from __future__ import annotations

import json
import logging
from typing import Any

from app.core.contracts import MemoryEntry
from app.memory.interface import MemoryInterface
from app.models.async_adapters import AsyncOrchestratorAdapter

logger = logging.getLogger(__name__)

RECALL_PROMPT_TEMPLATE = """Определи, нужно ли искать в долговременной памяти для ответа на этот запрос.

Запрос: "{task_input}"

ИСКАТЬ в памяти если запрос:
- Содержит вопрос о пользователе (имя, предпочтения, история)
- Содержит отсылки к прошлым разговорам или действиям
- Содержит местоимения без контекста ("он", "это", "тот файл")
- Просит вспомнить, повторить, рассказать о прошлом
- Спрашивает "что ты помнишь", "как меня зовут", "что я говорил"

НЕ ИСКАТЬ если:
- Приветствие или прощание
- Простая команда (ls, pwd, echo)
- Общий вопрос не связанный с прошлым

Ответь ТОЛЬКО JSON:
{{"should_recall": true, "search_query": "поисковый запрос"}}
или
{{"should_recall": false, "reason": "краткая причина"}}"""


class MemoryRecallService:
    """Активное воспоминание: система сама решает, что и когда искать в памяти."""

    def __init__(
        self,
        memory_interface: MemoryInterface | None,
        recall_model: AsyncOrchestratorAdapter | None,
    ) -> None:
        self._memory = memory_interface
        self._model = recall_model

    async def recall(
        self,
        task_input: str,
        top_k: int = 5,
    ) -> dict[str, Any]:
        """
        Определяет необходимость воспоминания и выполняет поиск.

        Возвращает:
        {
            "should_recall": bool,
            "reason": str,
            "query": str,
            "results": list[MemoryEntry],
            "summary": str,  # краткая сводка для оркестратора
        }
        """
        if not self._memory or not self._model:
            with open("/tmp/recall_debug.log", "a") as f:
                f.write(f"SKIP: memory={self._memory is not None}, model={self._model is not None}\n")
            return self._empty_result("memory_or_model_unavailable")

        # 1. LLM решает, нужно ли искать
        decision = await self._classify(task_input)
        with open("/tmp/recall_debug.log", "a") as f:
            f.write(f"DECISION type={type(decision)} value={decision}\n")
        if not isinstance(decision, dict):
            return self._empty_result("invalid_decision_type")
        if not decision.get("should_recall"):
            return self._empty_result(decision.get("reason", "not_needed"))

        search_query = decision.get("search_query", task_input)
        logger.info(f"Memory recall: query='{search_query}', reason='{decision.get('reason')}'")

        # 2. Векторный поиск
        try:
            raw_results = self._memory.search(query=search_query, top_k=top_k)
        except Exception as e:
            logger.warning(f"Memory search failed: {e}")
            return self._empty_result("search_failed")

        # 3. Фильтрация: убираем пустые и слишком нерелевантные
        filtered = self._filter(raw_results)

        if not filtered:
            return self._empty_result("no_relevant_results")

        # 4. Сводка для оркестратора
        summary = self._summarize(filtered, search_query)

        return {
            "should_recall": True,
            "reason": decision.get("reason", ""),
            "query": search_query,
            "results": filtered,
            "summary": summary,
        }

    async def _classify(self, task_input: str) -> dict[str, Any]:
        """LLM-классификация: нужно ли искать в памяти."""
        prompt = RECALL_PROMPT_TEMPLATE.format(task_input=task_input)

        try:
            raw = await self._model.generate(prompt, max_tokens=512)
            data = self._parse_json(raw)
            if "should_recall" in data:
                return data
            logger.warning(f"Recall classification missing 'should_recall': {raw[:200]}")
            return {"should_recall": False, "reason": "parse_error"}
        except Exception as e:
            logger.warning(f"Recall classification failed: {e}")
            return {"should_recall": False, "reason": "classification_error"}

    def _filter(
        self,
        results: list[tuple[MemoryEntry, float]],
        min_score: float = 0.3,
    ) -> list[MemoryEntry]:
        """Фильтрует результаты по score и убирает дубликаты."""
        seen_texts: set[str] = set()
        filtered: list[MemoryEntry] = []

        for entry, score in results:
            if score < min_score:
                continue
            # Нормализуем текст для дедупликации
            normalized = entry.text.strip().lower()[:100]
            if normalized in seen_texts:
                continue
            seen_texts.add(normalized)
            filtered.append(entry)

        return filtered

    def _summarize(
        self,
        results: list[MemoryEntry],
        query: str,
    ) -> str:
        """Краткая сводка найденного для оркестратора."""
        parts = [f"По запросу '{query}' найдено {len(results)} записей:"]
        for i, entry in enumerate(results[:5], 1):
            text_preview = entry.text[:120].replace("\n", " ")
            parts.append(f"  {i}. [{entry.kind}] {text_preview}")
        return "\n".join(parts)

    def _parse_json(self, raw: str) -> dict[str, Any]:
        """Извлекает JSON из ответа модели, пропуская рассуждения перед ним."""
        try:
            json_start = raw.find("{")
            json_end = raw.rfind("}") + 1

            if json_start < 0 or json_end <= 0:
                return {}

            # Пробуем весь текст от первого { до последнего }
            try:
                data = json.loads(raw[json_start:json_end])
                if isinstance(data, dict):
                    return data
            except json.JSONDecodeError:
                pass

            # Ищем все возможные начала JSON
            candidates = []
            pos = 0
            while True:
                pos = raw.find("{", pos)
                if pos < 0:
                    break
                candidates.append(pos)
                pos += 1

            # Пробуем каждый candidate с конца
            for start in reversed(candidates):
                end = raw.rfind("}") + 1
                if end <= start:
                    continue
                try:
                    data = json.loads(raw[start:end])
                    if isinstance(data, dict):
                        return data
                except json.JSONDecodeError:
                    continue

            return {}
        except Exception as e:
            with open("/tmp/recall_debug.log", "a") as f:
                f.write(f"PARSE ERROR: {e}\n")
            return {}

    @staticmethod
    def _empty_result(reason: str) -> dict[str, Any]:
        return {
            "should_recall": False,
            "reason": reason,
            "query": "",
            "results": [],
            "summary": "",
        }