# 100 hayali şirket — multi-hop reasoning için
COMPANIES = [
    {"name": "TrabzonTech", "city": "Trabzon", "founded": 2003, "ipo": 2007},
    {"name": "İstanbulSoft", "city": "İstanbul", "founded": 2010, "ipo": 2015},
    {"name": "EgeBio", "city": "İzmir", "founded": 1998, "ipo": 2005},
    # ... 97 daha
]
 
def make_company_text(c):
    return (
        f"{c['name']} şirketi {c['city']}'de {c['founded']} yılında kurulmuştur. "
        f"Şirket {c['ipo']} yılında halka açılmıştır."
    )
 
def make_context(size_target: int):
    """Hedef token boyutuna kadar şirket bilgilerini ekle."""
    text = ""
    while len(text) // 3 < size_target:  # Türkçe ~3 char/token
        c = random.choice(COMPANIES)
        text += make_company_text(c) + " "
    return text
 
# Multi-hop sorular — context'teki bilgilerle cevaplanabilir olmalı
QUESTIONS = [
    "Hangi şirket Trabzon'da kuruldu ve 2008'den önce halka açıldı?",
    "İzmir'de 2000 öncesi kurulan kaç şirket var?",
    "İstanbul'da kurulan ve 2015'ten sonra halka açılan şirketlerin sayısı?",
    # ... 47 daha (multi-hop reasoning gerektiren)
]

import anthropic
 
client = anthropic.Anthropic()
 
CONTEXT_SIZES = [10_000, 50_000, 200_000]
results = {size: {"correct": 0, "total": 0, "latency": 0.0} for size in CONTEXT_SIZES}
 
for size in CONTEXT_SIZES:
    context = make_context(size)
    print(f"\n═══ Context size: {size:,} token ═══")
 
    for q in QUESTIONS[:10]:  # 10 sorgu/size, hızlı için
        start = time.perf_counter()
        resp = client.messages.create(
            model="claude-sonnet-4-6",
            max_tokens=200,
            system=[{
                "type": "text",
                "text": "Aşağıdaki şirket bilgilerini dikkatle oku ve soruları doğru cevapla.\n\n" + context,
                "cache_control": {"type": "ephemeral"},
            }],
            messages=[{"role": "user", "content": q + "\n\nCevabı liste halinde ver."}],
        )
        latency = time.perf_counter() - start
 
        # Cevap doğrulamayı manuel kontrol etmen lazım
        # Burada placeholder: gerçek labında ground truth ile karşılaştır
        is_correct = manual_check(resp.content[0].text, q)
        results[size]["total"] += 1
        if is_correct:
            results[size]["correct"] += 1
        results[size]["latency"] += latency
 
# Özet
print(f"\n{'Size':<10} {'Accuracy':>10} {'Avg latency':>12}")
print("─" * 35)
for size in CONTEXT_SIZES:
    r = results[size]
    acc = r["correct"] / r["total"] * 100
    avg_lat = r["latency"] / r["total"]
    print(f"{size:>8,}K {acc:>9.1f}% {avg_lat:>10.2f}s")