setup.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
🍌 Banana Intelligence Suite — ONE-COMMAND SETUP
Run this once:  python setup.py

What it does:
  1. Checks Python 3.8+ is available
  2. Verifies all required script files exist
  3. Creates ~/.claude/commands/ directory
  4. Installs all 3 Claude Code skills (banana-persona, banana-audience, banana-mass)
  5. Runs a quick self-test
  6. Prints the full usage guide
"""

import sys
import io
import os
import shutil
import subprocess
from pathlib import Path

# Force UTF-8 output on Windows (needed for emoji in print)
if sys.platform == 'win32':
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='replace')
    sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding='utf-8', errors='replace')

# ── Config ─────────────────────────────────────────────────────────────────────
SCRIPT_DIR   = Path(__file__).parent.resolve()
CLAUDE_DIR   = Path.home() / '.claude' / 'commands'
MIN_PYTHON   = (3, 8)
REQUIRED_SCRIPTS = [
    'persona_digest.py',
    'persona_interpreter.py',
    'audience_digest.py',
    'persona_report.py',
    'audience_report.py',
    'inject_analysis.py',
    'banana_launcher.py',
]

# ── Terminal colors ─────────────────────────────────────────────────────────────
def c(text, code): return f'\033[{code}m{text}\033[0m'
OK   = lambda t: print(c(f'  ✅  {t}', '32'))
FAIL = lambda t: print(c(f'  ❌  {t}', '31'))
INFO = lambda t: print(c(f'  ℹ️   {t}', '36'))
HEAD = lambda t: print(c(f'\n{"─"*50}\n  {t}\n{"─"*50}', '35'))

# ── Enable Windows ANSI colors ──────────────────────────────────────────────────
if sys.platform == 'win32':
    os.system('color')


def check_python():
    HEAD('1 / 5  Python версия')
    v = sys.version_info[:2]
    if v >= MIN_PYTHON:
        OK(f'Python {v[0]}.{v[1]} — OK (требуется 3.8+)')
    else:
        FAIL(f'Python {v[0]}.{v[1]} слишком старый! Нужен 3.8+')
        sys.exit(1)


def check_scripts():
    HEAD('2 / 5  Проверка файлов')
    missing = []
    for s in REQUIRED_SCRIPTS:
        p = SCRIPT_DIR / s
        if p.exists():
            OK(f'{s}  ({p.stat().st_size // 1024} KB)')
        else:
            FAIL(f'Не найден: {p}')
            missing.append(s)
    if missing:
        print(f'\n  Отсутствуют файлы: {missing}')
        print(f'  Убедись, что все скрипты лежат в: {SCRIPT_DIR}')
        sys.exit(1)


def install_skills():
    HEAD('3 / 5  Установка скиллов Claude Code')
    CLAUDE_DIR.mkdir(parents=True, exist_ok=True)
    OK(f'Папка команд: {CLAUDE_DIR}')

    skills = {
        'banana-persona.md':  _skill_persona(),
        'banana-audience.md': _skill_audience(),
        'banana-mass.md':     _skill_mass(),
    }

    for name, content in skills.items():
        path = CLAUDE_DIR / name
        path.write_text(content, encoding='utf-8')
        OK(f'/{name.replace(".md","")} — установлен → {path}')


def run_selftest():
    HEAD('4 / 5  Быстрый тест (синтаксис скриптов)')
    test_scripts = ['persona_digest.py', 'audience_digest.py', 'persona_report.py',
                    'audience_report.py', 'inject_analysis.py']
    all_ok = True
    for s in test_scripts:
        r = subprocess.run([sys.executable, '-m', 'py_compile', str(SCRIPT_DIR / s)],
                           capture_output=True)
        if r.returncode == 0:
            OK(f'{s} — синтаксис OK')
        else:
            FAIL(f'{s} — ошибка: {r.stderr.decode(errors="replace")[:100]}')
            all_ok = False
    return all_ok


def print_guide():
    HEAD('5 / 5  Готово! Быстрый старт')
    sq = SCRIPT_DIR.as_posix()
    print(f"""
  {c('СКИЛЛЫ В CLAUDE CODE', '33')}
  ─────────────────────────────────────────
  /banana-persona <путь_к_файлу.json>
      → Полный HTML-отчёт по одному пользователю

  /banana-audience <путь_к_файлу.json> <файл2.json> ...
      → Аудиторный отчёт по нескольким пользователям

  /banana-mass
      → Открывает GUI для выбора 10+ файлов

  {c('ПРЯМОЙ ЗАПУСК (без Claude Code)', '33')}
  ─────────────────────────────────────────
  python "{sq}/persona_report.py" <file.json> --open

  python "{sq}/audience_report.py" <f1.json> <f2.json> --out report.html

  python "{sq}/banana_launcher.py"   ← GUI лаунчер

  {c('ТОКЕН-ЭКОНОМНЫЙ РЕЖИМ', '33')}
  ─────────────────────────────────────────
  python "{sq}/persona_digest.py" <file.json> --brief
      → ~250 токенов вместо 2000+. Claude анализирует этот бриф.

  {c('Источник скриптов:', '90')} {sq}
  {c('Скиллы:', '90')} {CLAUDE_DIR}
""")


# ── Skill content generators ────────────────────────────────────────────────────

def _skill_persona():
    sd = SCRIPT_DIR.as_posix()
    return f"""# 🍌 Banana Persona — маркетинговый портрет пользователя Telegram

Строит HTML-отчёт + глубокий AI-анализ уровня кибер-маркетолога.

**Аргументы:** $ARGUMENTS

## Алгоритм

### ШАГ 1. Генерация HTML-отчёта

```bash
python "{sd}/persona_report.py" "$ARGUMENTS" 2>&1
```

Запомни путь к HTML-файлу (последняя строка stdout).

### ШАГ 2. Python pre-analysis (все паттерны уже вычислены)

```bash
python "{sd}/persona_interpreter.py" "$ARGUMENTS" 2>/dev/null
```

Прочитай ПОЛНЫЙ вывод — Python уже интерпретировал хронотип, стиль коммуникации,
социальный граф, аномалии и противоречия. Тебе НЕ нужно вычислять — только добавь маркетинговый слой.

### ШАГ 3. Действуй как кибер-маркетолог

Используя pre-analysis выше, напиши анализ в HTML-формате — CSS классы `ai-card` и `ai-verdict`.

**7 обязательных блоков:**

```html
<div class="ai-card">
  <h3>🧠 1. Психолингвистический профиль</h3>
  <p>...</p>
</div>
```

**1 🧠 Психолингвистика** — из СТИЛЬ КОММУНИКАЦИИ + ОБРАЗЦЫ РЕЧИ
- Когнитивный стиль, модальность, локус контроля
- Что CASUAL выдаёт о реальном человеке vs что PITCH пытается показать

**2 🎯 Скрытые боли** — из АНОМАЛИЙ и противоречий
- Что реально болит (из casual) vs декларируемые боли (из pitch)
- Маркетинговый разрыв который можно эксплуатировать

**3 💰 Покупательское поведение** — хронотип + социальный граф
- Когда, как, через какие каналы принимает решения о покупке
- Ценовые триггеры, антипаттерны

**4 🕸️ Социальный граф** — из СОЦИАЛЬНОГО ГРАФА
- Как использовать их нетворк для виральности продукта

**5 ⏱️ Тайминг первого касания** — из ХРОНОТИПА
- Точное время и день для первого сообщения/письма
- Как сформулировать с учётом эмоционального профиля

**6 🎪 Маркетинговый бриф** — конкретный и применимый
- Идеальный первый месседж (используй их реальные слова и эмодзи)
- 3 ad copy под разные каналы
- Лид-магнит, CTA формулировка, ценовой якорь

**7 🔮 Вердикт** в `<div class="ai-verdict">`
- 1 предложение: кто в сущности
- Как зацепить с первого касания
- LTV-потенциал

### ШАГ 4. Инжектируй в HTML

Сохрани HTML в `analysis_tmp.html`, затем:

```bash
python "{sd}/inject_analysis.py" "<ПУТЬ_К_HTML_ОТЧЁТУ>" analysis_tmp.html 2>&1
```

Удали tmp файл. Открой итоговый HTML в браузере.

### ШАГ 5. Скажи 3 главных инсайта которые пользователь не ожидает

---
**Если путь не указан** — попроси предоставить путь к `user-*-messages.json`
"""


def _skill_audience():
    sd = SCRIPT_DIR.as_posix()
    return f"""# 🍌 Banana Audience — анализ аудитории из нескольких JSON

Строит сводный HTML-отчёт по аудитории + глубокий сегментационный AI-анализ.

**Аргументы:** $ARGUMENTS (пути к JSON через пробел, или путь к папке)

## Алгоритм

### ШАГ 1. HTML-отчёт

```bash
python "{sd}/audience_report.py" $ARGUMENTS --out audience_report.html 2>&1
```

### ШАГ 2. Аудиторный дайджест (краткий)

```bash
python "{sd}/audience_digest.py" $ARGUMENTS 2>/dev/null | python -c "
import sys,json
d=json.load(sys.stdin)
brief=d.copy()
# Compact per-user: only signals + top5 words + peak
for u in brief.get('per_user_profiles',[]):
    u['top_words']=dict(list(u.get('top_words',{{}}).items())[:5])
    u.pop('top_domains','')
print(json.dumps(brief,ensure_ascii=False,indent=1))
" 2>/dev/null
```

### ШАГ 3. AI-анализ аудитории (9 блоков)

Используй .ai-card / .ai-verdict CSS классы. Напиши:

1. **📊 Обзор** — кто эта аудитория в 1 фразе, 3 главные цифры
2. **🎭 Сегменты** — 3-5 архетипов с % и описанием, самый ценный и недооценённый
3. **🧠 Коллективная психография** — ценности, страхи, уровень осознанности
4. **🕸️ Граф интересов** — пересечения тем, скрытые корреляции, gap analysis
5. **⏱️ Временной профиль** — ТЗ, окно активности, мёртвые зоны
6. **💰 Покупательское поведение** — ценовая точка, триггеры, модель монетизации
7. **🎪 Маркетинговая стратегия** — 3 столпа контента, каналы, 3 hook варианта, лид-магнит, воронка
8. **🚫 Антипаттерны** — 3-5 конкретных вещей которые убьют конверсию
9. **🔮 Executive Verdict** — 3 предложения о сущности + дешевейший способ первых 100 клиентов

### ШАГ 4. Инжектируй

```bash
python "{sd}/inject_analysis.py" "audience_report.html" analysis_tmp.html 2>&1
```

---
**Назови 3 неочевидных инсайта** об этой аудитории в конце.
"""


def _skill_mass():
    sd = SCRIPT_DIR.as_posix()
    return f"""# 🍌 Banana Mass — GUI лаунчер для пакетного анализа 10+ файлов

Открывает красивое GUI-окно для загрузки файлов и запуска анализа.

**Аргументы:** $ARGUMENTS

## Запуск

```bash
python "{sd}/banana_launcher.py" 2>&1
```

Откроется 🍌 Banana Mass Analyzer.

## В GUI:
1. Выбери режим: **Аудитория** (1 HTML) или **Персоны** (по одному на каждого)
2. Нажми **«+ Файлы»** или **«📁 Папка»**
3. Выбери папку сохранения
4. Нажми **«▶ Запустить»**
5. После завершения — **«🌐 Открыть отчёт»**

## Прямой запуск без GUI (для 2-10 файлов):

**Аудитория:**
```bash
python "{sd}/audience_report.py" <f1.json> <f2.json> --out report.html
```

**Персона:**
```bash
python "{sd}/persona_report.py" <file.json> --open
```
"""


# ── Main ────────────────────────────────────────────────────────────────────────

def main():
    print(c('\n  🍌 Banana Intelligence Suite — SETUP', '33;1'))
    print(c(f'  Источник: {SCRIPT_DIR}', '90'))

    check_python()
    check_scripts()
    install_skills()
    ok = run_selftest()
    print_guide()

    if ok:
        print(c('  🎉 Установка завершена успешно!\n', '32;1'))
    else:
        print(c('  ⚠️  Есть ошибки, проверь вывод выше.\n', '33;1'))


if __name__ == '__main__':
    main()