import os
from dataclasses import dataclass, field
from pathlib import Path

from dotenv import load_dotenv

PROJECT_ROOT = Path(__file__).resolve().parent.parent

load_dotenv(PROJECT_ROOT / ".env")


@dataclass(frozen=True)
class Settings:
    # LLM 配置
    llm_api_key: str = field(
        default_factory=lambda: os.getenv("LLM_API_KEY", ""),
        repr=False,
    )
    llm_model: str = field(default_factory=lambda: os.getenv("LLM_MODEL", ""))
    llm_base_url: str | None = field(
        default_factory=lambda: os.getenv("LLM_BASE_URL") or None
    )
    # 统计 5000 多次调用：正常的都在 30 秒内（含上千 token 的长输出），
    # 卡住的请求会一直等到超时才重试，超时越长，卡一次多等越久
    llm_timeout: float = field(
        default_factory=lambda: float(os.getenv("LLM_TIMEOUT", "30"))
    )
    llm_max_retries: int = 2
    # 推理 token 占了单次调用耗时的大头；步骤都很简单，不需要深想
    llm_reasoning_effort: str | None = field(
        default_factory=lambda: os.getenv("LLM_REASONING_EFFORT", "low") or None
    )

    # Jev
    typesafe_api_key: str = field(
        default_factory=lambda: os.getenv("TYPESAFE_API_KEY", ""), repr=False
    )
    typesafe_model: str = field(
        default_factory=lambda: os.getenv("TYPESAFE_DEFAULT_MODEL") or "jev-latest"
    )
    typesafe_base_url: str = field(
        default_factory=lambda: (
            os.getenv("TYPESAFE_BASE_URL") or "https://api.typesafe.ai"
        )
    )
    typesafe_timeout: float = field(
        default_factory=lambda: float(os.getenv("TYPESAFE_TIMEOUT", "30"))
    )
    typesafe_max_retries: int = field(
        default_factory=lambda: int(os.getenv("TYPESAFE_MAX_RETRIES", "2"))
    )

    # 意图门控：Jev 选中 qa 且概率达到阈值才走问答，其余都交给 screen agent；阈值按真实语料校准
    intent_qa_min_probability: float = field(
        default_factory=lambda: float(os.getenv("INTENT_QA_MIN_PROBABILITY", "0.5"))
    )

    # screen agent 单次运行的模型调用上限，包括读取 skill、查询物料、提交修正和最终回复；
    # 用尽或没有给出结论时节点再收尾 1 次，所以一次请求最多 MAX_AGENT_STEPS + 1 次
    max_agent_steps: int = field(
        default_factory=lambda: int(os.getenv("MAX_AGENT_STEPS", "12"))
    )
    # 问答 agent 单次运行的模型调用上限；查询数据时每次查询多一次调用
    max_qa_steps: int = field(
        default_factory=lambda: int(os.getenv("MAX_QA_STEPS", "8"))
    )
    # 单次 MCP 工具调用的超时（秒），服务列表见 mcp_servers.json
    mcp_tool_timeout: float = field(
        default_factory=lambda: float(os.getenv("MCP_TOOL_TIMEOUT", "5"))
    )

    # 没有任何对话的空会话保留时长（秒），超时后视为不存在
    conversation_empty_ttl: int = field(
        default_factory=lambda: int(os.getenv("CONVERSATION_EMPTY_TTL", "7200"))
    )
    # 每次请求从会话记录读取的最近轮数上限，实际带入多少由 history_max_tokens 决定
    conversation_history_turns: int = field(
        default_factory=lambda: int(os.getenv("CONVERSATION_HISTORY_TURNS", "20"))
    )
    # 每次请求带入的会话历史 token 预算（近似计数），从最近一轮往前保留完整的轮次
    history_max_tokens: int = field(
        default_factory=lambda: int(os.getenv("HISTORY_MAX_TOKENS", "4096"))
    )

    # MongoDB 连接串，未配置时会话记录和检查点回退为进程内存实现
    mongodb_uri: str | None = field(
        default_factory=lambda: os.getenv("MONGODB_URI") or None, repr=False
    )
    mongodb_db: str = field(
        default_factory=lambda: os.getenv("MONGODB_DB") or "screen_agent"
    )
    # 检查点保留时长（秒），超时由 MongoDB TTL 索引清理，0 表示永久保留
    mongodb_checkpoint_ttl: int = field(
        default_factory=lambda: int(os.getenv("MONGODB_CHECKPOINT_TTL", "604800"))
    )

    # 上传的数据文件：原文件和解析出的 Parquet 放这个目录，相对路径相对项目根目录；容器部署时挂载出来
    data_file_dir: Path = field(
        default_factory=lambda: (
            PROJECT_ROOT / (os.getenv("DATA_FILE_DIR") or "data/files")
        )
    )
    # 单个数据文件的大小上限（MB）
    data_file_max_mb: int = field(
        default_factory=lambda: int(os.getenv("DATA_FILE_MAX_MB", "500"))
    )
    # 数据文件保留时长（秒），从上传时算起，默认 7 天
    data_file_ttl: int = field(
        default_factory=lambda: int(os.getenv("DATA_FILE_TTL", "604800"))
    )

    # 上传后用 LLM 分析文件（一句话说明、图表推荐、列的含义）；关闭后文件照常可用，只是没有这些信息
    data_file_insights: bool = field(
        default_factory=lambda: (
            os.getenv("DATA_FILE_INSIGHTS", "true").strip().lower()
            not in ("false", "0", "no", "off")
        )
    )

    # 大屏保存与发布：单次请求体上限（MB）；图表绑定数据文件时数据快照嵌在页面里，一屏很容易上 MB
    screen_max_mb: int = field(
        default_factory=lambda: int(os.getenv("SCREEN_MAX_MB", "10"))
    )
    # 回收站保留天数：软删的大屏超过这个时间由后台任务彻底删除（连同发布历史和封面）
    trash_retention_days: int = field(
        default_factory=lambda: int(os.getenv("TRASH_RETENTION_DAYS", "30"))
    )
    # 大屏封面图存放目录，相对路径相对项目根目录；和数据文件一样放本地磁盘
    thumbnail_dir: Path = field(
        default_factory=lambda: (
            PROJECT_ROOT / (os.getenv("THUMBNAIL_DIR") or "data/thumbnails")
        )
    )

    # 模型写的单条数据查询的超时（秒）
    data_query_timeout: float = field(
        default_factory=lambda: float(os.getenv("DATA_QUERY_TIMEOUT", "10"))
    )

    # apply_actions 里一个 $query 写进组件的最多行数，超过时报错，让模型在 SQL 里聚合
    data_embed_max_rows: int = field(
        default_factory=lambda: int(os.getenv("DATA_EMBED_MAX_ROWS", "1000"))
    )

    # 用户中心：请求携带的 token 交给它校验，换回 user_id
    user_center_url: str = field(
        default_factory=lambda: (
            os.getenv("USER_CENTER_URL") or "http://127.0.0.1:8100"
        ).rstrip("/")
    )
    user_center_timeout_seconds: float = field(
        default_factory=lambda: float(os.getenv("USER_CENTER_TIMEOUT_SECONDS", "5"))
    )
    # 关闭后不校验 token，所有请求视为同一个本地调试用户，仅用于开发
    auth_enabled: bool = field(
        default_factory=lambda: (
            os.getenv("AUTH_ENABLED", "true").strip().lower()
            not in ("false", "0", "no", "off")
        )
    )
    # token 校验结果缓存时长（秒），登出或禁用后最多延迟这么久失效，0 表示不缓存
    auth_cache_ttl_seconds: int = field(
        default_factory=lambda: int(os.getenv("AUTH_CACHE_TTL_SECONDS", "30"))
    )

    def __post_init__(self):
        if self.user_center_timeout_seconds <= 0:
            raise ValueError("USER_CENTER_TIMEOUT_SECONDS 必须是正数")
        if self.auth_cache_ttl_seconds < 0:
            raise ValueError("AUTH_CACHE_TTL_SECONDS 必须是非负整数")
        if self.mongodb_checkpoint_ttl < 0:
            raise ValueError("MONGODB_CHECKPOINT_TTL 必须是非负整数")
        if self.conversation_empty_ttl <= 0:
            raise ValueError("CONVERSATION_EMPTY_TTL 必须是正整数")
        if self.conversation_history_turns < 0:
            raise ValueError("CONVERSATION_HISTORY_TURNS 必须是非负整数")
        if self.history_max_tokens < 1:
            raise ValueError("HISTORY_MAX_TOKENS 必须是正整数")
        if self.max_agent_steps < 1:
            raise ValueError("MAX_AGENT_STEPS 必须是正整数")
        if self.max_qa_steps < 1:
            raise ValueError("MAX_QA_STEPS 必须是正整数")
        if self.mcp_tool_timeout <= 0:
            raise ValueError("MCP_TOOL_TIMEOUT 必须是正数")
        if self.data_file_max_mb < 1:
            raise ValueError("DATA_FILE_MAX_MB 必须是正整数")
        if self.data_file_ttl < 1:
            raise ValueError("DATA_FILE_TTL 必须是正整数")
        if self.trash_retention_days < 1:
            raise ValueError("TRASH_RETENTION_DAYS 必须是正整数")
        if self.screen_max_mb < 1:
            raise ValueError("SCREEN_MAX_MB 必须是正整数")
        if self.data_query_timeout <= 0:
            raise ValueError("DATA_QUERY_TIMEOUT 必须是正数")
        if self.data_embed_max_rows < 1:
            raise ValueError("DATA_EMBED_MAX_ROWS 必须是正整数")
        if not 0 <= self.intent_qa_min_probability <= 1:
            raise ValueError("INTENT_QA_MIN_PROBABILITY 必须在 0 到 1 之间")


settings = Settings()