"""
Trading Studio 全局配置模块
统一存放局域网节点、模型名称、固定 Prompt 及本地路径。

服务器本地覆盖：复制 .env.example 为 .env 并修改（不入 Git），无需改 config.py。
"""

import os
from pathlib import Path


def _load_dotenv() -> None:
    """加载项目根目录 .env（简单 KEY=VALUE 格式，无第三方依赖）。"""
    env_path = Path(__file__).resolve().parent / ".env"
    if not env_path.is_file():
        return
    for raw in env_path.read_text(encoding="utf-8").splitlines():
        line = raw.strip()
        if not line or line.startswith("#") or "=" not in line:
            continue
        key, val = line.split("=", 1)
        key = key.strip()
        val = val.strip().strip('"').strip("'")
        if key and key not in os.environ:
            os.environ[key] = val


_load_dotenv()


def _env_str(key: str, default: str) -> str:
    return os.environ.get(key, default).strip()


def _env_int(key: str, default: int) -> int:
    try:
        return int(os.environ.get(key, str(default)).strip())
    except ValueError:
        return default


def _env_bool(key: str, default: bool) -> bool:
    raw = os.environ.get(key)
    if raw is None:
        return default
    return raw.strip().lower() in ("1", "true", "yes", "on")


# ---------------------------------------------------------------------------
# 网络与服务
# ---------------------------------------------------------------------------
# 远程 Ollama 节点（局域网大模型审查润色）
# 生产环境请在 .env 中设置 OLLAMA_HOST，避免 git pull 冲突
OLLAMA_HOST = _env_str("OLLAMA_HOST", "192.168.8.64")
OLLAMA_PORT = _env_int("OLLAMA_PORT", 11434)
OLLAMA_URL = f"http://{OLLAMA_HOST}:{OLLAMA_PORT}/api/chat"

# 指定无限制版 Gemma4 模型
MODEL_NAME = _env_str("MODEL_NAME", "huihui_ai/gemma-4-abliterated:e4b")

# Gradio 中控固定端口（硬性死规则）
HOST = "0.0.0.0"
PORT = 5683

# HTTP 请求超时（秒）
OLLAMA_TIMEOUT = 60

# 健康检查快速超时（秒）— 避免平板首屏被长时间阻塞
HEALTH_CHECK_CONNECT_TIMEOUT = 2
HEALTH_CHECK_READ_TIMEOUT = 3
HEALTH_CHECK_CACHE_SECONDS = 30

# ---------------------------------------------------------------------------
# LLM 系统 Prompt
# ---------------------------------------------------------------------------
SYSTEM_PROMPT = (
    "你是一个冷静、极其严格的数字资产量化交易员。"
    "请把下面这段口语化、包含结巴和逻辑混乱的交易复盘录音转写，"
    "润色成一段逻辑清晰、行文通顺的 B 站长视频反思配音稿。"
    "语气要内向、克制、严谨。"
    "如果原视频中有由于心态不好、违背交易纪律（如手贱乱开仓、提前平仓）"
    "导致少赚或亏损的部分，请用冷酷、严厉的语气狠狠地自我吐槽、反思该点。"
    "去掉所有无意义的口头禅，字数不做删减。"
    "【输出格式硬性要求】"
    "只输出可直接朗读的纯文本正文，不要 Markdown（禁止 #、**、---、列表符号、emoji）。"
    "不要写舞台提示（如前奏、转场、BGM、语气说明等括号备注）。"
    "不要写「以下是润色后的文案」等前言，也不要写修改笔记或点评。"
    "可用《》作为标题，正文按自然段换行即可。"
)

# ---------------------------------------------------------------------------
# 路径
# ---------------------------------------------------------------------------
BASE_DIR = Path(__file__).resolve().parent
INSTALL_DIR = Path("/opt/Trading_Studio")

# ---------------------------------------------------------------------------
# Faster-Whisper 配置
# ---------------------------------------------------------------------------
WHISPER_MODEL_SIZE = _env_str("WHISPER_MODEL_SIZE", "small")
WHISPER_DEVICE = "cuda"
WHISPER_COMPUTE_TYPE = "float16"
WHISPER_LANGUAGE = "zh"
WHISPER_MODEL_DIR = Path(_env_str("WHISPER_MODEL_DIR", str(BASE_DIR / "models" / "whisper")))

WHISPER_HF_REPO = {
    "tiny": "Systran/faster-whisper-tiny",
    "base": "Systran/faster-whisper-base",
    "small": "Systran/faster-whisper-small",
    "medium": "Systran/faster-whisper-medium",
    "large-v2": "Systran/faster-whisper-large-v2",
    "large-v3": "Systran/faster-whisper-large-v3",
}

# ---------------------------------------------------------------------------
# ChatTTS 配置
# ---------------------------------------------------------------------------
# 固定音色 Embedding 存储路径
SPEAKER_EMB_PATH = BASE_DIR / "speaker_emb.pt"

# 合成音频输出目录
OUTPUT_DIR = BASE_DIR / "outputs"
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)

# ChatTTS 采样率（Hz）
TTS_SAMPLE_RATE = 24000

# ChatTTS 模型本地目录（预下载后离线加载，避免访问 GitHub 超时）
CHATTTS_MODEL_DIR = Path(_env_str("CHATTTS_MODEL_DIR", str(BASE_DIR / "models" / "ChatTTS")))

# HuggingFace 镜像（国内服务器推荐）
HF_ENDPOINT = _env_str("HF_ENDPOINT", "https://hf-mirror.com")
HF_HUB_DOWNLOAD_TIMEOUT = _env_int("HF_HUB_DOWNLOAD_TIMEOUT", 600)
HF_HOME = Path(_env_str("HF_HOME", str(BASE_DIR / "models" / "hf_cache")))

# 音色样本时长建议（秒）
SPEAKER_SAMPLE_MIN_SEC = 10
SPEAKER_SAMPLE_MAX_SEC = 30

# TTS 推理默认参数（低 temperature 有助于音色稳定）
TTS_TEMPERATURE = 0.3
TTS_TOP_P = 0.7
TTS_TOP_K = 20
TTS_SPEED_PROMPT = "[speed_5]"

# 单段 TTS 最大字数（超长稿按句切分后逐段合成再拼接；8GB 显存建议 ≤200）
TTS_MAX_CHARS_PER_CHUNK = _env_int("TTS_MAX_CHARS_PER_CHUNK", 200)

# ChatTTS 单段最大生成 token（越小越省显存，长句会自动切多段）
TTS_MAX_NEW_TOKEN = _env_int("TTS_MAX_NEW_TOKEN", 1024)

# 至少生成多少 audio token 才允许结束（防止首 token EOS → 无限递归重试）
TTS_MIN_NEW_TOKEN = _env_int("TTS_MIN_NEW_TOKEN", 16)

# GPT KV cache（关闭可省显存，但部分 transformers 版本会触发 CUDA assert）
TTS_ENABLE_CACHE = _env_bool("TTS_ENABLE_CACHE", True)

# ---------------------------------------------------------------------------
# 上传临时文件目录
# ---------------------------------------------------------------------------
UPLOAD_DIR = BASE_DIR / "uploads"
UPLOAD_DIR.mkdir(parents=True, exist_ok=True)

# ---------------------------------------------------------------------------
# Git 仓库（文档引用）
# ---------------------------------------------------------------------------
GIT_REPO_URL = "https://git.bz121.com/dekun/Trading_Studio.git"