import httpx
from sqlalchemy.orm import Session

from app.core.config import settings as app_settings
from app.models.user import SchoolLevel, SystemSettings
from app.services.school_level import school_level_label

CURRICULUM_JUNIOR = """初中课程标准：代数、几何（全等/相似/勾股）、一次函数与简单二次函数、基础概率统计。
严禁使用：高中导数、向量、解析几何、排列组合进阶、复数、微积分、大学线性代数等。"""

CURRICULUM_SENIOR = """高中课程标准：课内函数、三角、向量、解析几何、概率统计、导数（课内范围）等。
严禁使用：大学数学分析、抽象代数、高等几何、超出课内的竞赛高阶技巧。"""

CURRICULUM_JUNIOR_OLYMPIAD = """初中奥数培优范围：整数/整除、因数分解、简单数论、代数恒等变形、几何辅助线与全等相似、简单组合计数。
严禁使用：高中及以上方法（导数、向量、解析几何、微积分、复数运算等）。"""

CURRICULUM_SENIOR_OLYMPIAD = """高中奥数/竞赛入门范围：课内知识+常规竞赛技巧（不等式、构造、归纳、简单数论等）。
严禁使用：大学数学、超出高中奥数培优体系的 IMO 高阶理论。"""


def _curriculum_block(level: SchoolLevel | str | None, olympiad: bool) -> str:
    label = school_level_label(level)
    is_senior = level == SchoolLevel.senior_high or level == "senior_high"
    if olympiad:
        return CURRICULUM_SENIOR_OLYMPIAD if is_senior else CURRICULUM_JUNIOR_OLYMPIAD
    return CURRICULUM_SENIOR if is_senior else CURRICULUM_JUNIOR


QUESTION_PROMPT = """你是一位{stage}老师。以下是从试卷 OCR 识别出的文字，可能含有噪声。
科目：{subject}
请整理出清晰的题目内容（保留题号、选项、公式），只输出题目正文，不要解释。

OCR 原文：
{ocr_text}
"""

SOLUTION_PROMPT = """你是一位耐心的{stage}{subject}老师。请像「作业帮」一样，先讲清楚解题思路，再给出完整解答。

【学段要求 — 严禁超纲】
{curriculum}

题目：
{question_text}

请严格按以下 Markdown 结构输出：

## 解题思路
（2-5 句话：这题考什么、从哪里入手、关键一步是什么，让学生先懂「怎么想」）

## 详细解答
（分步骤完整推导，每步说明依据）

## 易错点
（指出常见错误及正确做法）

严禁使用超纲方法；若原题超纲，请给出{stage}课内可理解的解法。
"""

ERROR_DETECT_PROMPT = """你是{stage}{subject}老师。以下是试卷/作业 OCR 识别结果，每行前有编号。
请找出「学生答错的部分」：错误答案、被打叉的作答、明显不正确的计算结果等。

{numbered_lines}

只输出 JSON，不要其他文字：
{{"wrong_line_ids": [行编号整数列表]}}
若整张图就是一道错题，请标注含有错误答案或作答的行；找不到则标注最后作答行。
"""

OLYMPIAD_SOLUTION_PROMPT = """你是一位{stage}奥数教练。请像优秀辅导老师一样，先讲解题思路，再完整解答。

【奥数学段要求 — 严禁超纲】
{curriculum}

题目：
{question_text}

请严格按以下 Markdown 结构输出：

## 解题思路
（点明题型、突破口、{stage}奥数常用技巧）

## 详细解答
（完整步骤）

## 关键技巧
（总结，仅限{stage}奥数范围）

严禁超纲；过难题给出{stage}可接受的培优思路。
"""


class AIConfig:
    def __init__(
        self,
        provider: str,
        ollama_base_url: str,
        ollama_model: str,
        openai_base_url: str,
        openai_model: str,
        openai_api_key: str | None,
    ):
        self.provider = provider
        self.ollama_base_url = ollama_base_url
        self.ollama_model = ollama_model
        self.openai_base_url = openai_base_url
        self.openai_model = openai_model
        self.openai_api_key = openai_api_key


def load_ai_config(db: Session) -> AIConfig:
    row = db.get(SystemSettings, 1)
    if row is None:
        return AIConfig(
            provider="ollama",
            ollama_base_url=app_settings.OLLAMA_BASE_URL,
            ollama_model=app_settings.OLLAMA_MODEL,
            openai_base_url=app_settings.OPENAI_BASE_URL,
            openai_model=app_settings.OPENAI_MODEL,
            openai_api_key=None,
        )
    return AIConfig(
        provider=row.ai_provider or "ollama",
        ollama_base_url=row.ollama_base_url or app_settings.OLLAMA_BASE_URL,
        ollama_model=row.ollama_model or app_settings.OLLAMA_MODEL,
        openai_base_url=row.openai_base_url or app_settings.OPENAI_BASE_URL,
        openai_model=row.openai_model or app_settings.OPENAI_MODEL,
        openai_api_key=row.openai_api_key,
    )


async def _ollama_generate(prompt: str, cfg: AIConfig) -> str:
    url = f"{cfg.ollama_base_url.rstrip('/')}/api/generate"
    payload = {"model": cfg.ollama_model, "prompt": prompt, "stream": False}
    async with httpx.AsyncClient(timeout=180.0) as client:
        response = await client.post(url, json=payload)
        response.raise_for_status()
        return (response.json().get("response") or "").strip()


async def _openai_generate(prompt: str, cfg: AIConfig) -> str:
    if not cfg.openai_api_key:
        raise ValueError("未配置 OpenAI API Key")
    url = f"{cfg.openai_base_url.rstrip('/')}/chat/completions"
    headers = {"Authorization": f"Bearer {cfg.openai_api_key}"}
    payload = {
        "model": cfg.openai_model,
        "messages": [{"role": "user", "content": prompt}],
        "temperature": 0.3,
    }
    async with httpx.AsyncClient(timeout=180.0) as client:
        response = await client.post(url, json=payload, headers=headers)
        response.raise_for_status()
        data = response.json()
        return (data["choices"][0]["message"]["content"] or "").strip()


async def generate_text(prompt: str, cfg: AIConfig) -> str:
    if cfg.provider == "openai":
        return await _openai_generate(prompt, cfg)
    return await _ollama_generate(prompt, cfg)


async def format_question(
    cfg: AIConfig,
    subject: str,
    ocr_text: str,
    school_level=None,
) -> str:
    stage = school_level_label(school_level)
    prompt = QUESTION_PROMPT.format(stage=stage, subject=subject, ocr_text=ocr_text)
    return await generate_text(prompt, cfg)


async def generate_solution(
    cfg: AIConfig,
    subject: str,
    question_text: str,
    school_level=None,
    *,
    olympiad: bool = False,
) -> str:
    stage = school_level_label(school_level)
    curriculum = _curriculum_block(school_level, olympiad)
    template = OLYMPIAD_SOLUTION_PROMPT if olympiad else SOLUTION_PROMPT
    prompt = template.format(
        stage=stage,
        subject=subject,
        curriculum=curriculum,
        question_text=question_text,
    )
    return await generate_text(prompt, cfg)


async def detect_wrong_line_ids(
    cfg: AIConfig,
    subject: str,
    ocr_lines: list[dict],
    school_level=None,
) -> str:
    stage = school_level_label(school_level)
    numbered = "\n".join(f"[{i}] {line.get('text', '')}" for i, line in enumerate(ocr_lines))
    prompt = ERROR_DETECT_PROMPT.format(stage=stage, subject=subject, numbered_lines=numbered)
    return await generate_text(prompt, cfg)