"""分析失败动作，生成下一次修正建议"""

import json

from langchain.agents.structured_output import StructuredOutputError
from langchain_core.exceptions import OutputParserException
from langchain_core.messages import HumanMessage, SystemMessage
from pydantic import ValidationError

from app.actions.plan import plan_materials
from app.clients.llm import get_llm
from app.processor.base import BaseNode
from app.processor.material_agent import field_group_directory, invoke_with_field_tools
from app.processor.state import QueryState
from app.prompt.action import FIELD_QUERY_PROMPT, uses_material_fields
from app.prompt.reflection import REFLECTION_SYSTEM_PROMPT
from app.schemas.action_repair import ActionRepairPlan


class ReflectionNode(BaseNode):
    name = "reflection_node"

    async def process(self, state: QueryState) -> QueryState:
        # 浅拷贝状态
        updated_state: QueryState = state.copy()

        # 汇总原始上下文、需求和失败信息，让模型基于实际错误提出修正建议
        payload = {
            "input_context": state["input_context"].model_dump(mode="json"),
            "requirement": state["requirement"].model_dump(mode="json"),
            # 动作可能在生成或解析阶段就失败，没有动作时传入空列表
            "actions": [
                action.model_dump(mode="json") for action in state.get("actions") or []
            ],
            # 将校验错误转成字典，保留错误类型、动作下标和具体原因
            "validation_errors": [
                error.model_dump() for error in state["validation_errors"]
            ],
            # 如果已有修正建议，一并提供给模型，帮助分析上次修正后仍失败的原因
            "previous_repair_plan": state["repair_plan"].model_dump()
            if state.get("repair_plan")
            else None,
        }

        # 如果动作来自大屏规划，补充规划和新增组件物料，避免修正时偏离规划或物料定义
        if state.get("screen_plan") is not None:
            payload["screen_plan"] = state["screen_plan"].model_dump(mode="json")
            payload["component_materials"] = plan_materials(state)

        # 涉及组件属性时，修正建议须基于查询到的字段定义，与动作生成使用同一组工具
        with_fields = uses_material_fields(
            state["requirement"], state.get("screen_plan")
        )
        if with_fields:
            payload["field_groups"] = field_group_directory(state)
        # 用户消息承载本轮待分析的具体资料，序列化时保留中文
        content = json.dumps(payload, ensure_ascii=False)

        # 只捕获输出结构和解析错误，配置、网络等异常继续向上抛出
        try:
            # 异步生成修正建议，本节点不直接修改动作
            if with_fields:
                plan = await invoke_with_field_tools(
                    ActionRepairPlan,
                    REFLECTION_SYSTEM_PROMPT + "\n" + FIELD_QUERY_PROMPT,
                    content,
                )
            else:
                plan = await get_llm(ActionRepairPlan).ainvoke(
                    [
                        SystemMessage(content=REFLECTION_SYSTEM_PROMPT),
                        HumanMessage(content=content),
                    ]
                )
            # 响应中没有工具调用时解析器会返回 None
            if plan is None:
                raise OutputParserException("模型未返回结构化结果")
        except (ValidationError, OutputParserException, StructuredOutputError):
            # 如果未能得到合法建议，清空旧修正计划，避免再次使用已失效的建议
            updated_state["repair_plan"] = None
            # 记录无法继续修正的原因，交给后续路由和失败处理流程
            updated_state["failure_reason"] = "未能生成有效的动作修正建议"

            return updated_state

        # 保存通过校验的修正建议，供后续路由判断及动作重新生成使用
        updated_state["repair_plan"] = plan
        # 仅在建议允许重试时将次数加一，缺少历史计数时从零开始，不可重试时保持原次数
        updated_state["retry_count"] = state.get("retry_count", 0) + int(plan.retryable)
        # 可以重试时清空旧失败原因；不可重试时保留分析，由失败收尾交给模型向用户说明
        updated_state["failure_reason"] = (
            None if plan.retryable else f"修正分析判断无法完成：{plan.reason}"
        )

        # 返回修正建议、重试次数和失败原因，由后续路由决定重新生成动作还是结束
        return updated_state