"""投顾「推荐依据」的 LLM 增强（**可选**，任何一步失败都回退到确定性文案）。

## 为什么要有它

投顾工作台账推方案里，每只产品的「推荐依据」原先是一句**所有产品都一样**的套话，
客户看不出"为什么选这一只"。这里用大模型把**已经算出来的真实参数**
（风险等级、排序得分、区间收益、最大回撤、客户的期限与流动性要求）写成
一段面向客户的说明。

## 合规边界（三条，都在代码里强制执行）

1. **只用给定数据**：提示词里明确禁止编造数字/业绩/奖项/排名/基金经理信息；
2. **禁止收益承诺**：产出命中 `PROHIBITED_PHRASES`（保本/保证收益/稳赚/无风险…）
   即**整条丢弃** —— 与 `investment_goal_service._PROHIBITED_GOAL_PHRASES` 同一口径；
3. **失败即回退**：未启用、缺密钥、超时、HTTP 错误、JSON 解析失败、字段缺失，
   一律返回空字典，由调用方保留确定性文案。**推荐流程绝不因模型不可用而失败**。

## 哪些不算数

本服务**不参与选品**，只改文案。选品仍然是 `ProductRecommendationService` 的
硬约束 + 适当性 + 排序，模型看不到也改不了候选池。
"""

from __future__ import annotations

import json
import logging
from typing import Any

import httpx

from app.core.config import get_settings

logger = logging.getLogger(__name__)

#: 收益承诺/绝对化表述 —— 命中即丢弃该条 LLM 文案。
PROHIBITED_PHRASES: tuple[str, ...] = (
    "保本", "保证收益", "保收益", "稳赚", "稳赢", "无风险", "零风险",
    "收益承诺", "包赚", "必赚", "稳赚不赔", "绝对收益", "确保收益", "锁定收益",
)

#: 文案长度边界：太短没信息量、太长在卡片里读不完。
MIN_REASON_CHARS = 20
MAX_REASON_CHARS = 160

SYSTEM_PROMPT = """你是南方基金的投顾文案助手，为**已通过合规校验**的推荐产品撰写「推荐依据」。

硬性要求：
1. 只能使用我提供的数据，**严禁编造**任何数字、业绩、奖项、排名或基金经理信息；
2. **严禁**出现承诺收益或绝对化表述，例如：保本、保证收益、稳赚、无风险、零风险、收益承诺、包赚、必赚；
3. 每条 45~80 个汉字，面向个人客户，专业克制、可读，说明"为什么这只产品适合这位客户"；
4. 必须点出该产品的风险等级，并说明它与客户风险承受能力、投资期限或流动性要求的匹配关系；
5. 只输出 JSON，不要 Markdown 代码块、不要任何解释文字。

输出格式（严格）：
{"items": [{"product_code": "159329", "reason": "……"}]}"""


def _pct(value: Any) -> str:
    if not isinstance(value, (int, float)):
        return "暂无"
    return f"{value:+.2f}%"


def build_prompt(customer: dict[str, Any], products: list[dict[str, Any]]) -> str:
    """把客户约束与每只产品的**真实参数**摊平成提示词。"""
    lines = [
        "【客户约束】",
        f"- 风险承受等级：{customer.get('risk_level') or '未知'}",
        f"- 投资期限：{customer.get('horizon_months') or '未知'} 个月",
        f"- 流动性要求：{customer.get('liquidity') or '未知'}",
        "",
        "【待写依据的产品】",
    ]
    for product in products:
        lines.extend([
            f"- product_code={product.get('product_code')}",
            f"  名称：{product.get('product_name')}（{product.get('product_category')}）",
            f"  风险等级：{product.get('risk_level')}",
            f"  排序得分：{product.get('score')}（0~1，越高表示与客户越匹配）",
            f"  近 20 个交易日区间收益：{_pct(product.get('return_20d_pct'))}",
            f"  近 60 个交易日区间收益：{_pct(product.get('return_60d_pct'))}",
            f"  近 60 个交易日最大回撤：{_pct(product.get('max_drawdown_60d_pct'))}",
            f"  系统当前给出的依据（可改写得更易读，但事实不得改变）：{product.get('rule_reason')}",
        ])
    lines.append("")
    lines.append("请为上面每一只产品各写一条 reason，product_code 必须原样返回。")
    return "\n".join(lines)


def _strip_code_fence(raw: str) -> str:
    text = raw.strip()
    if text.startswith("```"):
        text = text.split("\n", 1)[-1] if "\n" in text else text
        text = text.rsplit("```", 1)[0]
    return text.strip()


def parse_items(raw: str) -> dict[str, str]:
    """从模型输出里解出 `{product_code: reason}`；结构不符一律返回空字典。"""
    text = _strip_code_fence(raw)
    start = text.find("{")
    end = text.rfind("}")
    if start == -1 or end <= start:
        return {}
    try:
        payload = json.loads(text[start : end + 1])
    except (ValueError, TypeError):
        return {}
    items = payload.get("items") if isinstance(payload, dict) else None
    if not isinstance(items, list):
        return {}
    parsed: dict[str, str] = {}
    for item in items:
        if not isinstance(item, dict):
            continue
        code = item.get("product_code")
        reason = item.get("reason")
        if isinstance(code, str) and isinstance(reason, str) and reason.strip():
            parsed[code.strip()] = reason.strip()
    return parsed


def is_compliant(text: str) -> bool:
    """合规守卫：长度合理 + 不含收益承诺类表述。"""
    if not (MIN_REASON_CHARS <= len(text) <= MAX_REASON_CHARS):
        return False
    return not any(phrase in text for phrase in PROHIBITED_PHRASES)


class AdvisorReasonService:
    """调用 OpenAI-compatible `/chat/completions` 生成推荐依据；失败返回空字典。"""

    def __init__(self, client: httpx.AsyncClient | None = None) -> None:
        self.client = client

    async def enhance(
        self, *, customer: dict[str, Any], products: list[dict[str, Any]]
    ) -> dict[str, str]:
        settings = get_settings()
        if not settings.advisor_reason_llm_enabled or not products:
            return {}
        api_key = settings.deepseek_api_key
        if not api_key:
            logger.warning("推荐依据 LLM 已启用但缺少 DEEPSEEK_API_KEY，回退到规则文案")
            return {}
        url = settings.advisor_reason_llm_base_url.rstrip("/") + "/chat/completions"
        payload = {
            "model": settings.advisor_reason_llm_model,
            "messages": [
                {"role": "system", "content": SYSTEM_PROMPT},
                {"role": "user", "content": build_prompt(customer, products)},
            ],
            "temperature": 0,
            "max_tokens": 1500,
        }
        owns_client = self.client is None
        client = self.client or httpx.AsyncClient()
        try:
            response = await client.post(
                url,
                headers={"Authorization": f"Bearer {api_key}",
                         "Content-Type": "application/json"},
                json=payload,
                timeout=httpx.Timeout(settings.advisor_reason_llm_timeout_seconds),
            )
            response.raise_for_status()
            body: Any = response.json()
            message = (body.get("choices") or [{}])[0].get("message") or {}
            # 推理型模型把正文放在 `reasoning_content`，`content` 可能为空 —— 兜底读一次。
            content = message.get("content") or message.get("reasoning_content") or ""
            parsed = parse_items(str(content))
        except Exception:  # noqa: BLE001 — 模型不可用绝不能影响推荐主流程
            logger.warning("推荐依据 LLM 调用失败，回退到规则文案", exc_info=True)
            return {}
        finally:
            if owns_client:
                await client.aclose()

        allowed_codes = {str(product.get("product_code")) for product in products}
        accepted: dict[str, str] = {}
        for code, reason in parsed.items():
            if code not in allowed_codes:
                continue
            if not is_compliant(reason):
                logger.warning(
                    "推荐依据 LLM 文案未通过合规守卫，丢弃（product_code=%s）", code
                )
                continue
            accepted[code] = reason
        return accepted