"""基于当前大屏和澄清历史回答问题"""

from langchain_core.messages import HumanMessage, SystemMessage
from langchain_core.output_parsers import StrOutputParser

from app.clients.llm import get_llm
from app.processor.base import BaseNode
from app.processor.state import QueryState
from app.prompt.qa import QA_SYSTEM_PROMPT


class QANode(BaseNode):
    name = "qa_node"

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

        # 获取普通对话模型，问答只需文本回答，不绑定结构化输出协议
        llm_client = get_llm()
        # 异步调用模型，结合用户问题、当前大屏和澄清记录生成回答
        llm_res = await llm_client.ainvoke(
            [
                # 系统消息提供稳定的问答规则和回答边界
                SystemMessage(content=QA_SYSTEM_PROMPT),
                # 将输入上下文序列化为 JSON 放入用户消息，只保留显式设置的字段
                HumanMessage(
                    content=state["input_context"].model_dump_json(exclude_unset=True)
                ),
            ]
        )

        # 从模型响应中提取文本，兼容文本内容块，并去除回答首尾的空白
        answer = StrOutputParser().invoke(llm_res).strip()
        # 如果没有有效文本，抛出异常，避免将空回答标记为处理完成
        if not answer:
            raise ValueError("问答模型未返回文本回答")

        # 保存最终回答，供后续输出给用户
        updated_state["answer"] = answer
        # 回答生成完成，问答分支在此结束
        updated_state["status"] = "completed"

        # 返回包含回答和完成状态的更新结果
        return updated_state


if __name__ == "__main__":
    import asyncio
    import json

    from pydantic import BaseModel

    from app.processor.nodes.input_node import InputNode

    async def main():
        # 直接测试问答，仅需 LLM 配置
        state: QueryState = {
            "request": {
                "prompt": "销售额统计的展示可以怎么优化？先给建议，不要修改",
                "screen": {
                    "canvas": {"width": 1920, "height": 1080},
                    "nodes": [
                        {
                            "id": "sales-chart",
                            "type": "bar-chart",
                            "name": "销售额统计",
                            "layout": {"x": 26, "y": 34.8, "width": 400, "height": 260},
                            "props": {"option": {"title": {"text": "销售额统计"}}},
                        }
                    ],
                },
                "context": {"selected_node_ids": ["sales-chart"]},
            }
        }
        state = InputNode().process(state)
        node = QANode()
        final_state = await node.process(state)
        print(
            json.dumps(
                {
                    key: value.model_dump(mode="json")
                    if isinstance(value, BaseModel)
                    else value
                    for key, value in final_state.items()
                },
                ensure_ascii=False,
                indent=2,
            )
        )

    asyncio.run(main())