"""出图方案规划器：DeepSeek 根据采集的商品信息生成套图方案。

方案每项 = 一类图（标题 + 说明 + 生图提示 + 张数 + 可选 SKU 绑定），
生成时按方案逐张出图；参考图可按 variant_name 精确绑定到对应 SKU 图。
"""
from __future__ import annotations

import json
import logging
import re

import httpx

from config import get_settings

log = logging.getLogger("suite.planner")

# 规划器可选用的图类型（与 prompt.py 的 builder 对应）
ALLOWED_KINDS = [
    "white_bg", "key_features", "selling_pt", "material",
    "lifestyle", "multi_scene", "ecommerce_detail",
    "size_chart", "sku_collection", "custom",
]

SYSTEM_PROMPT = """你是一名资深电商视觉策划。根据商品信息规划一套电商套图的出图方案。

## 输出硬性约束（违反即失败）
1. 输出必须是**单行紧凑 JSON**：无换行、无缩进、无空格填充、无注释、无 markdown 围栏。
2. 顶层只有 summary 和 items 两个字段；每个 item 严格只有 kind/title/detail/prompt_hint/count/variant_name 六个字段，不得增删。
3. 文本长度上限（中文字符/英文单词数）：summary ≤ 25 字；title ≤ 8 字；detail ≤ 20 字；prompt_hint ≤ 15 个英文词。超限必须删减，不得省略号截断。
4. count 默认 1，仅当该类图确需多个变体时才 >1，最大 3。总张数 8-15。
5. variant_name 只能从「SKU规格」列表原样照抄；没有绑定就输出 null。

## 规划规则
1. SKU 主图：每个带图 SKU 出 1 张独立主图（kind=white_bg），variant_name 填对应规格名；单 SKU 出 1 张（variant_name=null）。
2. 场景图（kind=lifestyle）：按核心使用场景出 2-4 张，每张聚焦一个场景。
3. 细节图（kind=material 或 custom）：按关键细节/材质/结构出 2-3 张，每张聚焦一个卖点。
4. 尺寸标注图（kind=size_chart）：参数含长宽高/尺寸时出 1 张。
5. SKU 合集图（kind=sku_collection）：SKU >1 时出 1 张。
6. kind 枚举：white_bg / key_features / selling_pt / material / lifestyle / multi_scene / ecommerce_detail / size_chart / sku_collection / custom。
7. title 用中文短语（如「主图·粉色」「浴室壁挂」）；detail 中文说明这张图展示什么；prompt_hint 用英文描述构图要点。

## 输出示例（紧凑单行）
{"summary":"三色收纳盒全套图","items":[{"kind":"white_bg","title":"主图·粉色","detail":"粉色SKU白底主视觉","prompt_hint":"front view on white background","count":1,"variant_name":"粉色"}]}"""


def _system_prompt_with_requirements(requirements: str | None) -> str:
    """把生图要求作为最高优先级约束注入 system prompt（置于规划规则之前）。

    不仅声明优先级，还明确要求把要求落地到每个方案项的 prompt_hint，
    避免模型只把要求当作背景信息而不影响输出。
    """
    if not (requirements and requirements.strip()):
        return SYSTEM_PROMPT
    marker = "\n## 输出硬性约束"
    idx = SYSTEM_PROMPT.find(marker)
    if idx < 0:
        return SYSTEM_PROMPT
    req = requirements.strip()
    block = (
        "\n## 生图要求（最高优先级，硬性约束，覆盖下方所有规划规则与约束）\n"
        + req
        + "\n\n"
        + "规划方案时，必须把上述生图要求落地到每一项：\n"
        + "1. 每个方案项的 prompt_hint 必须融入上述要求的关键约束（如要求纯黑背景，则每个 prompt_hint 都要写明 black background）；\n"
        + "2. title / detail 措辞不得与上述要求矛盾；\n"
        + "3. 任何规划规则与上述要求冲突时，一律以本生图要求为准。\n"
    )
    return SYSTEM_PROMPT[:idx] + block + SYSTEM_PROMPT[idx:]


def _normalize_items(raw_items: list, sku_variants: list[str]) -> list[dict]:
    """清洗模型输出：kind 白名单、count 钳制、variant 必须真实存在。"""
    items: list[dict] = []
    for it in raw_items:
        if not isinstance(it, dict):
            continue
        kind = str(it.get("kind") or "custom")
        if kind not in ALLOWED_KINDS:
            kind = "custom"
        title = str(it.get("title") or "").strip()[:20]
        if not title:
            continue
        try:
            count = max(0, min(3, int(it.get("count", 1))))
        except (TypeError, ValueError):
            count = 1
        variant = str(it.get("variant_name") or "").strip() or None
        if variant and variant not in sku_variants:
            variant = None  # 幻觉规格：丢弃绑定，回退主图
        items.append({
            "kind": kind,
            "title": title,
            "detail": str(it.get("detail") or "").strip()[:80],
            "prompt_hint": str(it.get("prompt_hint") or "").strip()[:300],
            "count": count,
            "variant_name": variant,
        })
    return items


def _repair_truncated(s: str) -> dict | None:
    """截断修复：从最后一个完整的 '}' 处截断，剥尾逗号后按括号配平补全闭合。

    适用于「items 数组中途被 max_tokens 截断」的场景——截断点在完整对象边界，
    此前的字符串必然已闭合，简单计数配平即可。
    """
    for cut in (m.end() for m in reversed(list(re.finditer(r'\}', s)))):
        cand = s[:cut].rstrip().rstrip(',')
        opens: list[str] = []
        for ch in cand:
            if ch in '{[':
                opens.append(ch)
            elif ch == '}' and opens and opens[-1] == '{':
                opens.pop()
            elif ch == ']' and opens and opens[-1] == '[':
                opens.pop()
        suffix = ''.join('}' if o == '{' else ']' for o in reversed(opens))
        try:
            data = json.loads(cand + suffix)
            if isinstance(data, dict):
                return data
        except json.JSONDecodeError:
            continue
    return None


def _extract_json(text: str) -> dict:
    """从模型输出提取 JSON：剥离思考块/markdown 围栏，截断时尝试修复。"""
    s = (text or '').strip()
    # 剥离思考块（思考型模型会把推理过程放进 <think>）
    s = re.sub(r'<think>.*?</think>', '', s, flags=re.S).strip()
    # 剥离 markdown 代码围栏
    m = re.search(r'```(?:json)?\s*(.*?)```', s, flags=re.S)
    if m:
        s = m.group(1).strip()
    try:
        return json.loads(s)
    except json.JSONDecodeError:
        pass
    start = s.find('{')
    if start >= 0:
        repaired = _repair_truncated(s[start:])
        if repaired is not None:
            log.warning("规划器输出疑似被截断，已自动截断修复（可能丢失末尾部分方案项）")
            return repaired
    raise ValueError("模型输出无法解析为 JSON")


async def generate_plan(
    product_info: dict,
    sku_variants: list[str],
    image_stats: dict,
    platform: str,
    requirements: str | None = None,
) -> dict:
    """调用 DeepSeek 生成方案。返回 {summary, items}。

    requirements：生图要求，最高优先级注入 system prompt，规划方案必须遵循。
    """
    s = get_settings()
    if not s.deepseek_api_key:
        raise RuntimeError("未配置 DEEPSEEK_API_KEY（.env）")

    user_payload: dict = {
        "商品信息": product_info,       # {title, desc, params:[{key,value}], sellingPoints, price}
        "SKU规格": sku_variants,        # 带图的 SKU 规格名（variant_name 只能从中选）
        "图片统计": image_stats,         # {main: n, sku: n, detail: n}
        "目标平台": platform,            # ozon/wb/cn（决定图内文案语言）
    }
    # 生图要求同时在 user 侧强调（与 system prompt 双重约束），确保模型真正遵循
    if requirements and requirements.strip():
        user_payload["生图要求（最高优先级，必须体现在每个方案项中）"] = requirements.strip()
    user_content = json.dumps(user_payload, ensure_ascii=False)

    async with httpx.AsyncClient(timeout=90, verify=False) as client:
        resp = await client.post(
            f"{s.deepseek_base_url.rstrip('/')}/chat/completions",
            headers={"Authorization": f"Bearer {s.deepseek_api_key}", "Content-Type": "application/json"},
            json={
                "model": s.deepseek_model,
                "messages": [
                    {"role": "system", "content": _system_prompt_with_requirements(requirements)},
                    {"role": "user", "content": user_content},
                ],
                "response_format": {"type": "json_object"},
                "temperature": 0.3,
                "max_tokens": 8000,
            },
        )
        resp.raise_for_status()
        body = resp.json()
        message = body["choices"][0]["message"]
        finish_reason = body["choices"][0].get("finish_reason", "")
        usage = body.get("usage") or {}
        log.info(
            "规划器 token 用量: prompt=%s completion=%s finish=%s",
            usage.get("prompt_tokens", "?"), usage.get("completion_tokens", "?"), finish_reason,
        )
        content = message.get("content") or ""
        # 思考型输出：content 为空时从 reasoning_content 里捞
        if not content.strip() and message.get("reasoning_content"):
            content = message["reasoning_content"]

    try:
        data = _extract_json(content)
    except ValueError as exc:
        log.error(
            "规划器输出解析失败 finish_reason=%s content[:200]=%s",
            finish_reason, content[:200],
        )
        raise RuntimeError("规划器输出解析失败") from exc

    items = _normalize_items(data.get("items") or [], sku_variants)
    if not items:
        raise RuntimeError("规划器未返回有效方案项")
    # 总量保护：超过 18 张时按比例截断
    total = sum(i["count"] for i in items)
    while total > 18 and items:
        last = items[-1]
        if last["count"] > 1:
            last["count"] -= 1
        else:
            items.pop()
        total = sum(i["count"] for i in items)

    return {"summary": str(data.get("summary") or "").strip()[:100], "items": items}