"""Kalibrierung des effektiven Kontexts aus beobachteten Pass-Rates nach Prompt-Länge."""

from __future__ import annotations

from collections.abc import Iterable

DEFAULT_BUCKETS = (2048, 4096, 8192, 16384, 32768, 65536, 131072)


def effective_context(
    observations: Iterable[tuple[int, bool]],
    *,
    target: float = 0.9,
    min_n: int = 20,
    buckets: tuple[int, ...] = DEFAULT_BUCKETS,
) -> int | None:
    """observations: (prompt_tokens, bestanden).

    Liefert die Obergrenze des größten Buckets, bis zu dem alle Buckets mit genug Daten
    die Ziel-Pass-Rate erreichen. Buckets ohne genug Daten unterbrechen die Kette nicht,
    zählen aber auch nicht als Nachweis. Ohne Nachweis: None.
    """
    counts = {b: [0, 0] for b in buckets}  # [n, passed]
    for tokens, passed in observations:
        for b in buckets:
            if tokens <= b:
                counts[b][0] += 1
                counts[b][1] += int(passed)
                break
    result = None
    for b in buckets:
        n, ok = counts[b]
        if n < min_n:
            continue
        if ok / n >= target:
            result = b
        else:
            break
    return result