"""用户画像生成/重画 LangGraph

输入（由 Java 传入）：
- user_id: 用户ID
- member_id: 成员ID（可空）
- previous_portrait: 旧画像文本（重画时传入，首次生成为 None）
- profile_snapshot: 五维画像快照 dict（含 member/dimension_scores/body_metrics/mind_metrics/problem_domains）
- behavior_summary: 行为摘要 dict

输出：
- portrait_text: 生成的画像文本（中文，自然语言描述）
"""
from typing import TypedDict
from langgraph.graph import StateGraph, START, END
from langchain_openai import ChatOpenAI
from langchain_core.messages import SystemMessage, HumanMessage
from app.config import settings
import logging

logger = logging.getLogger(__name__)


class PortraitGenerationState(TypedDict):
    user_id: int
    member_id: int | None
    previous_portrait: str | None
    profile_snapshot: dict | None
    behavior_summary: dict | None
    portrait_text: str | None


SYSTEM_PROMPT = """你是「浠艾福」家庭成长平台的 AI 画像分析师。

任务：根据用户的行为数据、五维能量指标、健康画像，生成一段自然语言的「用户画像」文本。

画像用途：作为后续所有 AI 对话（健康教练、管家、营养师、通用聊天）的 SystemMessage 注入，帮助 AI 更懂用户，给出更个性化的建议。

生成要求：
1. 语言自然、温暖、具体，像一位了解家庭的成长顾问写的观察笔记
2. 必须包含：核心特质、行为模式、关注点、潜在需求
3. 长度：200-500 字，不要过长
4. 不要列举原始数据（如"身 7.2 智 6.5"），要转化为洞察（如"身体维度相对突出，但智力维度有提升空间"）
5. 如有 previous_portrait，重画时要体现"变化"与"延续"：哪些特质稳定，哪些有新变化，原因可能是什么

输出格式：纯文本，无 JSON，无标记。"""


def create_portrait_generation_graph():
    llm = ChatOpenAI(
        model=settings.llm_model,
        api_key=settings.llm_api_key,
        base_url=settings.llm_base_url,
        temperature=0.7,
    )

    builder = StateGraph(PortraitGenerationState)

    async def generate_portrait(state: PortraitGenerationState) -> dict:
        previous = state.get("previous_portrait")
        profile = state.get("profile_snapshot") or {}
        behavior = state.get("behavior_summary") or {}

        context_parts = []

        if profile:
            member = profile.get("member") or {}
            name = member.get("name", "用户")
            age = member.get("age")
            gender = member.get("gender")
            context_parts.append(f"用户：{name}，{age}岁，{gender}")

            dims = profile.get("dimension_scores") or {}
            if dims:
                context_parts.append(
                    f"五维评分：身 {dims.get('body','?')} 智 {dims.get('wisdom','?')} "
                    f"心 {dims.get('mind','?')} 行 {dims.get('action','?')} 富 {dims.get('wealth','?')}"
                )

            body = profile.get("body_metrics") or {}
            if body.get("sleep_dur_avg"):
                context_parts.append(f"平均睡眠：{body['sleep_dur_avg']}h/天")
            if body.get("exercise_count_week"):
                context_parts.append(f"周运动：{body['exercise_count_week']}次")

            mind = profile.get("mind_metrics") or {}
            if mind.get("stress_avg"):
                context_parts.append(f"平均压力：{mind['stress_avg']}/10")

            problems = profile.get("problem_domains") or []
            if problems:
                context_parts.append(f"关注问题：{', '.join(problems[:5])}")

        if behavior:
            context_parts.append("行为摘要：" + str(behavior))

        context_text = "\n".join(context_parts) or "暂无额外数据"

        if previous:
            human_content = f"""【重画任务】请基于以下最新数据，重新生成用户画像。

【原画像（参考）】：
{previous}

【最新数据】：
{context_text}

要求：保留原画像中仍有效的核心特质，更新已变化的部分，体现"变化与延续"。"""
        else:
            human_content = f"""【生成任务】请基于以下数据，生成用户画像。

【数据】：
{context_text}"""

        messages = [
            SystemMessage(content=SYSTEM_PROMPT),
            HumanMessage(content=human_content),
        ]

        response = await llm.ainvoke(messages)
        portrait_text = response.content.strip()

        logger.info("生成画像完成: user_id=%d, member_id=%s, len=%d",
                    state["user_id"], state.get("member_id"), len(portrait_text))

        return {"portrait_text": portrait_text}

    builder.add_node("generate_portrait", generate_portrait)
    builder.add_edge(START, "generate_portrait")
    builder.add_edge("generate_portrait", END)

    return builder.compile()


_portrait_graph = None


def get_portrait_graph():
    global _portrait_graph
    if _portrait_graph is None:
        _portrait_graph = create_portrait_generation_graph()
    return _portrait_graph