"""通过大模型按教材/课程生成章节目录。"""
from __future__ import annotations

from models import LlmSetting, Textbook
from services import llm_client


SYSTEM_PROMPT = (
    "你是一位资深数学教材编审与课程设计专家，熟悉盖尔范德"
    "《函数和图像》《代数》《三角函数》等中学生数学思维丛书。"
)


def build_chapters_prompt(
    *,
    textbook: Textbook,
    count: int,
    existing_names: list[str],
    instructions: str,
    fixed_titles: list[str] | None = None,
    external_context: dict | None = None,
    graph_context: list[str] | None = None,
) -> str:
    extra = f"\n额外要求：{instructions}" if instructions else ""
    existing = "、".join(existing_names) if existing_names else "（暂无章节）"
    isbn = textbook.isbn or ""
    external = external_context or {}
    external_title = external.get("title") or ""
    external_description = external.get("description") or ""
    lookup_status = (
        "ISBN 公开目录未收录，请结合书名 + ISBN + 作者/出版社"
        "确认正式出版物后作答"
        if (isbn and not external)
        else "已通过 ISBN 查询到公开书目信息"
    )
    knowledge_hint = (
        "、".join(graph_context) if graph_context else "（按该书内容从知识图谱选择）"
    )
    graph_line = f"\n知识图谱可用节点：{knowledge_hint}"

    if fixed_titles:
        numbered = "\n".join(
            f"{index}. {title}" for index, title in enumerate(fixed_titles, start=1)
        )
        lookup_note = "已根据 ISBN 查询到该书正式目录"
        if external_title:
            lookup_note += f"（{external_title}）"
        knowledge_hint = (
            "、".join(graph_context) if graph_context else "（按该书内容选择）"
        )
        return f"""通过 ISBN 查询到《{textbook.name}》的正式章节目录。
{lookup_note}。请为下列章节编写符合数学教材风格的内容摘要。

正式目录章节：
{numbered}
系统知识图谱可用节点：{knowledge_hint}

要求：
1. 章节名称必须与上面给定名称完全一致，不得改名、不得新增或删减；
2. 每章 summary 用 1-2 句中文说明该章核心主题、知识能力与学习任务；
3. 每章从系统知识图谱可用节点中按语义选择 1-5 个作为 knowledge_names；
4. 不要输出多余文字，只输出 JSON：
{{"chapters":[{{"name":"给定章节名","summary":"摘要","knowledge_names":["节点名"]}}]}}"""

    return f"""请像检索真实书目一样，根据以下信息还原《{textbook.name}》中文正式版的完整章节目录。

书目信息：
- 书名：{textbook.name}
- ISBN：{isbn or "（未填写）"}
- 作者/翻译/出版：{textbook.author} {textbook.publisher}
- 版本/学段：{textbook.edition} {textbook.grade}
- 简介：{textbook.description or "请结合标题判断"}
- 本书目前已存在章节：{existing or "（暂无）"}
{f"- 外部书目补充：{external_description}" if external_description else ""}
{graph_line}

要求：
1. 只做“目录还原”，不要编撰新章节，不要套用通用课程大纲；
2. 请检索/回忆该 ISBN 对应版本的中文正式目录，原样输出目录条目
   （引言、第 X 章、附录/习题解答等都要保留原名，例如“第 8 章 独立求解的问题”）；
3. 输出全部正式目录；若确有把握有限，也可只输出能确认的部分，不要补造；
4. 为每个目录条目写 1 句 summary（前言/解答等可写其用途）；
5. 每个教学章节从“知识图谱可用节点”中选择 1-5 个作为 knowledge_names；
   前言、习题解答等非教学条目 knowledge_names 输出空数组；
6. 不要输出多余文字，只输出 JSON：
{{"chapters":[{{"name":"目录原样条目","summary":"摘要","knowledge_names":["节点名"]}}]}}
"""


def _extract_json(content: str) -> dict:
    from services.json_utils import extract_json_lax

    return extract_json_lax(content)


def generate_chapters(
    *,
    setting: LlmSetting,
    textbook: Textbook,
    count: int,
    existing_names: list[str],
    instructions: str,
    fixed_titles: list[str] | None = None,
    external_context: dict | None = None,
    graph_context: list[str] | None = None,
) -> list[dict]:
    use_titles = fixed_titles or []
    if use_titles:
        count = len(use_titles)
    prompt = build_chapters_prompt(
        textbook=textbook,
        count=count,
        existing_names=existing_names,
        instructions=instructions,
        fixed_titles=use_titles or None,
        external_context=external_context,
        graph_context=graph_context,
    )
    payload = {}
    last_error = ""
    for attempt in range(3):
        try:
            content = llm_client.chat_completion(
                base_url=setting.base_url,
                api_key=setting.api_key,
                model=setting.model,
                temperature=0.3,
                max_tokens=setting.max_tokens or 5000,
                timeout=200.0,
                messages=[
                    {"role": "system", "content": SYSTEM_PROMPT},
                    {"role": "user", "content": prompt},
                ],
            )
        except ValueError as exc:
            last_error = str(exc)
            continue
        try:
            payload = _extract_json(content)
            break
        except ValueError as exc:
            last_error = str(exc)
    else:
        raise ValueError(
            f"模型连续 3 次未返回合法 JSON，最后一次：{last_error}"
        )
    raw_chapters = payload.get("chapters")
    if not isinstance(raw_chapters, list) or not raw_chapters:
        raise ValueError("模型返回内容中没有 chapters 列表")

    result: list[dict] = []
    fixed_set = set(use_titles)
    for raw in raw_chapters[:count]:
        if not isinstance(raw, dict):
            raise ValueError("模型返回的章节格式不正确")
        name = str(raw.get("name", "")).strip()
        summary = str(raw.get("summary", "")).strip()
        if not name:
            raise ValueError("模型返回的章节名称为空")
        if fixed_set and name not in fixed_set:
            raise ValueError(
                f"模型返回的章节“{name}”不在 ISBN 查询到的正式目录中，请重试"
            )
        raw_knowledge = raw.get("knowledge_names") or []
        if not isinstance(raw_knowledge, list):
            raw_knowledge = []
        result.append(
            {
                "name": name[:128],
                "summary": summary[:1000],
                "knowledge_names": [
                    str(tag).strip()[:64] for tag in raw_knowledge
                ],
            }
        )
    return result


def organize_reference_chapters(
    *,
    setting: LlmSetting,
    textbook: Textbook,
    reference_text: str,
    existing_names: list[str],
    graph_context: list[str],
) -> list[dict]:
    """根据用户粘贴的目录素材整理出章节，并为每个章节从知识图谱选节点。"""
    prompt = f"""你是一名教材目录整理助手。下面是从用户或其他 AI 处得到的
《{textbook.name}》目录原始资料，请整理成结构化章节列表。

教材信息：
- ISBN：{textbook.isbn or "未填写"}
- 作者/出版：{textbook.author} {textbook.publisher}
- 已存在章节：{"、".join(existing_names) if existing_names else "（暂无）"}

知识图谱可用节点（只能从这里选 knowledge_names）：
{"、".join(graph_context) if graph_context else "（暂无）"}

用户提供的目录素材：
==========================
{reference_text}
==========================

要求：
1. 只整理素材中真实出现的章节目录，不得新增、不得凭印象补造；
2. 保留正式名称（含“第 X 章”、引言、前言、习题解答等），去除多余格式符号；
3. 无法判断为目录项的文字不要输出；
4. 每章 summary 用 1 句中文说明；
5. 教学章节从“知识图谱可用节点”中按语义选择 1-5 个 knowledge_names，
   非教学条目为空数组；不得自造图谱节点；
6. 只输出 JSON：{{"chapters":[{{"name":"目录项","summary":"摘要","knowledge_names":["节点"]}}]}}
"""
    payload = {}
    last_error = ""
    for attempt in range(3):
        try:
            content = llm_client.chat_completion(
                base_url=setting.base_url,
                api_key=setting.api_key,
                model=setting.model,
                temperature=0.1,
                max_tokens=setting.max_tokens or 5000,
                timeout=200.0,
                messages=[
                    {
                        "role": "system",
                        "content": (
                            "你只负责整理用户提供的真实目录素材，不编造内容。"
                            "JSON 必须完整闭合。"
                        ),
                    },
                    {"role": "user", "content": prompt},
                ],
            )
        except ValueError as exc:
            last_error = str(exc)
            continue
        try:
            payload = _extract_json(content)
            break
        except ValueError as exc:
            last_error = str(exc)
    else:
        raise ValueError(
            f"模型连续 3 次未返回合法 JSON，最后一次：{last_error}"
        )
    raw_chapters = payload.get("chapters")
    if not isinstance(raw_chapters, list) or not raw_chapters:
        raise ValueError("整理结果中没有 chapters 列表")
    result: list[dict] = []
    for raw in raw_chapters:
        if not isinstance(raw, dict):
            continue
        name = str(raw.get("name", "")).strip()
        if not name:
            continue
        raw_knowledge = raw.get("knowledge_names") or []
        if not isinstance(raw_knowledge, list):
            raw_knowledge = []
        result.append(
            {
                "name": name[:128],
                "summary": str(raw.get("summary", "")).strip()[:1000],
                "knowledge_names": [
                    str(tag).strip()[:64] for tag in raw_knowledge
                ],
            }
        )
    return result