#!/bin/bash
# 在宿主机本地构建 SciCode 沙箱镜像（不从 Docker Hub 拉 scicode-benchmark）。
# 用法与 Terminal Bench 预加载相同：先在宿主机准备好镜像，再 docker run 评测容器并挂 docker.sock。
#
#   bash bash/images_load/preload_k3_sandbox_images.sh
#
# 注意：
#   - 评测仍在 evalscope 容器里跑，沙箱是宿主机 Docker 再起的子容器
#   - SciCode 首次运行还会按内容哈希打 tag，有本地层缓存就不会再拉 Hub
set -euo pipefail

PROJECT_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/../.." && pwd)"
SCICODE_DIR="$PROJECT_ROOT/evalscope/evalscope/benchmarks/scicode/docker"
H5_URL="https://modelscope.cn/datasets/evalscope/SciCode/resolve/master/test_data.h5"

echo "==> 检查基座镜像（已有则跳过 pull）"
if docker image inspect python:3.11-slim >/dev/null 2>&1; then
    echo "    ok python:3.11-slim"
else
    echo "    docker pull python:3.11-slim"
    docker pull python:3.11-slim
fi

echo "==> SciCode: 确保 test_data.h5"
if [ ! -f "$SCICODE_DIR/test_data.h5" ]; then
    echo "    downloading test_data.h5 ..."
    curl -L --fail -o "$SCICODE_DIR/test_data.h5" "$H5_URL"
fi
ls -lh "$SCICODE_DIR/test_data.h5"

echo "==> docker build scicode-benchmark:latest"
docker build -t scicode-benchmark:latest "$SCICODE_DIR"

echo ""
echo "完成。本地镜像："
docker images --format 'table {{.Repository}}\t{{.Tag}}\t{{.Size}}' | grep -E 'REPOSITORY|scicode-benchmark|python'
echo ""
echo "下一步：docker run 评测镜像，挂 -v /var/run/docker.sock:/var/run/docker.sock"
echo "SciCode 需要 run.py 打开 sandbox（已加入 SANDBOX_DATASETS）。"