const { readFmodeApiKey, readFmodeLlmBase } = require('./credentials');
const { redactSecret } = require('../providers/fmode-wecom-gateway');

const DEFAULT_MODEL = 'deepseek-v4-pro';
const DEFAULT_TIMEOUT_MS = 120000;

function buildLlmUrl(apiBase) {
  const root = String(apiBase || readFmodeLlmBase()).replace(/\/$/, '');
  return `${root}/v1/chat/completions`;
}

function buildPortraitAnalysisPrompt(context) {
  const messages = Array.isArray(context.sampleMessages) ? context.sampleMessages : [];
  const incremental = context.updateMode === 'incremental';
  const existingPortrait = context.existingPortrait && typeof context.existingPortrait === 'object'
    ? JSON.stringify(context.existingPortrait, null, 2)
    : '{}';
  const messageLines = messages.map((m, idx) => {
    const time = m.timestamp ? new Date(m.timestamp).toLocaleString('zh-CN') : '未知时间';
    const sender = m.senderName || m.senderId || '未知';
    const text = m.content || '';
    return `${idx + 1}. [${time}] ${sender}: ${text}`;
  }).join('\n');

  return `你是房产经纪行业的客户画像分析专家。请根据下面这位客户在企微群聊中的${incremental ? '新增消息' : '全部消息'}，生成一份结构化客户画像 JSON。

客户 externalUserId：${context.externalUserId}
消息数量：${context.messageCount || messages.length}
更新模式：${incremental ? '增量更新' : '全量更新'}
${incremental ? `现有画像：\n${existingPortrait}\n` : ''}

${incremental ? '新增消息' : '全部消息'}：
${messageLines || '（无文本消息）'}

分析维度（JSON 字段）：
- intent: 购房/租房/出售/置换/投资等意图；无信号填 null
- budgetRange: 预算范围，例如 "200-300万"、"首付100万"；无信号填 null
- preferredAreas: 意向区域数组；无信号填 null
- houseType: 房型偏好；无信号填 null
- timeline: 时间线；无信号填 null
- keyConcerns: 关键关注点数组（学区、地铁、医院、商圈、装修、物业、停车、电梯、采光等）；无信号填 null
- urgency: 急迫程度（高/中/低/null）
- aiSummary: 用 1-3 句话总结客户状态
- personaType: 客户 persona 类型，例如 "刚需首套"、"改善置换"、"投资客"、"潜在客户（待激活）" 等
- fiveW2H: 对象，包含 Who/What/When/Where/Why/How/HowMuch
- priorityMatrix: 对象，包含 needsClarity/engagement/actionPriority
- confidence: 对画像整体置信度（high/medium/low）
- coreAnxiety: 核心顾虑；无信号填 null
- decisionMaker: 决策人情况；无信号填 null
- loanCapacity: 贷款能力；无信号填 null
- negotiationStage: 当前谈判/跟进阶段

要求：
1. 只输出合法 JSON，不要 markdown 代码块，不要额外解释。
2. 没有依据的字段必须填 null 或 "暂无法推断"，禁止编造预算、区域、房型。
3. 如果消息极少或没有有效需求信息，confidence 必须为 low，aiSummary 要如实说明。
4. 字段名必须严格使用上述英文，值可用中文。
5. ${incremental ? '必须在现有画像基础上合并新增证据；新增消息未涉及的旧字段应保留，只有新证据明确冲突时才更新。输出完整合并后的画像。' : '应完全依据本次提供的全部消息重新计算，不沿用旧结论。'}`;
}

function extractJsonFromLlmOutput(text) {
  if (!text) return null;
  const trimmed = String(text).trim();

  // 尝试直接解析
  try {
    return JSON.parse(trimmed);
  } catch {
    // ignore
  }

  // 尝试从 markdown 代码块中提取
  const codeBlockMatch = trimmed.match(/```(?:json)?\s*([\s\S]*?)```/);
  if (codeBlockMatch) {
    try {
      return JSON.parse(codeBlockMatch[1].trim());
    } catch {
      // ignore
    }
  }

  // 尝试从第一个 { 到最后一个 } 提取
  const firstBrace = trimmed.indexOf('{');
  const lastBrace = trimmed.lastIndexOf('}');
  if (firstBrace >= 0 && lastBrace > firstBrace) {
    try {
      return JSON.parse(trimmed.slice(firstBrace, lastBrace + 1));
    } catch {
      // ignore
    }
  }

  return null;
}

async function callLlmChat({ messages, model, apiKey, apiBase, timeoutMs, temperature }) {
  const key = apiKey || readFmodeApiKey();
  const base = apiBase || readFmodeLlmBase();
  if (!key) {
    const err = new Error('缺少 Fmode API Key，请在 .env.local 配置 FMODE_API_KEY 或确保 ~/.fmode/config.json 存在');
    err.kind = 'auth';
    throw err;
  }

  const url = buildLlmUrl(base);
  const controller = new AbortController();
  const timer = setTimeout(() => controller.abort(), Math.max(5000, Number(timeoutMs) || DEFAULT_TIMEOUT_MS));

  try {
    const response = await fetch(url, {
      method: 'POST',
      headers: {
        Authorization: `Bearer ${key}`,
        'Content-Type': 'application/json'
      },
      body: JSON.stringify({
        model: model || DEFAULT_MODEL,
        messages,
        temperature: temperature !== undefined ? temperature : 0.3
      }),
      signal: controller.signal
    });

    const text = await response.text();
    let json;
    try {
      json = JSON.parse(text);
    } catch {
      json = null;
    }

    if (!response.ok) {
      const message = json?.error?.message || json?.message || text.slice(0, 500) || `HTTP ${response.status}`;
      const err = new Error(`LLM 请求失败：${redactSecret(message)}`);
      err.kind = response.status === 401 || response.status === 403 ? 'auth' : 'upstream';
      err.httpStatus = response.status;
      throw err;
    }

    const content = json?.choices?.[0]?.message?.content;
    if (!content) {
      const err = new Error('LLM 返回为空，无法解析画像');
      err.kind = 'upstream';
      throw err;
    }

    return { content, usage: json?.usage || null };
  } catch (error) {
    if (error.name === 'AbortError') {
      const err = new Error('LLM 请求超时');
      err.kind = 'upstream';
      throw err;
    }
    throw error;
  } finally {
    clearTimeout(timer);
  }
}

async function analyzePortraitWithLlm(context, options = {}) {
  const promptMessages = [
    { role: 'system', content: '你是一位严谨的客户画像分析助手，只输出合法 JSON，不编造无依据的信息。' },
    { role: 'user', content: buildPortraitAnalysisPrompt(context) }
  ];

  const { content, usage } = await callLlmChat({
    messages: promptMessages,
    model: options.model,
    apiKey: options.apiKey,
    apiBase: options.apiBase,
    timeoutMs: options.timeoutMs,
    temperature: options.temperature
  });

  const portrait = extractJsonFromLlmOutput(content);
  if (!portrait || typeof portrait !== 'object') {
    const err = new Error('LLM 输出无法解析为 JSON');
    err.kind = 'upstream';
    err.rawOutput = content.slice(0, 2000);
    throw err;
  }

  return { portrait, rawOutput: content, usage };
}

module.exports = {
  analyzePortraitWithLlm,
  callLlmChat,
  buildPortraitAnalysisPrompt,
  extractJsonFromLlmOutput,
  DEFAULT_MODEL
};