"""AI 分析核心服务

负责：
1. 调用 OpenAI 兼容 API 进行分析
2. Function Calling 循环（AI 可主动获取数据）
3. 采集当日盘面快照（供次日环比）
4. 保存报告到数据库
"""

import json
import re
import traceback

import httpx
from datetime import datetime, timezone, timedelta

from services.ai_config import AI_API_BASE, AI_API_KEY, AI_MODEL, AI_MAX_TOKENS, AI_TEMPERATURE
from services.ai_tools import TOOLS, execute_tool
from database import get_connection

_CST = timezone(timedelta(hours=8))

SYSTEM_PROMPT = """你是一位专业的A股市场分析师，擅长从数据中发现投资机会。

你的分析风格：
- 数据驱动，基于真实数据而非主观臆断
- 逻辑清晰，先总后分，层层递进
- 观点明确，给出具体的操作建议
- 风险提示，每次推荐都需说明风险点

可用工具：
- get_market_dashboard: 获取市场整体数据（指数/涨跌统计/市场温度/连板梯队/行业强度/板块资金流/两融/事件情报）
- get_theme_history: 获取指定日期的题材涨幅排行
- get_active_core_stocks: 获取核心股追踪数据（10日涨幅矩阵+所属题材）
- get_stock_quote: 获取个股实时行情
- get_fund_flow: 获取个股资金流向
- get_news: 获取财经快讯（新浪7x24，用于重要消息面）

重要规则：
1. 你必须先调用工具获取数据，然后基于数据进行分析
2. 不要凭空编造数据，所有数据必须来自工具返回
3. 如果工具返回空数据，如实说明数据不可用
4. 分析完成后给出明确的结论和建议"""

DAILY_ANALYSIS_PROMPT = """请对 {trade_date} 的A股市场进行收盘分析，生成一份完整的分析报告。

{prev_report_section}
{prev_snapshot_section}

请先调用以下工具获取数据：
1. get_market_dashboard - 获取市场整体数据（含涨跌统计、市场温度、连板梯队 limitLadder、板块资金流 sectorFundFlow、两融）
2. get_theme_history(date="{trade_date}") - 获取今日题材涨幅
3. get_active_core_stocks - 获取核心股数据
4. get_news(limit=30) - 获取今日财经快讯

生成报告时必须遵守以下格式规则：

1. 报告标题（# 一级标题）之后的第一行，必须是一个引用块"定调摘要"，格式严格为：
> 今日定调：<一句话核心结论，不超过80字，必须包含1-2个关键数字（如成交额、涨停家数、市场温度）>

2. 量能与情绪类数字必须给环比：若上方提供了"前一交易日盘面数据快照"，成交额、涨跌家数、涨停数、两融余额、市场温度等在与昨日对比后表述（如"成交额2.05万亿，较昨日缩量约700亿"）；没有昨日快照则如实说明"暂无昨日数据"。

3. 连板梯队必须完整呈现 get_market_dashboard 返回的 limitLadder：从最高连板到2连板逐级列表格，每只标注涨停原因（reason字段）与封单金额（sealWan，单位万，为空则不写）；首板只挑3-5只人气最高的点评。

4. 板块资金面必须引用 get_market_dashboard 返回的 sectorFundFlow：行业主力净流入TOP3、净流出TOP3、概念净流入TOP3（单位亿元），结合题材分析说明资金动向。

5. 重要消息面必须基于 get_news 返回的快讯整理：挑5-8条对次日盘面影响最大的消息，每条格式为"【分类】一句话新闻 —— 一句影响解读"（分类用：宏观/政策/行业/公司/海外）；快讯中若没有某方面的重要消息，如实说明，严禁编造工具中不存在的新闻。

6. 适当使用表格展示数据对比。

然后基于数据生成报告，结构如下：

## 一、市场总览
- 主要指数表现（上证、深证、创业板、科创50）
- 涨跌家数统计（含涨停/跌停/炸板率，须环比）
- 市场温度评估

## 二、题材热点分析
- 今日涨幅前5题材
- 持续活跃的题材
- 新兴热点题材
- 明显退潮的题材（警示）
- 板块主力资金流（按格式规则4引用数据）

## 三、核心股追踪
- 连板梯队分析（按格式规则3完整呈现）
- 核心股表现
- 龙头股辨识

## 四、关注方向
- 明日值得关注的题材方向
- 潜在的交易机会

## 五、下个交易日建议
- 明日大盘预判（支撑/压力位）
- 建议关注的题材方向（2-3个）
- 建议关注的核心股（附理由）
- 操作策略（仓位建议、买卖时机）
- 需要规避的方向

## 六、重要消息面
- 基于 get_news 快讯整理（按格式规则5）

## 七、风险提示
- 需要警惕的风险因素
- 操作建议

请用 Markdown 格式输出，适当使用表格展示数据对比。"""

# 报告头部的"今日定调"引用行，保存时提取为 summary
_TONE_LINE_RE = re.compile(r"^>\s*今日定调[：:]\s*(.+)$", re.MULTILINE)


async def call_llm(messages: list, tools: list = None) -> dict:
    """调用 OpenAI 兼容 API"""
    async with httpx.AsyncClient() as client:
        payload = {
            "model": AI_MODEL,
            "messages": messages,
        }
        if AI_MAX_TOKENS is not None:
            payload["max_tokens"] = AI_MAX_TOKENS
        if AI_TEMPERATURE is not None:
            payload["temperature"] = AI_TEMPERATURE
        if tools:
            payload["tools"] = tools
            payload["tool_choice"] = "auto"

        resp = await client.post(
            f"{AI_API_BASE}/chat/completions",
            headers={
                "Authorization": f"Bearer {AI_API_KEY}",
                "Content-Type": "application/json",
            },
            json=payload,
            timeout=300,  # 续写调用携带全部上下文且输出很长，需要较宽的读超时
        )
        resp.raise_for_status()
        return resp.json()


async def collect_ai_analysis(trade_date: str) -> dict:
    """AI 分析主流程

    Args:
        trade_date: 交易日 YYYY-MM-DD

    Returns:
        {"id": int, "tokens_used": int, "tools_used": list}
    """
    prev_report_section = _get_prev_report_section(trade_date)
    # 采集当日盘面快照（供次日环比），并读取上一交易日快照注入 prompt
    await _capture_market_snapshot(trade_date)
    prev_snapshot_section = _get_prev_snapshot_section(trade_date)

    messages = [
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": DAILY_ANALYSIS_PROMPT.format(
            trade_date=trade_date,
            prev_report_section=prev_report_section,
            prev_snapshot_section=prev_snapshot_section,
        )}
    ]

    tools_used = []
    total_tokens = 0
    final_content = ""
    was_truncated = False
    continuations = 0
    max_rounds = 30  # 安全上限，正常分析约 3-8 轮

    for i in range(max_rounds):
        response = await call_llm(messages, tools=TOOLS)
        total_tokens += response.get("usage", {}).get("total_tokens", 0)

        choice = response["choices"][0]
        message = choice["message"]
        messages.append(message)

        finish_reason = choice.get("finish_reason", "")
        print(f"[ai-service] round {i}: finish={finish_reason}, "
              f"content_len={len(message.get('content') or '')}, "
              f"tool_calls={len(message.get('tool_calls') or [])}")

        if finish_reason == "stop":
            final_content += message.get("content") or ""
            break

        if finish_reason == "length":
            # 单次输出上限截断：拼接已有内容并让模型续写（最多3次）
            final_content += message.get("content") or ""
            if continuations < 3:
                continuations += 1
                print(f"[ai-service] 响应被截断，第 {continuations} 次续写")
                messages.append({
                    "role": "user",
                    "content": "报告输出被截断了。请从截断处无缝续写剩余内容：直接接着写，不要重复已输出的部分，也不要重新输出标题。",
                })
                continue
            was_truncated = True
            print("[ai-service] 警告：多次续写后仍被截断")
            break

        if finish_reason == "tool_calls":
            for tool_call in message.get("tool_calls", []):
                func_name = tool_call["function"]["name"]
                func_args = json.loads(tool_call["function"]["arguments"])
                tools_used.append(func_name)

                result = await execute_tool(func_name, func_args)
                messages.append({
                    "role": "tool",
                    "tool_call_id": tool_call["id"],
                    "content": result
                })

    summary = _extract_summary(final_content)
    report_id = _save_report(trade_date, final_content, summary, tools_used, total_tokens)

    return {"id": report_id, "tokens_used": total_tokens, "tools_used": tools_used, "truncated": was_truncated}


def _extract_summary(content: str) -> str:
    """提取报告头部的"今日定调"引用行作为摘要；缺失时退回正文截断"""
    match = _TONE_LINE_RE.search(content or "")
    if match:
        text = match.group(1).strip()
        if text:
            return text[:200]
    return (content or "")[:200].replace("\n", " ")


def _num(v) -> str:
    """快照数值安全转字符串"""
    if isinstance(v, float):
        return f"{v:g}"
    return str(v if v is not None else "-")


def _fmt_amount(v) -> str:
    """成交额（元）→ 万亿/亿 可读格式"""
    try:
        v = float(v)
    except (TypeError, ValueError):
        return "-"
    if v >= 1e12:
        return f"{v / 1e12:.2f}万亿"
    if v >= 1e8:
        return f"{v / 1e8:.0f}亿"
    return f"{v:.0f}元"


def _fmt_index(idx: dict) -> str:
    if not idx:
        return "-"
    try:
        pct = round(float(idx.get("changePct", 0)), 2)
    except (TypeError, ValueError):
        pct = 0
    sign = "+" if pct >= 0 else ""
    return f"{idx.get('price', '-')}（{sign}{pct}%）"


def _fmt_temperature(v) -> str:
    """温度可能是 dict（score/label/factors），取分数与标签"""
    if isinstance(v, dict):
        score = v.get("score")
        label = v.get("label") or ""
        return f"{score}分{('（' + label + '）') if label else ''}"
    return _num(v)


async def _capture_market_snapshot(trade_date: str) -> bool:
    """采集当日盘面快照入库（指数+涨跌统计），供次日分析做环比"""
    try:
        from routes.market_dashboard import _build_dashboard
        data = await _build_dashboard()
        stats = data.get("marketStats") or {}
        # 数据有效性校验：fuyao 拉取失败时涨跌统计全 0，空快照会污染次日环比
        if not data.get("indices") or (stats.get("upCount", 0) + stats.get("downCount", 0) == 0):
            print(f"[ai-service] 盘面数据无效，跳过快照入库 {trade_date}")
            return False
        payload = json.dumps(
            {"indices": data.get("indices", []), "marketStats": stats},
            ensure_ascii=False,
            default=str,
        )
        conn = get_connection()
        try:
            conn.execute(
                """INSERT INTO daily_market_stats (trade_date, payload) VALUES (?, ?)
                   ON CONFLICT(trade_date) DO UPDATE SET payload = excluded.payload""",
                (trade_date, payload),
            )
            conn.commit()
        finally:
            conn.close()
        return True
    except Exception:
        print(f"[ai-service] 市场快照采集失败 {trade_date}：")
        traceback.print_exc()
        return False


def _get_prev_snapshot_section(trade_date: str) -> str:
    """读取上一交易日盘面快照，格式化为 prompt 中的环比数据段"""
    conn = get_connection()
    try:
        row = conn.execute(
            "SELECT trade_date, payload FROM daily_market_stats WHERE trade_date < ? ORDER BY trade_date DESC LIMIT 1",
            (trade_date,),
        ).fetchone()
        if not row:
            return ""
        try:
            snap = json.loads(row["payload"])
        except (TypeError, ValueError):
            return ""
        stats = snap.get("marketStats") or {}
        indices = {i.get("name"): i for i in (snap.get("indices") or []) if isinstance(i, dict)}
        idx_line = "、".join(
            f"{name} {_fmt_index(indices.get(name))}"
            for name in ("上证指数", "深证成指", "创业板指", "科创50")
        )
        margin_line = ""
        if stats.get("marginBalanceYi"):
            change = stats.get("marginChangeYi")
            change_txt = ""
            if change is not None:
                sign = "+" if float(change) >= 0 else ""
                change_txt = f"（较前一日 {sign}{_num(change)}亿）"
            margin_line = f"\n- 两融余额：{_num(stats.get('marginBalanceYi'))}亿{change_txt}，数据日期 {stats.get('marginDate') or '-'}（T+1）"
        return f"""以下是前一交易日（{row["trade_date"]}）的盘面数据快照，报告中的量能与情绪数字必须给出与它的环比对比：

- 两市成交额：{_fmt_amount(stats.get("totalTurnover"))}
- 上涨/下跌/平盘：{_num(stats.get("upCount"))}/{_num(stats.get("downCount"))}/{_num(stats.get("flatCount"))}，涨停 {_num(stats.get("limitUp"))} 家、跌停 {_num(stats.get("limitDown"))} 家、炸板 {_num(stats.get("limitBreak"))} 家（炸板率 {_num(stats.get("breakRate"))}%）
- 强势/弱势股：{_num(stats.get("strongCount"))}/{_num(stats.get("weakCount"))}，市场宽度 {_num(stats.get("marketBreadth"))}%
- 市场温度：{_fmt_temperature(stats.get("temperature"))}，竞价信号：{stats.get("auctionSignal") or "-"}{margin_line}
- 指数收盘：{idx_line}

---
"""
    finally:
        conn.close()


def _save_report(trade_date: str, content: str, summary: str, tools_used: list, tokens_used: int) -> int:
    """保存报告到数据库（同日重生成：覆盖内容、generation_count+1、tokens 记当次消耗）"""
    conn = get_connection()
    try:
        conn.execute(
            """INSERT INTO ai_reports
               (trade_date, report_type, title, content, summary, tools_used, model, tokens_used, updated_at)
               VALUES (?, 'daily', ?, ?, ?, ?, ?, ?, datetime('now','localtime'))
               ON CONFLICT(trade_date, report_type) DO UPDATE SET
                 title = excluded.title,
                 content = excluded.content,
                 summary = excluded.summary,
                 tools_used = excluded.tools_used,
                 model = excluded.model,
                 tokens_used = excluded.tokens_used,
                 updated_at = excluded.updated_at,
                 generation_count = ai_reports.generation_count + 1""",
            (
                trade_date,
                f"{trade_date} A股收盘分析",
                content,
                summary,
                json.dumps(tools_used),
                AI_MODEL,
                tokens_used,
            ),
        )
        conn.commit()
        row = conn.execute(
            "SELECT id FROM ai_reports WHERE trade_date = ? AND report_type = 'daily'",
            (trade_date,),
        ).fetchone()
        return row["id"]
    finally:
        conn.close()


def _get_prev_report_section(trade_date: str) -> str:
    """获取前一个交易日的报告，用于上下文参考"""
    conn = get_connection()
    try:
        row = conn.execute(
            "SELECT trade_date, content FROM ai_reports WHERE trade_date < ? AND report_type = 'daily' ORDER BY trade_date DESC LIMIT 1",
            (trade_date,)
        ).fetchone()
        if not row:
            return ""
        prev_date = row["trade_date"]
        prev_content = row["content"] or ""
        return f"""以下是前一个交易日（{prev_date}）的分析报告，请参考其中的分析逻辑和关注方向，结合今日数据进行对比分析：

{prev_content}

---
"""
    finally:
        conn.close()