"""
摘要提取模块
使用大模型生成文档摘要
"""

import os
import re
from openai import OpenAI


def _load_llm_config() -> dict:
    """从 config.yaml 加载 LLM 配置，环境变量可覆盖。"""
    config = {
        "base_url": "https://yiming.zeroerr.team/v1",
        "api_key": "",
        "model": "minimax-2.5",
        "max_tokens": 40960,
    }

    # 尝试从项目根目录 config.yaml 读取（与 0209 一致）
    config_path = os.path.join(os.path.dirname(__file__), "..", "config.yaml")
    if os.path.exists(config_path):
        try:
            import yaml

            with open(config_path, "r", encoding="utf-8") as f:
                data = yaml.safe_load(f) or {}
            llm = data.get("llm", {})
            config.update({k: v for k, v in llm.items() if v})
        except Exception:
            # 保持静默降级，继续使用默认值/环境变量
            pass

    # 环境变量优先级更高
    config["base_url"] = os.environ.get("ZEROERR_LLM_BASE_URL", config["base_url"])
    config["api_key"] = os.environ.get("ZEROERR_LLM_API_KEY", config["api_key"])
    config["model"] = os.environ.get("ZEROERR_LLM_MODEL", config["model"])
    config["max_tokens"] = int(
        os.environ.get("ZEROERR_LLM_MAX_TOKENS", config["max_tokens"])
    )
    return config


_LLM_CONFIG = _load_llm_config()
API_BASE_URL = _LLM_CONFIG["base_url"]
API_KEY = _LLM_CONFIG["api_key"]
MODEL = _LLM_CONFIG["model"]
MAX_TOKENS = _LLM_CONFIG["max_tokens"]


def generate_abstract(all_pages: list[dict], category_name: str, index_url: str = None) -> str:
    """
    使用大模型生成文档摘要
    
    Args:
        all_pages: 所有页面数据列表，每个元素包含 'title', 'url', 'markdown' 等字段
        category_name: 文档类别名称（如"应用案例"）
        index_url: 索引页完整URL（可选），如果提供则会在摘要前添加原文链接
    
    Returns:
        摘要文本（Markdown格式），包含摘要内容和链接列表
    """
    if not all_pages:
        return ""
    
    if not API_KEY:
        print("  警告: 未设置 ZEROERR_LLM_API_KEY，跳过摘要生成")
        return ""

    try:
        # 构建文档内容（用于生成摘要）
        # 只使用标题和部分内容，避免内容过长
        content_parts = []
        for page in all_pages:
            title = page.get('title', '')
            markdown = page.get('markdown', '')
            # 只取前500字符的内容，避免输入过长
            content_preview = markdown[:500] if len(markdown) > 500 else markdown
            content_parts.append(f"标题：{title}\n内容预览：{content_preview}")
        
        document_content = "\n\n".join(content_parts)
        
        # 构建提示词
        prompt = f"""面向客户售前咨询，请为以下"{category_name}"类别的文档集合生成一个简洁的摘要。

文档内容：
{document_content}

要求：
1. 摘要应概括该页面的主题和主要内容
2. 摘要长度控制在100-200字之间
3. 使用简洁、专业的语言
4. 突出该页面主题的价值和特点

请直接输出摘要内容，不要包含其他说明文字。"""

        # 调用大模型API
        client = OpenAI(
            base_url=API_BASE_URL,
            api_key=API_KEY
        )
        
        response = client.chat.completions.create(
            model=MODEL,
            temperature=0.3,  # 使用较低的温度值，保证摘要的准确性
            max_tokens=MAX_TOKENS,
            messages=[{"role": "user", "content": prompt}],
        )

        abstract_text = response.choices[0].message.content.strip()
        # 过滤掉 <think>...</think> 推理过程
        abstract_text = re.sub(r"<think>.*?</think>\s*", "", abstract_text, flags=re.DOTALL).strip()
        
        # 构建链接列表
        links_section = "\n\n**相关链接：**\n\n"
        for i, page in enumerate(all_pages, 1):
            title = page.get('title', '未命名')
            url = page.get('url', '')
            links_section += f"{i}. [{title}]({url})\n"
        
        # 组合摘要和链接，如果提供了索引页URL，则在摘要前添加原文链接
        if index_url:
            result = f"原文链接: {index_url}\n\n{abstract_text}{links_section}"
        else:
            result = f"{abstract_text}{links_section}"
        
        return result
        
    except Exception as e:
        print(f"  警告: 生成摘要失败: {e}")
        # 如果生成摘要失败，至少返回链接列表
        links_section = "\n\n**相关链接：**\n\n"
        for i, page in enumerate(all_pages, 1):
            title = page.get('title', '未命名')
            url = page.get('url', '')
            links_section += f"{i}. [{title}]({url})\n"
        
        # 如果提供了索引页URL，在链接列表前添加原文链接
        if index_url:
            return f"原文链接: {index_url}{links_section}"
        return links_section