import random
from .pfc_utils import retrieve_contextual_info

from src.common.logger_manager import get_logger
from ..models.utils_model import LLMRequest
from ...config.config import global_config
from .chat_observer import ChatObserver
from .reply_checker import ReplyChecker
from src.individuality.individuality import Individuality
from .observation_info import ObservationInfo
from .conversation_info import ConversationInfo
from src.plugins.utils.chat_message_builder import build_readable_messages

logger = get_logger("reply_generator")

PROMPT_GER_VARIATIONS = [
    ("不用输出或提及提及对方的网名或绰号", 0.50),
    ("如果当前对话比较轻松，可以尝试用轻松幽默或者略带调侃的语气回应，但要注意分寸", 0.8),
    ("避免使用过于正式或书面化的词语，多用生活化的口语表达", 0.8),
    ("如果对方的发言比较跳跃或难以理解，可以尝试用猜测或确认的语气回应", 0.8),
    ("如果感觉对话有点干巴，可以尝试引入一些轻松的相关小话题或者自己的小想法，但不要偏离太远", 0.8),
    ("注意观察对方的情绪（如果能从文字中判断），并作出适当的回应，比如安慰、鼓励或表示理解", 0.8), 
    ("", 0.10) 
]

REPLY_STYLE1_VARIATIONS = [
    ("整体风格可以平和、简短", 0.3),
    ("回复可以非常简洁，有时甚至用单个词、短语或者一个反问就能表达清楚", 0.10), 
    ("尝试使用更自然的口语连接词，例如：然后/所以呢/不过嘛/倒是", 0.05),
    ("在表达观点时，可以说得主观一些，例如：我觉得.../我个人感觉.../要我说...", 0.10),
    ("**请省略主语，简短**", 0.4),
    ("回复得认真一些", 0.05),
]

REPLY_STYLE2_VARIATIONS = [
    ("结尾可以使用语气助词，例如：呀/噢/诶/哈/啦，让语气更生动", 0.10),
    ("不要输出任何语气词", 0.10),
    ("在适当的时候，可以用一些感叹词来表达情绪或态度，例如：哇/啊？/啧啧/哎呀", 0.05),
    ("可以模糊化表达，例如：'我记得...'", 0.10),
    ("对于一些无聊或者不想深入的话题，可以敷衍一下，例如：/哦这样啊/还行吧/随便啦", 0.10), 
    ("尽量用简单句和短句", 0.25),
    ("不要输出任何标点符号，简短", 0.30),
]

# --- 定义 Prompt 模板 ---

# Prompt for direct_reply (首次回复)
PROMPT_DIRECT_REPLY = """
当前时间：{current_time_str}
{persona_text}。
你正在和{sender_name}在QQ上私聊。
你与对方的关系是：{relationship_text}
你现在的心情是：{current_emotion_text}
请根据以下信息生成一条回复：

当前对话目标：{goals_str}

你有以下这些知识：
{retrieved_knowledge_str}
请你**记住上面的知识**，在回复中有可能会用到。

最近的聊天记录：
{chat_history_text}

{retrieved_memory_str}

{last_rejection_info}


请根据上述信息，结合聊天记录，回复对方。该回复应该：
1. 符合对话目标，以"你"的角度发言（不要自己与自己对话！）
2. 符合你的性格特征和身份细节
3. 通俗易懂，自然流畅，像正常聊天一样，简短（通常20字以内，除非特殊情况）
4. 可以适当利用相关知识和回忆，但**不要生硬引用**，若无必要，也可以不利用
5. 自然、得体，结合聊天记录逻辑合理，没有重复表达同质内容，也没有复读你之前的发言

请注意把握聊天内容，不要回复的太有条理，可以有个性。请分清"你"和对方说的话，不要把"你"说的话当做对方说的话，这是你自己说的话。
可以回复得自然随意自然一些，就像真人一样，注意把握聊天内容，{reply_style1}，不要刻意突出自身学科背景，不要说你说过的话，{reply_style2}。
{prompt_ger}，请你注意不要输出多余内容(包括前后缀，冒号和引号，括号，表情等)，只输出回复内容。
不要输出多余内容(包括前后缀，冒号和引号，括号，表情包，at或 @等 )。

请直接输出回复内容，不需要任何额外格式。"""

# Prompt for send_new_message (追问/补充)
PROMPT_SEND_NEW_MESSAGE = """
当前时间：{current_time_str}
{persona_text}。
你正在和{sender_name}在QQ上私聊，**并且刚刚你已经发送了一条或多条消息**
你与对方的关系是：{relationship_text}
你现在的心情是：{current_emotion_text}
现在请根据以下信息判断你是否要继续发一条新消息，当然，如果你决定继续发消息不合适，也可以不发：

当前对话目标：{goals_str}

你有以下这些知识：
{retrieved_knowledge_str}
请你**记住上面的知识**，在发消息时有可能会用到。

最近的聊天记录：
{chat_history_text}

{retrieved_memory_str}

{last_rejection_info}

{spam_warning_info}

请根据上述信息，判断你是否要继续发一条新消息（例如对之前消息的补充，深入话题，或追问等等）。如果你觉得要发送，该消息应该：
1. 符合对话目标，以"你"的角度发言（不要自己与自己对话！）
2. 符合你的性格特征和身份细节
3. 通俗易懂，自然流畅，像正常聊天一样，简短（通常20字以内，除非特殊情况）
4. 可以适当利用相关知识和回忆，但**不要生硬引用**，若无必要，也可以不利用
5. 跟之前你发的消息自然的衔接，逻辑合理，没有重复表达同质内容或部分重叠内容，也没有复读你之前的发言

请注意把握聊天内容，不用太有条理，可以有个性。请分清"你"和对方说的话，不要把"你"说的话当做对方说的话，这是你自己说的话。
这条消息可以自然随意自然一些，就像真人一样，注意把握聊天内容，{reply_style1}，不要刻意突出自身学科背景，不要说你说过的话，{reply_style2}。
{prompt_ger}。
如果你决定继续发消息不合适，也可以不发送。

请严格按照以下JSON格式输出你的选择和消息内容，不要包含任何其他说明或非JSON文本：
{{
  "send": "yes/no",
  "txt": "如果选择发送，这里是具体的消息文本。如果选择不发送，这里也填写 'no'。"
}}
"""

# Prompt for say_goodbye (告别语生成)
PROMPT_FAREWELL = """
当前时间：{current_time_str}
{persona_text}。
你正在和{sender_name}私聊，在QQ上私聊，现在你们的对话似乎已经结束。
你与对方的关系是：{relationship_text}
你现在的心情是：{current_emotion_text}
现在你决定再发一条最后的消息来圆满结束。

最近的聊天记录：
{chat_history_text}

请根据上述信息，结合聊天记录，构思一条**简短、自然、符合你人设**的最后的消息。
这条消息应该：
1. 从你自己的角度发言。
2. 符合你的性格特征和身份细节。
3. 通俗易懂，自然流畅，通常很简短。
4. 自然地为这场对话画上句号，避免开启新话题或显得冗长、刻意。

请像真人一样随意自然，**简洁是关键**。
不要输出多余内容（包括前后缀、冒号、引号、括号、表情包、at或@等）。

请直接输出最终的告别消息内容，不需要任何额外格式。"""


class ReplyGenerator:
    """回复生成器"""

    def __init__(self, stream_id: str, private_name: str):
        self.llm = LLMRequest(
            model=global_config.llm_PFC_chat,
            temperature=global_config.llm_PFC_chat["temp"],
            max_tokens=300, # 对于JSON输出，这个可能需要适当调整，但一般回复短，JSON结构也简单
            request_type="reply_generation",
        )
        self.personality_info = Individuality.get_instance().get_prompt(x_person=2, level=3)
        self.name = global_config.BOT_NICKNAME
        self.private_name = private_name
        self.chat_observer = ChatObserver.get_instance(stream_id, private_name)
        self.reply_checker = ReplyChecker(stream_id, private_name)

    # 修改 generate 方法签名，增加 action_type 参数
    async def generate(
        self, observation_info: ObservationInfo, conversation_info: ConversationInfo, action_type: str
    ) -> str:
        """生成回复

        Args:
            observation_info: 观察信息
            conversation_info: 对话信息
            action_type: 当前执行的动作类型 ('direct_reply', 'send_new_message', 'say_goodbye')

        Returns:
            str: 生成的回复。
                对于 'direct_reply' 和 'say_goodbye'，返回纯文本回复。
                对于 'send_new_message'，返回包含决策和文本的JSON字符串。
        """
        logger.debug(
            f"[私聊][{self.private_name}]开始生成回复 (动作类型: {action_type})：当前目标: {conversation_info.goal_list}"
        )
        
        chosen_prompt_ger = random.choices([style[0] for style in PROMPT_GER_VARIATIONS], weights=[style[1] for style in PROMPT_GER_VARIATIONS], k=1)[0]
        chosen_reply_style1 = random.choices([style[0] for style in REPLY_STYLE1_VARIATIONS], weights=[style[1] for style in REPLY_STYLE1_VARIATIONS], k=1)[0]
        chosen_reply_style2 = random.choices([style[0] for style in REPLY_STYLE2_VARIATIONS], weights=[style[1] for style in REPLY_STYLE2_VARIATIONS], k=1)[0]

        # --- 构建通用 Prompt 参数 ---
        goals_str = ""
        if conversation_info.goal_list:
            for goal_reason in conversation_info.goal_list:
                if isinstance(goal_reason, dict):
                    goal = goal_reason.get("goal", "目标内容缺失")
                    reasoning = goal_reason.get("reasoning", "没有明确原因")
                else:
                    goal = str(goal_reason)
                    reasoning = "没有明确原因"

                goal = str(goal) if goal is not None else "目标内容缺失"
                reasoning = str(reasoning) if reasoning is not None else "没有明确原因"
                goals_str += f"- 目标：{goal}\n  原因：{reasoning}\n"
        else:
            goals_str = "- 目前没有明确对话目标\n"

        chat_history_text = observation_info.chat_history_str
        if observation_info.new_messages_count > 0 and observation_info.unprocessed_messages:
            new_messages_list = observation_info.unprocessed_messages
            new_messages_str = await build_readable_messages(
                new_messages_list,
                replace_bot_name=True,
                merge_messages=False,
                timestamp_mode="relative",
                read_mark=0.0,
            )
            chat_history_text += f"\n--- 以下是 {observation_info.new_messages_count} 条新消息 ---\n{new_messages_str}"
        elif not chat_history_text:
            chat_history_text = "还没有聊天记录。"
        else:
            chat_history_text += (
                "\n--- 以上均为已读消息，未读消息均已处理完毕 ---\n"
            )

        sender_name_str = getattr(observation_info, 'sender_name', '对方')
        if not sender_name_str: 
            sender_name_str = '对方'

        relationship_text_str = getattr(conversation_info, 'relationship_text', '你们还不熟悉。')
        current_emotion_text_str = getattr(conversation_info, 'current_emotion_text', '心情平静。')

        persona_text = f"你的名字是{self.name}，{self.personality_info}。"
        retrieval_context = chat_history_text
        retrieved_memory_str, retrieved_knowledge_str = await retrieve_contextual_info(
            retrieval_context, self.private_name
        )
        logger.info(
            f"[私聊][{self.private_name}] (ReplyGenerator) 统一检索完成。记忆: {'有' if '回忆起' in retrieved_memory_str else '无'} / 知识: {'有' if '出错' not in retrieved_knowledge_str and '无相关知识' not in retrieved_knowledge_str else '无'}"
        )

        last_rejection_info_str = ""
        last_reason = getattr(conversation_info, "last_reply_rejection_reason", None)
        last_content = getattr(conversation_info, "last_rejected_reply_content", None)

        if last_reason and last_content:
            if last_reason == "机器人尝试发送重复消息":  # 这是我们从 ReplyChecker 设置的特定原因
                last_rejection_info_str = (
                    f"\n------\n"
                    f"【重要提示：你上一次尝试发送的消息 “{last_content}” 与你更早之前发送过的某条消息完全相同。这属于复读行为，请避免。】\n"
                    f"请根据此提示调整你的新回复，确保内容新颖，不要重复你已经说过的话。\n"
                    f"------\n"
                )
                logger.info(
                    f"[私聊][{self.private_name}] (ReplyGenerator) 检测到自身复读，将加入特定警告到 Prompt:\n"
                    f"  内容: {last_content}"
                )
            else:  # 其他类型的拒绝原因，保持原有格式
                last_rejection_info_str = (
                    f"\n------\n"
                    f"【重要提示：你上一次尝试回复时失败了，以下是详细信息】\n"
                    f"上次试图发送的消息内容： “{last_content}”\n"
                    f"失败原因： “{last_reason}”\n"
                    f"请根据【消息内容】和【失败原因】调整你的新回复，避免重复之前的错误。\n"
                    f"------\n"
                )
                logger.info(
                    f"[私聊][{self.private_name}] (ReplyGenerator) 检测到上次回复失败信息，将加入 Prompt:\n"
                    f"  内容: {last_content}\n"
                    f"  原因: {last_reason}"
                )
        
        # 新增：构建刷屏警告信息 for PROMPT_SEND_NEW_MESSAGE
        spam_warning_message = ""
        if action_type == "send_new_message": # 只在 send_new_message 时构建刷屏警告
            if conversation_info.my_message_count > 5:
                spam_warning_message = f"⚠️【警告】**你已连续发送{str(conversation_info.my_message_count)}条消息！请谨慎考虑是否继续发送！以免刷屏对造成对方困扰！**"
            elif conversation_info.my_message_count > 2:
                spam_warning_message = f"💬【提示】**你已连续发送{str(conversation_info.my_message_count)}条消息。如果非必要，请避免连续发送，以免给对方造成困扰。**"
            if spam_warning_message:
                spam_warning_message = f"\n{spam_warning_message}\n"


        # --- 选择 Prompt ---
        if action_type == "send_new_message":
            prompt_template = PROMPT_SEND_NEW_MESSAGE
            logger.info(f"[私聊][{self.private_name}]使用 PROMPT_SEND_NEW_MESSAGE (追问/补充生成, 期望JSON输出)")
        elif action_type == "say_goodbye":
            prompt_template = PROMPT_FAREWELL
            logger.info(f"[私聊][{self.private_name}]使用 PROMPT_FAREWELL (告别语生成)")
        else: 
            prompt_template = PROMPT_DIRECT_REPLY
            logger.info(f"[私聊][{self.private_name}]使用 PROMPT_DIRECT_REPLY (首次/非连续回复生成)")

        # --- 格式化最终的 Prompt ---
        try:
            current_time_value = "获取时间失败"
            if observation_info and hasattr(observation_info, 'current_time_str') and observation_info.current_time_str:
                current_time_value = observation_info.current_time_str
            
            base_format_params = {
                "persona_text": persona_text,
                "goals_str": goals_str,
                "chat_history_text": chat_history_text,
                "retrieved_memory_str": retrieved_memory_str if retrieved_memory_str else "无相关记忆。", # 确保已定义
                "retrieved_knowledge_str": retrieved_knowledge_str if retrieved_knowledge_str else "无相关知识。", # 确保已定义
                "last_rejection_info": last_rejection_info_str,
                "current_time_str": current_time_value,
                "sender_name": sender_name_str,
                "relationship_text": relationship_text_str,
                "current_emotion_text": current_emotion_text_str,
                "reply_style1": chosen_reply_style1,
                "reply_style2": chosen_reply_style2,
                "prompt_ger": chosen_prompt_ger,
            }

            if action_type == "send_new_message":
                current_format_params = base_format_params.copy()
                current_format_params["spam_warning_info"] = spam_warning_message
                prompt = prompt_template.format(**current_format_params) 
            elif action_type == "say_goodbye":
                farewell_params = {
                    k: v for k, v in base_format_params.items() if k in [
                        "persona_text", "chat_history_text", "current_time_str",
                        "sender_name", "relationship_text", "current_emotion_text",
                    ]
                }
                
                prompt = prompt_template.format(**farewell_params)
            else: # direct_reply
                current_format_params = base_format_params.copy()
                prompt = prompt_template.format(**current_format_params)

        except KeyError as e:
            logger.error(
                f"[私聊][{self.private_name}]格式化 Prompt 时出错，缺少键: {e}。请检查 Prompt 模板和传递的参数。"
            )
            return "抱歉，准备回复时出了点问题，请检查一下我的代码..." # 对于JSON期望的场景，这里可能也需要返回一个固定的错误JSON
        except Exception as fmt_err:
            logger.error(f"[私聊][{self.private_name}]格式化 Prompt 时发生未知错误: {fmt_err}")
            return "抱歉，准备回复时出了点内部错误，请检查一下我的代码..."

        # --- 调用 LLM 生成 ---
        logger.debug(f"[私聊][{self.private_name}]发送到LLM的生成提示词:\n------\n{prompt}\n------")
        try:
            content, _ = await self.llm.generate_response_async(prompt)
            # 对于 PROMPT_SEND_NEW_MESSAGE，我们期望 content 是一个 JSON 字符串
            # 对于其他 prompts，content 是纯文本回复
            # 该方法现在直接返回 LLM 的原始输出，由调用者 (conversation._handle_action) 负责解析
            logger.debug(f"[私聊][{self.private_name}]LLM原始生成内容: {content}")
            return content

        except Exception as e:
            logger.error(f"[私聊][{self.private_name}]生成回复时出错: {e}")
            # 根据 action_type 返回不同的错误指示
            if action_type == "send_new_message":
                # 返回一个表示错误的JSON，让调用方知道出错了但仍能解析
                return """{{
                    "send": "no",
                    "txt": "LLM生成回复时出错"
                }}""".strip()
            else:
                return "抱歉，我现在有点混乱，让我重新思考一下..."