"""从客服对话中提取长期记忆候选。"""

from __future__ import annotations

import json
import re
from typing import Any

from service.memory.schemas import MemorySource, MemoryType


class DialogueMemoryExtractor:
    """使用项目统一 LLM 提取结构化客户记忆候选。"""

    SYSTEM_PROMPT = """
你是客服记忆提取器，只提取用户明确表达或稳定陈述的客户信息。
只返回 JSON 数组，不要输出 Markdown 或解释文字。
每项必须包含：tag、content、memory_type、source。
memory_type 只能是 PROFILE_FACT、PROFILE_CANDIDATE、CUSTOMER_PREFERENCE、INVESTMENT_GOAL、SERVICE_FACT。
source 只能是 dialogue_confirmed、dialogue_stated、dialogue_inferred。
客服知识问题、产品政策、寒暄、客服回复内容不要提取。
不确定的信息使用 dialogue_inferred，无法形成客户画像的信息不要提取。
""".strip()

    def __init__(self, llm_client):
        self.llm_client = llm_client

    async def extract(self, query: str, *, context: dict[str, Any] | None = None) -> list[dict[str, str]]:
        """提取并校验本轮用户消息中的客户记忆候选。"""
        prompt = [{"role": "system", "content": self.SYSTEM_PROMPT}]
        prompt.append(
            {
                "role": "user",
                "content": json.dumps(
                    {"query": query, "existing_memory": context or {}},
                    ensure_ascii=False,
                ),
            }
        )
        response = await self.llm_client.chat(prompt, temperature=0, max_tokens=800)
        return self._parse(response)

    @staticmethod
    def _parse(response: str) -> list[dict[str, str]]:
        """解析 LLM JSON，并过滤不符合记忆契约的内容。"""
        text = response.strip()
        fenced = re.search(r"```(?:json)?\s*(.*?)\s*```", text, re.S | re.I)
        if fenced:
            text = fenced.group(1)
        data = json.loads(text)
        if not isinstance(data, list):
            raise ValueError("记忆提取结果必须是数组")
        valid_types = {item.value for item in MemoryType}
        valid_sources = {item.value for item in MemorySource}
        result = []
        for item in data:
            if not isinstance(item, dict):
                continue
            if not all(item.get(key) for key in ("tag", "content", "memory_type", "source")):
                continue
            if item["memory_type"] not in valid_types or item["source"] not in valid_sources:
                continue
            result.append(
                {
                    "tag": str(item["tag"])[:64],
                    "content": str(item["content"])[:512],
                    "memory_type": item["memory_type"],
                    "source": item["source"],
                }
            )
        return result


__all__ = ["DialogueMemoryExtractor"]