"""环境配置（从 .env 读取，见 .env.example）。"""

from decimal import Decimal

from pydantic_settings import BaseSettings, SettingsConfigDict


class Settings(BaseSettings):
    model_config = SettingsConfigDict(env_file=".env", env_file_encoding="utf-8", extra="ignore")

    app_env: str = "development"

    mysql_host: str = "127.0.0.1"
    mysql_port: int = 3306
    mysql_database: str = "jinrong_agent"
    mysql_core_database: str = "jinrong_core"
    mysql_user: str = "root"
    mysql_password: str = ""

    # ===== DB 账号分离（D20 · 架构设计-基金转换交易 §11.1）=====
    # 把「Core 只读」「审计不可删改」从代码约定升级为 DB 级强制。
    # 账号由 scripts/core/00-grant.sql 创建（管理员执行一次，不进 reset.ps1）。
    # 留空 = 回退 mysql_user，行为与单账号时代完全一致（渐进启用，不阻塞本地开发）。
    mysql_core_ro_user: str = ""
    mysql_core_ro_password: str = ""
    mysql_core_rw_user: str = ""
    mysql_core_rw_password: str = ""
    mysql_agent_user: str = ""
    mysql_agent_password: str = ""

    redis_url: str = "redis://127.0.0.1:6379/0"

    neo4j_uri: str = "bolt://localhost:7687"
    neo4j_user: str = "neo4j"
    neo4j_password: str = ""

    milvus_uri: str = "./data/milvus.db"

    ollama_base_url: str = "http://127.0.0.1:11434"
    embed_model: str = "bge-m3"
    # 向量维度（必须与 Ollama bge-m3 输出一致；Milvus Collection 建集合时同源引用）
    embed_dim: int = 1024
    # Ollama embedding 单次请求超时（秒）；本地推理首次加载模型可能较慢
    embed_timeout_seconds: float = 60.0

    deepseek_api_key: str = ""
    deepseek_base_url: str = "https://api.deepseek.com"

    # ===== JWT（T-01 · JWT 手册 §4/§11）=====
    # RS256 公钥路径（生产，私钥仅在 IdP）；为空时用 HS256 + jwt_dev_secret（仅 development）
    jwt_public_key_path: str = ""
    jwt_dev_secret: str = "change-me-in-dev-only"
    jwt_issuer: str = "https://idp.jinrong.internal"
    jwt_audience: str = "agent-gateway"

    # ===== Risk 阈值（默认值=冻结规则 · docs/PRD/附-风控规则表.md）=====
    # 注：risk_assessment_valid_days 已随 AL-05（对齐 main 基准）退役——
    # 风评有效期改由 core_customer_risk.expires_at 数据驱动（FM-03），不再可配。
    risk_large_amount: Decimal = Decimal("500000")
    risk_daily_total: Decimal = Decimal("500000")
    risk_freq_count: int = 3
    risk_probe_window_minutes: int = 5
    risk_probe_count: int = 3
    risk_probe_amount: Decimal = Decimal("400000")
    risk_small_amount: Decimal = Decimal("10000")
    risk_small_count: int = 3
    risk_aml_default_threshold: Decimal = Decimal("0.85")

    # ===== 风控追加 v1.1（FR-8/9/10 · PRD §4A · C4~C6 共用，一次性加齐）=====
    # FR-8 RISK-006 集中度：R4+R5 市值占比阈值（≥ 即命中）
    risk_concentration_threshold: float = 0.80
    # FR-9 RISK-007 时效升级：扫描周期（脚本侧参考）与两级超时小时数
    risk_escalation_scan_minutes: int = 15
    risk_escalation_l1_hours: int = 4
    risk_escalation_l2_hours: int = 24
    # AML 单走短通道（1h/4h），与普通单分开计
    risk_escalation_aml_l1_hours: int = 1
    risk_escalation_aml_l2_hours: int = 4
    # FR-10 RISK-008 代理人行为链：扫描周期与 A/B/C 三条件窗口与次数
    risk_agent_behavior_scan_minutes: int = 30
    risk_agent_behavior_a_window_hours: int = 24
    risk_agent_behavior_a_count: int = 3
    risk_agent_behavior_b_window_hours: int = 72
    risk_agent_behavior_b_count: int = 5
    risk_agent_behavior_c_window_hours: int = 24
    risk_agent_behavior_c_count: int = 10

    # ===== 基金转换（convert · 架构设计-基金转换交易 §11）=====
    # 净值新鲜度：`nav_date` 距交易日超过该天数 → 额外落 `nav_stale` 副审计（PRD §2.2）。
    # 一期全局单阈值（模拟库 14 只产品均日频净值）；真实 Core 接入后按产品类型分档（评审 S5）。
    convert_nav_stale_days: int = 3
    # 幂等执行权锁 TTL（try_lock(convert:idem:{client_request_id})）
    convert_lock_ttl_seconds: int = 30
    # 单次转换最多跨越的批次数，超限 400 TOO_MANY_LOTS（不自动分拆，§1 原则 12）
    convert_batch_max_lots: int = 200
    # 补差费口径（D13）：amount_diff = 价外法两端差（默认 B）· rate_diff = 费率差法（A）
    convert_diff_fee_mode: str = "amount_diff"
    # T+N 确认偏移（D14）：真实为 T+1 **工作日**，模拟库无交易日历故用自然日近似
    convert_confirm_offset_days: int = 1
    # 阶段二失败补偿 SLA（小时）：cleanup_pending_convert.py 据此把孤儿占位置 expired
    convert_compensate_sla_hours: int = 24

    # ===== 输入防护（T-03 · F-03）=====
    # 对话限流：actor 级固定窗口（拍板 2026-09-07：30 次/分钟，Redis 异常 fail-open）
    guard_rate_limit_max: int = 30
    guard_rate_limit_window_seconds: int = 60


settings = Settings()