"""整理澄清问题，等待用户补充"""

import json

from langchain_core.exceptions import OutputParserException
from langchain_core.messages import HumanMessage, SystemMessage
from pydantic import ValidationError

from app.clients.llm import get_llm
from app.processor.base import BaseNode
from app.processor.state import QueryState
from app.prompt.clarify import CLARIFY_SYSTEM_PROMPT
from app.schemas.clarification import Clarification


class ClarifyNode(BaseNode):
    name = "clarify_node"

    async def process(self, state: QueryState) -> QueryState:
        # 浅拷贝状态，保存澄清问题和等待状态时不直接修改传入 state 的顶层字段
        updated_state: QueryState = state.copy()
        # 获取上游确认的意图，区分意图不明确和具体需求缺少信息两种澄清场景
        intent = state["intent"]

        # 整理意图和输入上下文，让模型结合用户原话、大屏及已有澄清记录生成问题
        payload = {
            "intent": intent,
            "input_context": state["input_context"].model_dump(mode="json"),
        }

        # 如果意图已明确，补充需求节点的结果，围绕尚缺的信息提问
        if intent != "unclear":
            # 以需求节点的问题为依据补齐选项，不重新判断意图
            payload["requirement"] = state["requirement"].model_dump(mode="json")

        llm_client = get_llm(Clarification)
        # 系统消息提供稳定的澄清规则，用户消息承载本次需要分析的具体资料
        messages = [
            SystemMessage(content=CLARIFY_SYSTEM_PROMPT),
            HumanMessage(content=json.dumps(payload, ensure_ascii=False)),
        ]

        # 最多调用两次，仅在输出结构或解析失败时重试一次，其他异常继续向上抛出
        for attempt in range(2):
            try:
                # 异步生成澄清问题和候选项，成功后立即退出重试循环
                clarification = await llm_client.ainvoke(messages)
                break
            except (ValidationError, OutputParserException):
                # 如果首次生成格式不合法，追加明确的格式要求，再调用一次模型
                if attempt == 0:
                    # 要求重新生成完整问题，避免截断选项改变原意
                    messages.append(
                        HumanMessage(
                            content=(
                                "上次输出未通过 Clarification 格式校验，请重新生成完整结果："
                                "question 为非空问题，options 为空或含 2–3 项，"
                                "每项包含唯一 id、非空 label 和 description，最多一个 recommended=true"
                            )
                        )
                    )
                    # 进入下一次尝试，使用包含格式纠正要求的消息列表重新生成
                    continue

                # 意图不明确时不读取需求，避免使用尚未生成或不适用的需求结果
                requirement = state.get("requirement") if intent != "unclear" else None
                # 优先使用需求节点已有的澄清问题，没有可用问题时使用通用询问
                question = (
                    requirement.clarification_question if requirement else None
                ) or "你希望我对当前大屏做什么？可以描述想修改的内容，或想了解的问题"
                # 只构建问题，不提供候选项，让用户自由补充，避免继续依赖模型格式修正
                clarification = Clarification(question=question)

        # 保存模型生成或兜底构建的澄清内容，供后续暂停流程展示给用户
        updated_state["clarification"] = clarification
        # 在进入 interrupt 前保存等待状态，暂停中的节点尚不会返回更新
        updated_state["status"] = "waiting_for_input"

        # 返回澄清内容和等待状态，实际暂停由后续调用 interrupt 的节点完成
        return updated_state