"""
AHAD QUANT — Déclencheur manuel du cycle quotidien local (léger)
====================================================================
Appelle exactement la même fonction que le thread de fond AutoRetrainer
(auto_retrain.py::run_daily_unified_retrain), mais à la demande — utilisé
par le bouton "⚡ Cycle quotidien local" du web UI pour forcer un
warm-start LightGBM + RL fine-tune 100% réel sans attendre l'intervalle
de DAILY_LOCAL_RETRAIN_INTERVAL_HOURS (24h par défaut).

N'écrit PAS dans last_daily_local.json à la place du thread de fond —
run_daily_unified_retrain() s'en charge déjà lui-même (_save_daily_local_state),
donc un déclenchement manuel ici remet aussi le compteur à zéro pour le
thread de fond, ce qui est le comportement voulu (pas de double cycle
rapproché).

Usage :
    python daily_local_retrain.py
"""
import sys

try:
    sys.stdout.reconfigure(encoding="utf-8", errors="replace")
except AttributeError:
    pass

from auto_retrain import run_daily_unified_retrain


def _notify(msg: str):
    print(msg)


if __name__ == "__main__":
    print("=" * 65)
    print("  AHAD QUANT — Cycle quotidien local (déclenché manuellement)")
    print("  ML : warm-start LightGBM (ensemble) | RL : fine-tune 100% réel")
    print("=" * 65)

    result = run_daily_unified_retrain(notify_fn=_notify)

    print("\n" + "=" * 65)
    print(f"  ML mis à jour : {'✅' if result['ml_updated'] else '❌ (inchangé)'}")
    print(f"  RL mis à jour : {'✅' if result['rl_updated'] else '❌ (inchangé ou skip)'}")
    print("=" * 65)

    # Marqueur stdout parsable si besoin futur (cohérent avec le format
    # RL_FINETUNE_RESULT déjà utilisé ailleurs dans le projet).
    print(f"DAILY_LOCAL_RESULT ml_updated={result['ml_updated']} "
          f"rl_updated={result['rl_updated']} ran={result['ran']}")

    sys.exit(0)