# backend/app/llm/provider.py
from __future__ import annotations

from abc import ABC, abstractmethod
from dataclasses import dataclass


@dataclass
class Classification:
    type: str  # task | event | idea
    sphere: str  # work | life
    project_id: str | None = None
    proj_label: str = ""
    tone: str = "ink"
    due_text: str = ""
    when_text: str = ""
    extra: str = ""
    reason: str = ""  # 한국어
    confidence: float = 0.0
    model: str = ""


class LLMProvider(ABC):
    name: str = "base"

    def tool_capable(self) -> bool:
        """tool-call(함수 호출) 가능한 모델인가. 기본 False → 에이전트는 scripted 폴백."""
        return False

    @abstractmethod
    def health(self) -> dict: ...

    @abstractmethod
    def generate_json(self, prompt: str, schema: dict | None = None) -> dict: ...

    @abstractmethod
    def classify_capture(self, raw: str, context: dict) -> Classification: ...

    def list_models(self) -> list[str]:
        """사용 가능한 모델 목록(설정 페이지 드롭다운용). 기본 빈 목록."""
        return []


_cached: LLMProvider | None = None


def get_provider(force: str | None = None) -> LLMProvider:
    """실 LLM(Ollama) 전용. 휴리스틱 폴백 제거(phase-16+): 미가동 시 호출부에서 예외.

    테스트는 conftest 가 get_provider 의존성을 결정적 FakeLLM 으로 오버라이드한다.
    force 인자는 하위호환용(현재 Ollama 단일 — 무시).
    """
    from .ollama import OllamaProvider

    return OllamaProvider()


def reset_provider_cache():
    global _cached
    _cached = None