package service

import (
	"bufio"
	"bytes"
	"context"
	"encoding/json"
	"fmt"
	"io"
	"net/http"
	"strings"

	"gen2d/internal/config"
	"gen2d/internal/logger"

	"github.com/cloudwego/eino/compose"
)

// llmCfg 保存 LLM 配置，由 main 通过 InitLLMConfig 注入。
var llmCfg config.LLMConfig

// InitLLMConfig 注入 LLM 配置。
func InitLLMConfig(cfg config.LLMConfig) {
	llmCfg = cfg
}

// PromptAgentInput 提示词优化 Agent 输入。
type PromptAgentInput struct {
	Tags      []string `json:"tags"`              // 用户选择的标签
	AssetType string   `json:"assetType"`          // 素材类型：sprite/background/ui/animation
	Prompt    string   `json:"prompt,omitempty"`   // 用户原始提示词
	UserNote  string   `json:"userNote,omitempty"` // 用户额外描述
}

// PromptAgentOutput 提示词优化 Agent 输出。
type PromptAgentOutput struct {
	Prompt  string `json:"prompt"`  // 优化后的标准提示词
	RawText string `json:"rawText"` // LLM 原始返回文本
}

// NewPromptAgentGraph 创建提示词优化 Agent Chain。
//
//	START → formatMetaPrompt → llmRefine → END
func NewPromptAgentGraph() (*compose.Chain[PromptAgentInput, PromptAgentOutput], error) {
	chain := compose.NewChain[PromptAgentInput, PromptAgentOutput]()

	chain.AppendLambda(
		compose.InvokableLambda(func(ctx context.Context, in PromptAgentInput) (string, error) {
			return buildMetaPrompt(in), nil
		}),
	)

	chain.AppendLambda(
		compose.InvokableLambda(func(ctx context.Context, metaPrompt string) (PromptAgentOutput, error) {
			return callLLMRefine(ctx, metaPrompt)
		}),
	)

	return chain, nil
}

// RunPromptAgent 编译并执行提示词优化 Agent。
func RunPromptAgent(ctx context.Context, in PromptAgentInput) (*PromptAgentOutput, error) {
	g, err := NewPromptAgentGraph()
	if err != nil {
		return nil, fmt.Errorf("create prompt agent: %w", err)
	}

	r, err := g.Compile(ctx)
	if err != nil {
		return nil, fmt.Errorf("compile prompt agent: %w", err)
	}

	output, err := r.Invoke(ctx, in)
	if err != nil {
		return nil, fmt.Errorf("invoke prompt agent: %w", err)
	}

	return &output, nil
}

// buildMetaPrompt 构建发送给 LLM 的元提示词。
func buildMetaPrompt(in PromptAgentInput) string {
	var sb strings.Builder

	sb.WriteString("你是一个专业的 2D 游戏素材提示词工程师。\n")
	sb.WriteString("根据用户提供的标签和素材类型，生成一个详细、规范的中文提示词。\n\n")

	sb.WriteString("输出要求：\n")
	sb.WriteString("1. 三段式结构：【主题】描述画面主体与场景,【风格】描述艺术风格与视觉特征,【技术】描述分辨率、方向数等技术参数\n")
	sb.WriteString("2. 使用专业术语，描述具体、可执行\n")
	sb.WriteString("3. 风格一致，适合游戏资产管线\n\n")

	tagStr := strings.Join(in.Tags, "、")
	sb.WriteString(fmt.Sprintf("用户选择标签: %s\n", tagStr))
	sb.WriteString(fmt.Sprintf("素材类型: %s\n", in.AssetType))
	if in.Prompt != "" {
		sb.WriteString(fmt.Sprintf("用户原始描述: %s\n", in.Prompt))
	}
	if in.UserNote != "" {
		sb.WriteString(fmt.Sprintf("补充说明: %s\n", in.UserNote))
	}

	return sb.String()
}

// ======================== ChatModel 调用层 ========================

// chatMessage OpenAI 兼容的消息结构。
type chatMessage struct {
	Role    string `json:"role"`
	Content string `json:"content"`
}

// chatRequest OpenAI 兼容的请求体。
type chatRequest struct {
	Model       string        `json:"model"`
	Messages    []chatMessage `json:"messages"`
	Temperature float64       `json:"temperature"`
	MaxTokens   int           `json:"max_tokens,omitempty"`
	Stream      bool          `json:"stream"`
}

// chatResponse OpenAI 兼容的非流式响应。
type chatResponse struct {
	Choices []struct {
		Message chatMessage `json:"message"`
	} `json:"choices"`
}

// callLLMRefine 调用 LLM 生成规范化提示词。未配置 API key 时回退到模板生成。
func callLLMRefine(ctx context.Context, metaPrompt string) (PromptAgentOutput, error) {
	l := logger.FromCtx(ctx)

	if llmCfg.APIKey == "" {
		l.Warn("LLM API key not configured, using template fallback")
		return fallbackRefine(metaPrompt), nil
	}

	messages := []chatMessage{
		{Role: "system", Content: "你是一个专业的2D游戏素材提示词工程师，只输出优化后的中文提示词，不要任何解释。"},
		{Role: "user", Content: metaPrompt},
	}

	l.Info("calling LLM API", "model", llmCfg.Model)
	result, err := chatCompletion(ctx, messages)
	if err != nil {
		l.Error("LLM API call failed, using template fallback", "error", err)
		return fallbackRefine(metaPrompt), nil
	}

	l.Info("LLM API succeeded", "response_length", len(result))
	return PromptAgentOutput{
		Prompt:  result,
		RawText: result,
	}, nil
}

// chatCompletion 调用 OpenAI 兼容的 Chat Completions API。
func chatCompletion(ctx context.Context, messages []chatMessage) (string, error) {
	reqBody := chatRequest{
		Model:       llmCfg.Model,
		Messages:    messages,
		Temperature: llmCfg.Temperature,
		MaxTokens:   llmCfg.MaxTokens,
		Stream:      false,
	}

	body, err := json.Marshal(reqBody)
	if err != nil {
		return "", fmt.Errorf("marshal request: %w", err)
	}

	url := strings.TrimRight(llmCfg.BaseURL, "/") + "/chat/completions"
	req, err := http.NewRequestWithContext(ctx, http.MethodPost, url, bytes.NewReader(body))
	if err != nil {
		return "", fmt.Errorf("create request: %w", err)
	}
	req.Header.Set("Content-Type", "application/json")
	req.Header.Set("Authorization", "Bearer "+llmCfg.APIKey)

	l := logger.FromCtx(ctx)

	resp, err := http.DefaultClient.Do(req)
	if err != nil {
		return "", fmt.Errorf("send request: %w", err)
	}
	defer resp.Body.Close()

	if resp.StatusCode != http.StatusOK {
		b, _ := io.ReadAll(io.LimitReader(resp.Body, 4096))
		l.Error("LLM API error", "status", resp.StatusCode, "body", string(b))
		return "", fmt.Errorf("llm api error %d: %s", resp.StatusCode, string(b))
	}

	// 处理流式 (SSE) 与非流式响应
	if resp.Header.Get("Content-Type") == "text/event-stream" {
		return parseStreamResponse(resp.Body)
	}

	var chatResp chatResponse
	if err := json.NewDecoder(resp.Body).Decode(&chatResp); err != nil {
		return "", fmt.Errorf("decode response: %w", err)
	}
	if len(chatResp.Choices) == 0 {
		return "", fmt.Errorf("llm returned empty choices")
	}

	return chatResp.Choices[0].Message.Content, nil
}

// parseStreamResponse 解析 SSE 流式响应。
func parseStreamResponse(r io.Reader) (string, error) {
	var sb strings.Builder
	scanner := bufio.NewScanner(r)
	for scanner.Scan() {
		line := scanner.Text()
		if !strings.HasPrefix(line, "data: ") {
			continue
		}
		data := strings.TrimPrefix(line, "data: ")
		if data == "[DONE]" {
			break
		}
		var chunk struct {
			Choices []struct {
				Delta struct {
					Content string `json:"content"`
				} `json:"delta"`
			} `json:"choices"`
		}
		if err := json.Unmarshal([]byte(data), &chunk); err != nil {
			continue
		}
		for _, c := range chunk.Choices {
			sb.WriteString(c.Delta.Content)
		}
	}
	return sb.String(), scanner.Err()
}

// ======================== 模板回退 ========================

func fallbackRefine(metaPrompt string) PromptAgentOutput {
	tags, assetType := parseTagsFromMeta(metaPrompt)
	prompt := generateStructuredPrompt(tags, assetType)
	return PromptAgentOutput{Prompt: prompt, RawText: prompt}
}

func parseTagsFromMeta(meta string) (tags []string, assetType string) {
	lines := strings.Split(meta, "\n")
	for _, line := range lines {
		if strings.HasPrefix(line, "用户选择标签:") {
			tagStr := strings.TrimPrefix(line, "用户选择标签: ")
			for _, t := range strings.Split(tagStr, "、") {
				t = strings.TrimSpace(t)
				if t != "" {
					tags = append(tags, t)
				}
			}
		}
		if strings.HasPrefix(line, "素材类型:") {
			assetType = strings.TrimSpace(strings.TrimPrefix(line, "素材类型: "))
		}
	}
	return
}

func generateStructuredPrompt(tags []string, assetType string) string {
	var sb strings.Builder
	sb.WriteString("【主题】")
	sb.WriteString(buildSubject(tags, assetType))
	sb.WriteString("\n")
	sb.WriteString("【风格】")
	sb.WriteString(buildStyle(tags))
	sb.WriteString("\n")
	sb.WriteString("【技术】")
	sb.WriteString(buildTechNotes(assetType))
	sb.WriteString("\n")
	return sb.String()
}

func buildSubject(tags []string, assetType string) string {
	tagStr := strings.Join(tags, "、")
	switch assetType {
	case "sprite":
		return fmt.Sprintf("一个融合%s元素的游戏角色精灵图，正面站立姿势，轮廓清晰，适合作为2D游戏角色", tagStr)
	case "background":
		return fmt.Sprintf("一个%s风格的游戏场景背景，层次分明，包含前景、中景和远景", tagStr)
	case "ui":
		return fmt.Sprintf("一套%s风格的游戏UI元素，包括按钮、面板和图标", tagStr)
	case "animation":
		return fmt.Sprintf("一个%s风格的角色动画帧序列，动作流畅连贯", tagStr)
	default:
		return fmt.Sprintf("一个%s风格的游戏素材，高质量，适合2D游戏使用", tagStr)
	}
}

func buildStyle(tags []string) string {
	parts := []string{"色彩鲜明", "细节丰富", "统一的光源方向"}
	for _, t := range tags {
		parts = append(parts, t+"风格")
	}
	return strings.Join(parts, "；")
}

func buildTechNotes(assetType string) string {
	switch assetType {
	case "sprite":
		return "输出格式: spritesheet；分辨率: 64x64 或 128x128；透明背景"
	case "background":
		return "输出格式: 独立PNG；分辨率: 1920x1080；层次分明的前中后景"
	case "ui":
		return "输出格式: 独立PNG素材；分辨率: 按元素适配；支持九宫格缩放"
	case "animation":
		return "输出格式: spritesheet或帧序列；建议4方向x4帧；透明背景"
	default:
		return "输出格式: PNG；分辨率: 标准2D游戏分辨率"
	}
}