"""
AI service: Report analysis, chat, doctor questions.
Uses OpenAI-compatible API (e.g. SiliconFlow).
"""

import json
import logging
from typing import Optional

from openai import AsyncOpenAI

from app.config import settings
from app.models.report import Report
from app.models.user import User

logger = logging.getLogger(__name__)


def _get_client() -> AsyncOpenAI:
    return AsyncOpenAI(api_key=settings.ai_api_key, base_url=settings.ai_base_url)


def _build_report_context(report: Report, user: User) -> str:
    """构建报告上下文给 AI"""
    lines = [
        f"孕妈信息: 年龄{user.age}岁",
    ]
    if report.pregnancy_week:
        lines.append(f"检查时孕周: 第{report.pregnancy_week}周")
    if report.report_date:
        lines.append(f"报告日期: {report.report_date}")
    if user.last_period_date:
        lines.append(f"末次月经: {user.last_period_date}")
    if user.height:
        lines.append(f"身高: {user.height}cm")
    if user.current_weight:
        lines.append(f"当前体重: {user.current_weight}kg")
    if user.blood_type:
        lines.append(f"血型: {user.blood_type}")
    if user.medical_history:
        lines.append(f"病史: {', '.join(user.medical_history)}")

    lines.append(f"\n报告类型: {report.report_type}")
    lines.append("\n检查指标:")
    for item in report.data_items:
        ref = f", 参考范围: {item.reference_range}" if item.reference_range else ""
        lines.append(f"  - {item.name}: {item.value} {item.unit}{ref}")

    if report.symptoms:
        lines.append(f"\n自觉症状: {', '.join(report.symptoms)}")

    return "\n".join(lines)


def _parse_json_response(text: str) -> dict:
    """从 AI 回复中提取 JSON"""
    if "```json" in text:
        text = text.split("```json")[1].split("```")[0]
    elif "```" in text:
        text = text.split("```")[1].split("```")[0]
    return json.loads(text.strip())


async def _chat_complete(system: str, user_content: str, messages: Optional[list] = None, max_tokens: int = 4096) -> str:
    """统一调用 AI 文本模型"""
    client = _get_client()
    msgs = [{"role": "system", "content": system}]
    if messages:
        msgs.extend(messages)
    else:
        msgs.append({"role": "user", "content": user_content})

    try:
        response = await client.chat.completions.create(
            model=settings.ai_text_model,
            max_tokens=max_tokens,
            temperature=0.7,  # 降低温度提高生成速度
            messages=msgs,
        )
    except Exception as e:
        err_msg = str(e)
        logger.error("AI 调用失败: %s: %s", type(e).__name__, err_msg[:200])
        if "auth" in err_msg.lower() or "api key" in err_msg.lower():
            raise RuntimeError("AI 服务认证失败，请检查 API Key") from e
        raise RuntimeError("AI 服务暂时不可用，请稍后重试") from e

    return response.choices[0].message.content


# ─── Report Analysis ───

ANALYSIS_SYSTEM_PROMPT = """你是一位专业、温暖的孕期健康顾问AI。你的任务是解读孕期检查报告，用通俗易懂的语言帮助孕妈理解检查结果。

核心要求：
1. 必须结合孕周来判断指标是否正常（孕期不同阶段的正常范围不同，如血红蛋白在孕中晚期会生理性下降）
2. 将每个指标的测定结果与报告中的参考范围对比，准确判断偏高/偏低/正常
3. 如果参考范围缺失，根据你的医学知识和该孕周的标准范围来判断
4. 用温暖、关怀的语气，避免医学术语恐吓
5. 对每个指标给出白话化的昵称（如血红蛋白→"氧气快递员"，双顶径→"宝宝头围"，腹围→"宝宝肚围"，股骨长→"宝宝腿长"）
6. 解释每个指标的含义、对宝宝的影响、行动建议
7. 给出整体评估和风险等级
8. 行动建议按优先级排序

**特别注意：**
- 如果是B超报告，重点关注胎儿生长指标（双顶径、腹围、股骨长），即使只有这3个指标也要给出完整的解读
- B超报告的解读要重点说明宝宝的生长发育情况，是否符合孕周标准
- 即使指标数量很少（如只有3个），也要给出详细的解读和建议

请严格按以下JSON格式返回：
{
  "overall_status": "normal/attention/warning",
  "risk_level": "low/medium/high",
  "overall_summary": "整体评估文案",
  "emotional_summary": "情感化总结，如'宝宝发育良好，继续保持'",
  "categories": [
    {
      "category": "分类名称",
      "status": "normal/attention/warning",
      "indicators": [
        {
          "name": "指标名",
          "nickname": "白话昵称",
          "value": "值",
          "status": "normal/high/low",
          "what_is_it": "通俗解释",
          "impact": "对宝宝的影响",
          "suggestion": "行动建议",
          "recheck_reminder": "复查提醒（可选）"
        }
      ]
    }
  ],
  "action_items": [
    {
      "content": "具体建议",
      "priority": "high/medium/low",
      "category": "饮食/运动/就医/复查"
    }
  ],
  "tips": ["温馨提示1", "温馨提示2"]
}"""


async def analyze_report(report: Report, user: User) -> dict:
    """调用 AI 解读报告"""
    logger.info("开始AI解读报告 report_id=%s", report.id)
    context = _build_report_context(report, user)
    response_text = await _chat_complete(
        system=ANALYSIS_SYSTEM_PROMPT,
        user_content=f"请解读以下孕期检查报告:\n\n{context}",
    )
    try:
        return _parse_json_response(response_text)
    except (json.JSONDecodeError, IndexError):
        return {
            "overall_status": "normal",
            "risk_level": "low",
            "overall_summary": response_text,
            "emotional_summary": "报告解读完成",
            "categories": [],
            "action_items": [],
            "tips": [],
        }


# ─── Chat ───

CHAT_SYSTEM_PROMPT = """你是一位专业、温暖的孕期健康顾问AI。孕妈正在就她的检查报告向你提问。

要求：
1. 用通俗易懂、温暖关怀的语气回答
2. 基于报告数据给出专业建议
3. 遇到严重问题建议及时就医
4. 回答简洁明了，避免过长

以下是孕妈的检查报告信息：
{report_context}"""


async def chat_with_ai(
    report: Report, user: User, messages: list[dict], user_message: str
) -> str:
    """AI 对话追问"""
    context = _build_report_context(report, user)
    system = CHAT_SYSTEM_PROMPT.format(report_context=context)

    conversation = [{"role": "system", "content": system}]
    for msg in messages[-10:]:
        conversation.append({"role": msg["role"], "content": msg["content"]})
    conversation.append({"role": "user", "content": user_message})

    client = _get_client()
    try:
        response = await client.chat.completions.create(
            model=settings.ai_text_model,
            max_tokens=1024,
            messages=conversation,
        )
    except Exception as e:
        logger.error("AI 对话失败: %s", e)
        raise RuntimeError("AI 对话服务暂时不可用") from e

    return response.choices[0].message.content


# ─── Doctor Questions ───

DOCTOR_QUESTIONS_SYSTEM_PROMPT = """你是一位孕期健康顾问AI。根据检查报告中的异常项，帮孕妈生成3-5条看医生时可以问的问题。

要求：
1. 问题要专业但容易理解
2. 按重要性排序
3. 给出为什么要问这个问题的原因

请严格按以下JSON格式返回：
{
  "questions": [
    {
      "category": "分类",
      "question": "问医生的话术",
      "reason": "为什么要问这个",
      "priority": "high/medium/low"
    }
  ]
}"""


async def generate_doctor_questions(report: Report, user: User) -> dict:
    """生成问诊清单"""
    context = _build_report_context(report, user)
    response_text = await _chat_complete(
        system=DOCTOR_QUESTIONS_SYSTEM_PROMPT,
        user_content=f"请根据以下报告生成问诊清单:\n\n{context}",
        max_tokens=1024,
    )
    try:
        return _parse_json_response(response_text)
    except (json.JSONDecodeError, IndexError):
        return {"questions": []}