# backend/app/llm/ollama.py
import json
import re

import httpx

from ..runtime_config import effective_llm
from .prompts import CLASSIFY_SYSTEM, build_classify_prompt
from .provider import Classification, LLMProvider


def _lenient_json(content: str) -> dict:
    """모델 출력에서 JSON 객체 추출 — ```json 펜스·<think> 추론블록·잡설 제거 후 파싱."""
    s = content or ""
    s = re.sub(r"<think>.*?</think>", "", s, flags=re.DOTALL)  # 추론형 모델 사고블록
    i, j = s.find("{"), s.rfind("}")
    if i != -1 and j != -1 and j > i:
        s = s[i : j + 1]  # 첫 { ~ 마지막 } (펜스·머리말 제거)
    return json.loads(s)


class OllamaProvider(LLMProvider):
    name = "ollama"

    def __init__(
        self,
        host: str | None = None,
        model: str | None = None,
        timeout: float | None = None,
    ):
        # 유효 설정(런타임 오버레이 > .env). 인자가 주어지면 그 값으로 덮어쓴다(연결 테스트용).
        eff = effective_llm()
        # 끝 슬래시 제거 — 원격 엔드포인트(예: https://host/)를 그대로 받아도 `{host}/api/..` 가
        # `//api/..` 로 깨지지 않게 정규화.
        self.host = (host or eff.host).rstrip("/")
        self.model = model or eff.model  # 비종속: 주입값 그대로 사용
        self.timeout = timeout if timeout is not None else eff.timeout

    def list_models(self) -> list[str]:
        try:
            r = httpx.get(f"{self.host}/api/tags", timeout=3.0)
            if r.status_code != 200:
                return []
            return [m.get("name", "") for m in r.json().get("models", []) if m.get("name")]
        except Exception:
            return []

    def health(self) -> dict:
        try:
            r = httpx.get(f"{self.host}/api/tags", timeout=3.0)
            ok = r.status_code == 200
            tags = [m.get("name") for m in r.json().get("models", [])] if ok else []
            return {
                "reachable": ok,
                "provider": "ollama",
                "model": self.model,
                "host": self.host,
                "detail": f"models={tags}",
            }
        except Exception as e:
            return {
                "reachable": False,
                "provider": "ollama",
                "model": self.model,
                "host": self.host,
                "detail": str(e),
            }

    def generate_json(self, prompt: str, schema: dict | None = None) -> dict:
        # Ollama 구조화 출력: format="json" (모델 비종속). chat API 사용.
        # think=False: 추론형 모델의 사고 단계를 끈다(분류는 즉답이 더 적합·빠름).
        # num_predict: 충분한 토큰(미지정 시 잘려 빈 응답 → 파싱 실패).
        payload = {
            "model": self.model,
            "messages": [{"role": "user", "content": prompt}],
            "stream": False,
            "format": "json",
            "think": False,
            "options": {"temperature": 0.2, "num_predict": 2048},
        }
        r = httpx.post(f"{self.host}/api/chat", json=payload, timeout=self.timeout)
        r.raise_for_status()
        content = r.json()["message"]["content"]
        return _lenient_json(content)

    def classify_capture(self, raw: str, context: dict) -> Classification:
        # 실 LLM 전용: 미가용/파싱 실패는 예외로 전파(휴리스틱 폴백 없음, phase-16+).
        prompt = build_classify_prompt(raw, context)
        payload = {
            "model": self.model,
            "messages": [
                {"role": "system", "content": CLASSIFY_SYSTEM},
                {"role": "user", "content": prompt},
            ],
            "stream": False,
            "format": "json",
            "think": False,  # 추론 단계 off → 분류 즉답(수초).
            "options": {"temperature": 0.2, "num_predict": 2048},
        }
        r = httpx.post(f"{self.host}/api/chat", json=payload, timeout=self.timeout)
        r.raise_for_status()
        data = _lenient_json(r.json()["message"]["content"])
        return _coerce(data, raw, context, model=f"ollama:{self.model}")


def _coerce(data: dict, raw: str, context: dict, model: str) -> Classification:
    """LLM JSON을 Classification으로. 누락 필드는 명시적 기본값으로 보강(휴리스틱 의존 없음)."""
    t = data.get("type") if data.get("type") in ("task", "event", "idea") else "idea"
    sp = data.get("sphere") if data.get("sphere") in ("work", "life") else "work"
    return Classification(
        type=t,
        sphere=sp,
        project_id=data.get("project_id"),
        proj_label=data.get("proj_label", ""),
        tone=data.get("tone") or "ink",
        due_text=data.get("due_text", ""),
        when_text=data.get("when_text", ""),
        extra=data.get("extra", ""),
        reason=data.get("reason", ""),
        confidence=float(data.get("confidence", 0.85)),
        model=model,
    )