# Windows GPU 검증 — GPU 가 달린 러너에서만
#
# GPU 는 한 VM 만 독점한다(컨슈머 NVIDIA 는 vGPU 미지원). 그래서 GPU 없는
# 상시 CI VM(runs-on: windows)에서는 CUDA·VRAM·4~5티어를 확인할 수 없다.
# 그 항목만 떼어내 별도 라벨로 돌린다.
#
# 러너 라벨: windows-gpu:host
#   - GPU 가 달린 Windows 머신에 등록한다 (두 번째 GPU를 꽂은 VM, 또는 실물 PC)
#   - 상시로 띄울 필요 없다. 필요할 때만 daemon 을 켜면 된다
#
# 그래서 트리거도 **수동 실행만** 이다. 러너가 없으면 큐에 쌓이기만 하고
# 아무 일도 일어나지 않는다. 자동으로 돌리고 싶으면 push 트리거를 켜면 된다.

name: Windows GPU

on:
  workflow_dispatch:

# GPU 는 나눠 쓸 수 없다. 두 작업이 동시에 VRAM 을 잡으면 둘 다 OOM 으로
# 죽거나, 더 나쁘게는 하나가 조용히 느려져 원인을 못 찾는다.
# 이건 같은 저장소 안에서만 막아준다. **다른 저장소까지 포함한 진짜 보장은
# 러너의 capacity: 1** 이다 (docs/WINDOWS-TESTING.md 참고).
concurrency:
  group: windows-gpu
  cancel-in-progress: false

jobs:
  gpu:
    runs-on: windows-gpu
    timeout-minutes: 90

    steps:
      # 라벨이 안 맞으면 Gitea 가 기본 ubuntu 컨테이너로 떨어뜨린다.
      # GPU 를 확인하겠다고 부른 작업이 엉뚱한 데서 도는 일은 막아야 한다.
      - name: Windows 인지 확인
        shell: pwsh
        run: |
          Write-Host "RUNNER_OS=$env:RUNNER_OS"
          if ($env:RUNNER_OS -ne "Windows") {
            Write-Host "::error::Windows 러너가 아닙니다 ($env:RUNNER_OS)."
            Write-Host "::error::러너를 'windows-gpu:host' 라벨로 등록했는지 확인하세요."
            exit 1
          }

      - name: NVIDIA GPU 가 실제로 보이는지
        shell: pwsh
        run: |
          nvidia-smi --query-gpu=name,memory.total --format=csv,noheader
          if ($LASTEXITCODE -ne 0) {
            Write-Host "::error::nvidia-smi 실패 — 이 러너에는 GPU 가 없습니다."
            exit 1
          }

      - name: 소스 받기
        uses: actions/checkout@v4

      # 포터블 CI 와 달리 여기서는 torch CUDA 빌드가 필요하다.
      # 4~5티어(Seed-X / Qwen3)가 torch 위에서 돌기 때문이다.
      - name: 의존성 설치 (torch CUDA 포함)
        shell: pwsh
        run: |
          python -m venv .venv-gpu
          .\.venv-gpu\Scripts\python -m pip install --upgrade pip --quiet
          .\.venv-gpu\Scripts\python -m pip install torch --index-url https://download.pytorch.org/whl/cu128
          .\.venv-gpu\Scripts\python -m pip install -r requirements.txt
          .\.venv-gpu\Scripts\python -c "import torch; assert torch.cuda.is_available(), 'CUDA 안 잡힘 — CPU 빌드가 깔렸는지 확인'; print('CUDA OK:', torch.cuda.get_device_name(0))"

      # 4티어(Seed-X AWQ Int4)에만 필요하고 Windows 휠이 없을 때가 있다.
      # 실패해도 멈추지 않는다 — 점검기가 autoawq 유무를 보고 4티어를
      # 건너뛰면서 "건너뜀: 정밀(autoawq 없음)" 이라고 분명히 남긴다.
      - name: autoawq (4티어 전용, 선택)
        shell: pwsh
        continue-on-error: true
        run: .\.venv-gpu\Scripts\python -m pip install autoawq

      - name: GPU 전용 점검
        shell: pwsh
        env:
          PYTHONPATH: src
        run: .\.venv-gpu\Scripts\python packaging\windows_smoke.py --gpu

      - name: 결과물 업로드
        uses: actions/upload-artifact@v4
        if: always()
        with:
          name: LiveSub-gpu-report
          path: artifacts/*.txt
          retention-days: 14