from langchain_google_genai import GoogleGenerativeAIEmbeddings
from langchain_community.vectorstores import Chroma
from dotenv import load_dotenv

load_dotenv()

# --- IMPORTANTE: Usá el mismo modelo que usaste en ingest.py ---
model_name = "models/gemini-embedding-001"
embeddings = GoogleGenerativeAIEmbeddings(model=model_name)

# Conectamos con la base existente
print("Conectando con la base de datos...")
vector_db = Chroma(persist_directory="./chroma_db", embedding_function=embeddings)

# Hacemos una búsqueda de prueba
query = "DIAS DE LICENCIA" # Poné un tema que sepas que está en el PDF
print(f"Buscando: '{query}'...")

results = vector_db.similarity_search(query, k=1)

if results:
    print("\n¡ÉXITO! Encontré información:")
    print("-" * 30)
    print(results[0].page_content[:300] + "...") # Imprime un pedacito del texto encontrado
    print("-" * 30)
else:
    print("No se encontró información. Algo salió mal en la ingesta.")