import logging
import re

import httpx

from app.config import LOW_SCORE, llm_config

logger = logging.getLogger("learn_rag")

# 发给服务器的第一条消息，role = system。
# 这里只有客服身份和回答规则，不含检索结果。换模型时这段一般不用改。
SYSTEM_PROMPT = """你是「知迹」的客服。用友好、耐心、自然的中文和顾客说话，像在柜台前当面回答。
规则：
1. 只能根据本次给出的知识切片回答，不要补充切片之外的信息，不要编造。
2. 先用「您好」一类的问候开场，再回答问题，并补上顾客需要知道的条件。语气像柜台客服，礼貌、清楚，不要只报两个数字。
3. 如果切片不够回答，坦诚说明现在查不到，并建议对方到服务台再确认。
4. 不要使用 Markdown，不要写标题，不要复述全部切片。
5. 引用事实时在相关句末标注〔来源1〕这种编号。编号只能使用给定切片的编号。"""


def build_context(chunks: list[dict]) -> str:
    blocks = []
    for chunk in chunks:
        blocks.append(
            f"〔来源{chunk['n']}〕《{chunk['title']}》相关度 {chunk['score']:.0%}\n{chunk['text']}"
        )
    return "\n\n".join(blocks)


def extractive_answer(chunks: list[dict], low_confidence: bool) -> str:
    if not chunks:
        return "知识库里还没有可以检索的内容。"
    lead = ""
    if low_confidence:
        lead = "最接近的切片和问题只是部分相关，下面按原文摘出，请以右侧切片为准。\n\n"
    lines = [lead + chunks[0]["text"].strip() + f"〔来源{chunks[0]['n']}〕"]
    for chunk in chunks[1:2]:
        if chunks[0]["score"] - chunk["score"] <= 0.08:
            lines.append("\n" + chunk["text"].strip() + f"〔来源{chunk['n']}〕")
    return "\n".join(lines).strip()


def generate(question: str, chunks: list[dict]) -> tuple[str, str, str | None, bool]:
    low_confidence = not chunks or chunks[0]["score"] < LOW_SCORE
    if not chunks:
        return "知识库里还没有可以检索的内容。", "extractive", None, True

    settings = llm_config()
    if settings is None:
        notice = "还没有配置大模型，回答直接摘自相关度最高的切片。在项目目录的 .env 中填入 OPENAI_API_KEY 后重启，即可生成连贯回答。"
        return extractive_answer(chunks, low_confidence), "extractive", notice, low_confidence

    caution = ""
    if low_confidence:
        caution = "注意：最高相关度偏低。如果切片不能直接支持答案，请坦诚告诉顾客查不到。\n\n"
    # 发给服务器的第二条消息，role = user。检索到的切片从这里进提示词。
    # 拼出来的样子：
    #   下面是检索到的知识切片，请据此回答顾客。
    #
    #   〔来源1〕《文档标题》相关度 75%
    #   切片原文……
    #
    #   〔来源2〕《文档标题》相关度 71%
    #   切片原文……
    #
    #   顾客的问题：柏卡会员年费多少，能借几本书？
    user_prompt = (
        f"{caution}下面是检索到的知识切片，请据此回答顾客。\n\n"
        f"{build_context(chunks)}\n\n"
        f"顾客的问题：{question}"
    )
    try:
        answer = call_llm(settings, user_prompt)
    except Exception:
        logger.exception("大模型调用失败")
        notice = "大模型暂时不可用，已改为直接摘录检索到的切片。"
        return extractive_answer(chunks, low_confidence), "extractive", notice, low_confidence
    return answer, "llm", None, low_confidence


def strip_think(text: str) -> str:
    return re.sub(r"<think>.*?</think>", "", text, flags=re.DOTALL).strip()


def call_llm(settings: dict, user_prompt: str) -> str:
    # 一次请求只生成一次回答。messages 就是上面两条：
    # system = 客服身份；user = 知识切片 + 顾客问题。
    # 换模型只改 OLLAMA_MODEL（现在是 qwen3-vl:4b），这两条提示词保持不变。
    messages = [
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": user_prompt},
    ]
    timeout = httpx.Timeout(180.0, connect=10.0)
    if settings["provider"] == "ollama":
        # POST {OLLAMA_BASE_URL}/api/chat
        # think=false：不要把推理过程写进回答。
        response = httpx.post(
            f"{settings['base']}/api/chat",
            json={
                "model": settings["model"],
                "messages": messages,
                "stream": False,
                "think": False,
                "options": {"temperature": 0.4, "num_predict": 800},
            },
            timeout=timeout,
        )
        response.raise_for_status()
        message = response.json().get("message") or {}
        text = strip_think(message.get("content") or "")
    else:
        response = httpx.post(
            f"{settings['base']}/chat/completions",
            headers={"Authorization": f"Bearer {settings['key']}"},
            json={
                "model": settings["model"],
                "temperature": 0.4,
                "max_tokens": 800,
                "messages": messages,
            },
            timeout=timeout,
        )
        response.raise_for_status()
        message = response.json()["choices"][0]["message"]
        content = message.get("content")
        if isinstance(content, list):
            content = "".join(
                part.get("text", "") if isinstance(part, dict) else str(part) for part in content
            )
        text = strip_think(content or "")
    if not text:
        raise ValueError("模型返回了空回答")
    return text