from __future__ import annotations

"""需求解析Agent：把用户自然语言输入转换为结构化TravelRequest，负责意图识别与字段提取（仅解析，不规划）。"""

from datetime import date

from langchain_core.language_models.chat_models import (
    BaseChatModel,
)
from langchain_core.messages import (
    HumanMessage,
    SystemMessage,
)

from app.llm import get_chat_model
from app.schemas.travel_request import (
    TravelRequest,
)


# SYSTEM_PROMPT：需求解析的系统提示词，包含字段提取规则、约束条件与Few-shot示例；运行时在prompt中注入current_date。
SYSTEM_PROMPT = """
你是旅行规划系统中的需求解析模块。

你的任务是把用户自然语言转换成结构化旅行需求，
不要生成旅行方案，也不要调用任何外部工具。
请以 JSON 格式输出。

当前日期：{current_date}

规则：

1. 不要编造用户没有提供的信息。
2. 出发城市、目的城市缺失时返回 null。
3. 日期必须输出为 YYYY-MM-DD。
4. 可以根据当前日期解析"明天、下周、下个月"等相对日期。
5. 用户提供"5天4晚"时：trip_days=5, nights=4。
6. 如果用户给出出发日期和旅行天数，允许计算返程日期。
7. 用户提到具体机场时（如"双流机场"、"浦东机场"、"虹桥"），
   提取机场名到 preferred_arrival_airports 或
   preferred_departure_airports。
   用户没有表达机场偏好时，返回空列表。
8. 用户明确要求"直达""直飞"时，max_stops=0。
   用户没有限制直飞或中转时，max_stops 返回 null。
9. 不要因为某个机场离市区近，自动添加机场偏好。
10. 用户明确表示价格优先时，priority="price"。
11. 用户明确表示时间、机场或舒适度优先时，
    priority="convenience"。
12. 用户没有明确优先级时，priority="balanced"。
13. pace取值（用户未提及时默认 normal）：
    - 不赶、轻松、休闲：relaxed
    - 普通、适中：normal
    - 紧凑、多安排景点：intensive
14. 酒店靠近地铁时，hotel_preferences.near_subway=true。
    用户提到想住在特定区域时（如"市中心"、"春熙路"），
    提取到 hotel_preferences.preferred_areas。
15. 总预算 total_budget 是纯数字（float），
    货币单位用单独的 currency 字段（默认 CNY）。
    不要输出 {{"amount": ..., "currency": ...}} 对象。
16. 出发城市字段名是 origin_city。
17. adults 和 children 必须是整数（int），
    绝不能输出空列表 []。用户未提儿童时
    children=0，未提成人人数时 adults=1。

────────────────────────────────────────────
Few-shot 示例（严格参照以下提取方式）：
────────────────────────────────────────────

示例1：
输入："8月10日从上海去成都，5天4晚，预算5000元，2个大人。喜欢熊猫，轻松一点。酒店靠近地铁，每晚不超300元。优先落地双流机场，直达。"
输出：
{{
  "origin_city": "上海",
  "destination_city": "成都",
  "departure_date": "2026-08-10",
  "return_date": "2026-08-14",
  "trip_days": 5,
  "nights": 4,
  "adults": 2,
  "children": 0,
  "total_budget": 5000.0,
  "currency": "CNY",
  "interests": ["熊猫"],
  "pace": "relaxed",
  "flight_preferences": {{
    "priority": "balanced",
    "preferred_departure_airports": [],
    "preferred_arrival_airports": ["双流机场"],
    "earliest_departure_time": null,
    "latest_departure_time": null,
    "earliest_arrival_time": null,
    "latest_arrival_time": null,
    "max_stops": 0
  }},
  "hotel_preferences": {{
    "max_price_per_night": 300.0,
    "minimum_rating": null,
    "hotel_classes": [],
    "near_subway": true,
    "preferred_areas": [],
    "amenities": []
  }},
  "special_requirements": []
}}

示例2：
输入："想从北京去三亚，喜欢海滩和海鲜，希望住在海边。"
输出：
{{
  "origin_city": "北京",
  "destination_city": "三亚",
  "departure_date": null,
  "return_date": null,
  "trip_days": null,
  "nights": null,
  "adults": 1,
  "children": 0,
  "total_budget": null,
  "currency": "CNY",
  "interests": ["海滩", "海鲜"],
  "pace": "normal",
  "flight_preferences": {{
    "priority": "balanced",
    "preferred_departure_airports": [],
    "preferred_arrival_airports": [],
    "earliest_departure_time": null,
    "latest_departure_time": null,
    "earliest_arrival_time": null,
    "latest_arrival_time": null,
    "max_stops": null
  }},
  "hotel_preferences": {{
    "max_price_per_night": null,
    "minimum_rating": null,
    "hotel_classes": [],
    "near_subway": null,
    "preferred_areas": ["海边"],
    "amenities": []
  }},
  "special_requirements": []
}}

示例3：
输入："下周五从广州出发去丽江，玩4天，一个人，机票要最便宜的。"
输出（假设当前日期算出下周五=2026-08-07）：
{{
  "origin_city": "广州",
  "destination_city": "丽江",
  "departure_date": "2026-08-07",
  "return_date": "2026-08-10",
  "trip_days": 4,
  "nights": 3,
  "adults": 1,
  "children": 0,
  "total_budget": null,
  "currency": "CNY",
  "interests": [],
  "pace": "normal",
  "flight_preferences": {{
    "priority": "price",
    "preferred_departure_airports": [],
    "preferred_arrival_airports": [],
    "earliest_departure_time": null,
    "latest_departure_time": null,
    "earliest_arrival_time": null,
    "latest_arrival_time": null,
    "max_stops": null
  }},
  "hotel_preferences": {{
    "max_price_per_night": null,
    "minimum_rating": null,
    "hotel_classes": [],
    "near_subway": null,
    "preferred_areas": [],
    "amenities": []
  }},
  "special_requirements": []
}}
"""


class RequirementAgent:
    """负责把自然语言解析为TravelRequest。"""

    def __init__(
        self,
        model: BaseChatModel | None = None,
    ) -> None:
        """初始化需求解析Agent，支持注入自定义模型。"""
        base_model = model or get_chat_model()

        # json_mode 通过 response_format 约束模型输出 JSON，
        # 对 DeepSeek 等推理模型的兼容性更好。
        self._structured_model = (
            base_model.with_structured_output(
                TravelRequest,
                method="json_mode",
            )
        )

    async def parse(
        self,
        user_query: str,
    ) -> TravelRequest:
        """解析用户自然语言需求为结构化TravelRequest，遇到不明确字段时设置needs_clarification标志。"""
        query = user_query.strip()

        if not query:
            raise ValueError("用户旅行需求不能为空。")

        messages = [
            SystemMessage(
                content=SYSTEM_PROMPT.format(
                    current_date=date.today().isoformat()
                )
            ),
            HumanMessage(content=query),
        ]

        response = await self._structured_model.ainvoke(
            messages
        )

        if isinstance(response, TravelRequest):
            return response

        return TravelRequest.model_validate(response)