"""
LLM服务 - 兼容层，使用多模型服务
"""
from typing import Optional, List, Dict, Any
from app.services.multi_llm_service import multi_llm_service
from app.utils.logger import logger


class LLMService:
    """LLM服务类（兼容层）"""

    def __init__(self):
        """初始化LLM服务"""
        self.multi_service = multi_llm_service
        self.client = multi_llm_service.current_model  # 兼容性

    def chat(
        self,
        messages: List[Dict[str, str]],
        model: str = None,
        temperature: float = 0.7,
        max_tokens: int = 2000,
        model_override: str = None
    ) -> Optional[str]:
        """
        调用LLM进行对话

        Args:
            messages: 消息列表
            model: 模型名称（已废弃，使用 model_override）
            temperature: 温度参数
            max_tokens: 最大token数
            model_override: 指定使用的模型 (zhipu/deepseek)

        Returns:
            LLM响应文本
        """
        return self.multi_service.chat(
            messages=messages,
            temperature=temperature,
            max_tokens=max_tokens,
            model_override=model_override
        )

    def analyze_intent(self, user_message: str) -> Dict[str, Any]:
        """使用LLM分析用户意图"""
        return self.multi_service.analyze_intent(user_message)

    def chat_stream(
        self,
        messages: List[Dict[str, str]],
        temperature: float = 0.7,
        max_tokens: int = 2000,
        model_override: str = None
    ):
        """
        流式调用LLM进行对话

        Args:
            messages: 消息列表
            temperature: 温度参数
            max_tokens: 最大token数
            model_override: 指定使用的模型 (zhipu/deepseek)

        Yields:
            LLM响应的文本片段
        """
        return self.multi_service.chat_stream(
            messages=messages,
            temperature=temperature,
            max_tokens=max_tokens,
            model_override=model_override
        )


# 创建全局实例
llm_service = LLMService()