/json" | ConvertTo-Json -Depth 5
```

### 2.4. Test Recommend
```powershell
$body = @{
    tags = @("beach", "nature")
    interests = @("swimming", "hiking")
    budget_per_day = 1500000
    top_k = 3
} | ConvertTo-Json -Depth 3

Invoke-RestMethod -Uri "http://localhost:8000/api/predict" -Method POST -Headers @{"X-ML-Service-Key"="REDACTED_SECRET_PLACEHOLDER"} -Body $body -ContentType "application/json" | ConvertTo-Json -Depth 5
```

### 2.5. Test các câu hỏi khác
```powershell
# Hỏi về ẩm thực
$body = '{"text": "Đà Nẵng có món gì ngon?", "language": "vi"}'
Invoke-RestMethod -Uri "http://localhost:8000/api/predict" -Method POST -Headers @{"X-ML-Service-Key"="REDACTED_SECRET_PLACEHOLDER"} -Body $body -ContentType "application/json" | ConvertTo-Json -Depth 5

# Hỏi về ngân sách
$body = '{"text": "Tôi có 5 triệu đi Nha Trang 3 ngày được không?", "language": "vi"}'
Invoke-RestMethod -Uri "http://localhost:8000/api/predict" -Method POST -Headers @{"X-ML-Service-Key"="REDACTED_SECRET_PLACEHOLDER"} -Body $body -ContentType "application/json" | ConvertTo-Json -Depth 5

# Greeting
$body = '{"text": "Xin chào!", "language": "vi"}'
Invoke-RestMethod -Uri "http://localhost:8000/api/predict" -Method POST -Body $body -ContentType "application/json" | ConvertTo-Json -Depth 5
```

---

## Bước 3: Test bằng trình duyệt

Mở trình duyệt, truy cập:
- **Health**: http://localhost:8000/health
- **API Docs (Swagger)**: chỉ có khi set `ENABLE_SWAGGER_DOCS=true`
- **ReDoc**: chỉ có khi set `ENABLE_SWAGGER_DOCS=true`

> Nếu bật docs để debug local, vẫn cần dùng header `X-ML-Service-Key` khi gọi các `/api/*` endpoints.

---

## Bước 4: Dừng Server

Quay lại **Terminal 1** (terminal đang chạy server), nhấn `Ctrl + C`.

---

## Troubleshooting

### Lỗi "No module named 'app'"
→ Đảm bảo đã `cd` vào đúng thư mục `chatbot-ml-service` VÀ set `$env:PYTHONPATH = "."`
→ Hai lệnh phải cách nhau bằng dấu `;` hoặc viết trên 2 dòng riêng.
→ ❌ Sai: `$env:PYTHONPATH = "." python -m uvicorn ...` (thiếu dấu `;`)
→ ✅ Đúng: `$env:PYTHONPATH = "."; python -m uvicorn ...`

### Lỗi "idf vector is not fitted" / InconsistentVersionWarning (scikit-learn)
→ Model đã train bằng scikit-learn 1.6.1, cần cài đúng version: `pip install "scikit-learn>=1.6.1"`
→ Nếu muốn retrain lại model với version hiện tại:
```powershell
$env:PYTHONPATH = "."; python -c "import os, json; from app.models.intent_classifier.model import IntentClassifier; f=open('app/data/datasets/intent_train.json','r',encoding='utf-8'); data=json.load(f); f.close(); clf=IntentClassifier(); clf.train([d['text'] for d in data],[d['intent'] for d in data]); clf.save('saved_models/intent_classifier.joblib'); print('Done!')"
```

### LLM không load được (DLL error / CUDA error)
→ Service vẫn chạy bình thường, chỉ dùng template responses thay vì LLM.
→ Kiểm tra CUDA: `python -c "import torch; print(torch.cuda.is_available())"`
→ Khuyến nghị tắt LLM nếu không cần: set `$env:USE_LLM_GENERATOR = "false"` trước khi chạy.

### Port 8000 đã bị chiếm
→ Đổi port: `python -m uvicorn app.main:app --host 0.0.0.0 --port 8001`
→ Hoặc kill process cũ:
```powershell
Get-NetTCPConnection -LocalPort 8000 -ErrorAction SilentlyContinue | ForEach-Object { Stop-Process -Id $_.OwningProcess -Force }
```

### Muốn chạy không cần LLM (nhanh hơn, ít RAM)
→ Set biến môi trường trước khi chạy: `$env:USE_LLM_GENERATOR = "false"`
→ Hoặc tạo file `.env` trong thư mục `chatbot-ml-service` với nội dung: `USE_LLM_GENERATOR=false`