"""
LLM服务 - 智谱AI GLM-4集成
"""
from typing import Optional, List, Dict, Any
from app.config import get_settings
from app.utils.logger import logger

try:
    from zhipuai import ZhipuAI
    ZHIPUAI_AVAILABLE = True
except ImportError:
    ZHIPUAI_AVAILABLE = False
    logger.warning("zhipuai包未安装，LLM功能将不可用")


class LLMService:
    """LLM服务类"""

    def __init__(self):
        """初始化LLM服务"""
        settings = get_settings()

        if not ZHIPUAI_AVAILABLE:
            logger.warning("智谱AI SDK未安装")
            self.client = None
            return

        if not settings.zhipuai_api_key:
            logger.warning("智谱AI API Key未配置")
            self.client = None
            return

        try:
            self.client = ZhipuAI(api_key=settings.zhipuai_api_key)
            logger.info("智谱AI LLM服务初始化成功")
        except Exception as e:
            logger.error(f"智谱AI初始化失败: {e}")
            self.client = None

    def chat(
        self,
        messages: List[Dict[str, str]],
        model: str = "glm-4",
        temperature: float = 0.7,
        max_tokens: int = 2000
    ) -> Optional[str]:
        """
        调用LLM进行对话

        Args:
            messages: 消息列表 [{"role": "user", "content": "..."}]
            model: 模型名称
            temperature: 温度参数
            max_tokens: 最大token数

        Returns:
            LLM响应文本
        """
        if not self.client:
            logger.error("LLM客户端未初始化")
            return None

        try:
            logger.info(f"调用LLM: model={model}, messages={len(messages)}条")
            response = self.client.chat.completions.create(
                model=model,
                messages=messages,
                temperature=temperature,
                max_tokens=max_tokens
            )

            if response.choices:
                content = response.choices[0].message.content
                logger.info(f"LLM响应成功，长度: {len(content) if content else 0}")
                return content
            else:
                logger.warning("LLM响应中没有choices")
                return None

        except Exception as e:
            logger.error(f"LLM调用失败: {type(e).__name__}: {e}")
            import traceback
            logger.error(f"详细错误: {traceback.format_exc()}")
            return None

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

        Args:
            user_message: 用户消息

        Returns:
            意图分析结果
        """
        if not self.client:
            return {"type": "unknown", "confidence": 0}

        prompt = f"""你是一个股票分析助手的意图识别模块。请分析用户的查询意图。

用户消息：{user_message}

请识别以下意图类型之一：
1. market_data - 查询实时行情、价格
2. technical_analysis - 技术分析、技术指标
3. fundamental - 基本面信息、公司信息
4. visualization - K线图、图表
5. unknown - 无法识别

请以JSON格式返回：
{{
    "type": "意图类型",
    "confidence": 0.0-1.0,
    "stock_name": "提取的股票名称（如果有）"
}}
"""

        try:
            response = self.chat([{"role": "user", "content": prompt}], temperature=0.3)
            if response:
                import json
                # 尝试解析JSON
                result = json.loads(response)
                return result
        except Exception as e:
            logger.error(f"意图分析失败: {e}")

        return {"type": "unknown", "confidence": 0}

    def generate_analysis_summary(
        self,
        stock_code: str,
        stock_name: str,
        data: Dict[str, Any]
    ) -> str:
        """
        使用LLM生成分析总结

        Args:
            stock_code: 股票代码
            stock_name: 股票名称
            data: 分析数据

        Returns:
            分析总结文本
        """
        if not self.client:
            return "LLM服务不可用，无法生成智能分析"

        prompt = f"""你是一个专业的股票分析师。请根据以下数据对{stock_name}({stock_code})进行分析总结。

数据：
{data}

请提供：
1. 当前状态评估
2. 技术指标解读
3. 投资建议（仅供参考）

注意：
- 使用专业但易懂的语言
- 控制在200字以内
- 必须声明"仅供参考，不构成投资建议"
"""

        try:
            response = self.chat([{"role": "user", "content": prompt}], temperature=0.7)
            return response or "分析生成失败"
        except Exception as e:
            logger.error(f"分析总结生成失败: {e}")
            return "分析生成失败"


# 创建全局实例
llm_service = LLMService()