"""
问题分析器 - 使用LLM深度理解用户意图
"""
import json
import asyncio
from typing import Dict, Any, Optional, List
from app.services.llm_service import llm_service
from app.utils.logger import logger


class QuestionAnalyzer:
    """智能问题分析器 - 使用LLM深度理解用户意图"""

    def __init__(self):
        """初始化问题分析器"""
        self.use_llm = llm_service.client is not None
        if not self.use_llm:
            logger.warning("LLM未配置，QuestionAnalyzer将使用降级模式")

    async def analyze_question(
        self,
        question: str,
        context: List[Dict],
        session_id: str
    ) -> Dict[str, Any]:
        """
        深度分析用户问题

        Args:
            question: 用户问题
            context: 对话历史上下文
            session_id: 会话ID

        Returns:
            QuestionIntent: {
                'type': 'stock_analysis' | 'market_overview' | 'knowledge' | 'chat',
                'target': {
                    'stock_code': str,
                    'stock_name': str,
                    'market': 'A股' | '美股'
                },
                'dimensions': {
                    'price_trend': bool,      # 价格走势
                    'technical': bool,        # 技术指标
                    'fundamental': bool,      # 基本面
                    'valuation': bool,        # 估值
                    'money_flow': bool,       # 资金流向
                    'risk': bool              # 风险分析
                },
                'time_scope': {
                    'short_term': bool,       # 短期(1-2周)
                    'medium_term': bool,      # 中期(1-3月)
                    'long_term': bool         # 长期(半年+)
                },
                'analysis_depth': 'quick' | 'standard' | 'deep',
                'specific_concerns': List[str],  # 特定关注点
                'context_references': {
                    'refers_to_previous': bool,
                    'comparison_target': str | None
                },
                'user_style': {
                    'tone': 'professional' | 'casual',
                    'detail_level': 'brief' | 'detailed'
                }
            }
        """
        if not self.use_llm:
            # 降级模式：返回基本的意图分析
            return self._fallback_analysis(question)

        # 构建上下文字符串
        context_str = self._format_context(context)

        # 构建LLM prompt
        prompt = self._build_analysis_prompt(question, context_str)

        try:
            # 异步调用LLM
            result = await self._call_llm_async(
                messages=[{"role": "user", "content": prompt}],
                temperature=0.3,
                max_tokens=800
            )

            if not result:
                logger.warning("LLM返回空结果，使用降级模式")
                return self._fallback_analysis(question)

            # 清理和解析JSON
            intent = self._parse_llm_response(result)

            if intent:
                logger.info(f"问题分析成功: type={intent.get('type')}, dimensions={intent.get('dimensions')}")
                return intent
            else:
                logger.warning("JSON解析失败，使用降级模式")
                return self._fallback_analysis(question)

        except Exception as e:
            logger.error(f"问题分析失败: {e}")
            return self._fallback_analysis(question)

    async def _call_llm_async(
        self,
        messages: List[Dict[str, str]],
        temperature: float = 0.3,
        max_tokens: int = 800
    ) -> Optional[str]:
        """异步调用LLM"""
        loop = asyncio.get_event_loop()
        return await loop.run_in_executor(
            None,
            lambda: llm_service.chat(messages, temperature, max_tokens)
        )

    def _format_context(self, context: List[Dict]) -> str:
        """格式化对话历史上下文"""
        if not context:
            return ""

        context_str = "\n\n【对话历史】\n"
        # 只取最近4条消息
        for msg in context[-4:]:
            role = "用户" if msg["role"] == "user" else "助手"
            content = msg['content'][:100]  # 限制长度
            context_str += f"{role}: {content}\n"

        return context_str

    def _build_analysis_prompt(self, question: str, context_str: str) -> str:
        """构建问题分析的LLM prompt"""
        prompt = f"""你是一个专业的金融问题分析专家。请深度分析用户的问题，提取结构化信息。

{context_str}

【当前问题】
用户: {question}

请分析以下维度：

1. **问题类型**
   - stock_analysis: 针对**特定单只股票**的分析（如"贵州茅台怎么样"、"分析比亚迪"、"AAPL走势"、"阿里巴巴美股"）
     **注意**：如果用户问的是"板块"、"行业"、"概念股"等，这不是stock_analysis，而是market_overview
   - market_overview: 市场整体分析、行业板块分析、投资机会（如"最近有什么投资机会"、"商业航天板块怎么样"、"新能源行业走势"、"现在适合买股票吗"）
   - knowledge: 金融知识问答（如"什么是MACD"、"如何看K线图"）
   - chat: 一般对话（如"你好"、"在吗"）

**重要**：判断是stock_analysis还是market_overview的关键：
- 如果提到具体的公司名称或股票代码 → stock_analysis
- 如果提到"板块"、"行业"、"概念"、"赛道"、"领域" → market_overview
- 如果问"哪些股票"、"什么机会" → market_overview

2. **股票识别**（如果是stock_analysis，这是最重要的部分）
   请识别用户提到的股票，并返回准确的股票代码：

   **A股代码格式**：6位数字
   - 上海主板：600xxx、601xxx、603xxx、605xxx
   - 深圳主板：000xxx、001xxx
   - 创业板：300xxx、301xxx
   - 科创板：688xxx
   - 常见示例：贵州茅台→600519，比亚迪→002594，宁德时代→300750

   **美股代码格式**：1-5位大写字母
   - 常见示例：苹果→AAPL，特斯拉→TSLA，微软→MSFT，谷歌→GOOGL
   - 中概股美股：阿里巴巴美股→BABA，京东美股→JD，拼多多→PDD，百度美股→BIDU，网易美股→NTES，哔哩哔哩美股→BILI

   **港股代码格式**：4-5位数字加.HK后缀
   - 常见示例：腾讯→0700.HK，阿里巴巴港股→9988.HK，美团→3690.HK，小米→1810.HK，京东港股→9618.HK，百度港股→9888.HK，网易港股→9999.HK，哔哩哔哩港股→9626.HK
   - 注意：港股代码需要包含.HK后缀

   **市场判断**：
   - 如果用户明确说"美股"、"纳斯达克"、"纽交所" → 美股
   - 如果用户明确说"港股"、"香港"、"恒生" → 港股
   - 对于同时在多地上市的公司（如阿里巴巴、京东、百度等）：
     - 用户说"美股"或没有明确指定 → 返回美股代码（如BABA）
     - 用户说"港股" → 返回港股代码（如9988.HK）
   - 纯港股公司（如腾讯、美团、小米）→ 港股
   - 默认情况下，中国公司优先考虑A股市场

3. **用户关注维度**（如果是stock_analysis）
   分析用户想了解哪些方面：
   - price_trend: 价格走势、涨跌情况、最新价格
   - technical: 技术指标（MACD、RSI、均线、KDJ等）
   - fundamental: 基本面（公司业务、行业地位、财务状况）
   - valuation: 估值水平（PE、PB、市值、估值是否合理）
   - money_flow: 资金流向、主力动向、大单流入流出
   - risk: 风险分析、风险提示、投资风险

4. **时间范围**
   - short_term: 短期（1-2周）- 如"短期走势"、"近期表现"
   - medium_term: 中期（1-3月）- 如"中期趋势"、"未来一个月"
   - long_term: 长期（半年以上）- 如"长期投资"、"适合长期持有吗"

5. **分析深度**
   - quick: 快速查看（只需要基本信息，如"价格多少"）
   - standard: 标准分析（常规分析，如"怎么样"、"分析一下"）
   - deep: 深度分析（全面详细，如"全面分析"、"深度研究"）

6. **特定关注点**
   提取用户明确提到的关注点，如：
   - "支撑位在哪"
   - "盈利能力如何"
   - "适合长期持有吗"
   - "有没有金叉"

7. **上下文引用**
   - 是否引用了之前的对话（"这只股票"、"它"、"那技术面呢"）
   - 是否要求对比分析（"和上次相比"、"对比一下"）

8. **用户风格**
   - tone: professional（专业，使用专业术语）/ casual（随意，通俗易懂）
   - detail_level: brief（简洁，简短回答）/ detailed（详细，详细分析）

请以JSON格式返回分析结果：
{{
    "type": "问题类型",
    "target": {{
        "stock_code": "股票代码（A股返回6位数字如600519，美股返回大写字母如BABA，港股返回带.HK后缀如0700.HK）",
        "stock_name": "股票/公司名称（如贵州茅台、阿里巴巴、腾讯）",
        "market": "A股/美股/港股"
    }},
    "dimensions": {{
        "price_trend": true/false,
        "technical": true/false,
        "fundamental": true/false,
        "valuation": true/false,
        "money_flow": true/false,
        "risk": true/false
    }},
    "time_scope": {{
        "short_term": true/false,
        "medium_term": true/false,
        "long_term": true/false
    }},
    "analysis_depth": "quick/standard/deep",
    "specific_concerns": ["关注点1", "关注点2"],
    "context_references": {{
        "refers_to_previous": true/false,
        "comparison_target": "对比目标（如有）"
    }},
    "user_style": {{
        "tone": "professional/casual",
        "detail_level": "brief/detailed"
    }}
}}

只返回JSON，不要有任何其他内容。"""

        return prompt

    def _parse_llm_response(self, response: str) -> Optional[Dict[str, Any]]:
        """解析LLM返回的JSON响应"""
        try:
            # 清理结果，移除可能的markdown代码块标记
            result = response.strip()
            if result.startswith("```json"):
                result = result[7:]
            if result.startswith("```"):
                result = result[3:]
            if result.endswith("```"):
                result = result[:-3]
            result = result.strip()

            # 检查是否为空
            if not result:
                return None

            # 解析JSON
            intent = json.loads(result)
            return intent

        except json.JSONDecodeError as e:
            logger.error(f"JSON解析失败: {e}, 原始响应: {response[:200]}")
            return None
        except Exception as e:
            logger.error(f"解析LLM响应失败: {e}")
            return None

    def _fallback_analysis(self, question: str) -> Dict[str, Any]:
        """降级模式：基于规则的简单分析"""
        question_lower = question.lower()

        # 简单的关键词匹配
        is_stock_query = any(kw in question for kw in [
            "股票", "分析", "怎么样", "如何", "走势", "价格", "涨", "跌"
        ])

        if is_stock_query:
            # 尝试提取股票名称（简单规则）
            return {
                'type': 'stock_analysis',
                'target': {
                    'stock_code': '',
                    'stock_name': '',
                    'market': 'A股'
                },
                'dimensions': {
                    'price_trend': True,
                    'technical': True,
                    'fundamental': True,
                    'valuation': False,
                    'money_flow': False,
                    'risk': False
                },
                'time_scope': {
                    'short_term': True,
                    'medium_term': True,
                    'long_term': False
                },
                'analysis_depth': 'standard',
                'specific_concerns': [],
                'context_references': {
                    'refers_to_previous': False,
                    'comparison_target': None
                },
                'user_style': {
                    'tone': 'casual',
                    'detail_level': 'detailed'
                }
            }
        else:
            # 默认为一般对话
            return {
                'type': 'chat',
                'target': {},
                'dimensions': {},
                'time_scope': {},
                'analysis_depth': 'quick',
                'specific_concerns': [],
                'context_references': {
                    'refers_to_previous': False,
                    'comparison_target': None
                },
                'user_style': {
                    'tone': 'casual',
                    'detail_level': 'brief'
                }
            }