"""
llm_client.py - LLM Planner 客户端适配层

该模块负责封装 LLM 调用，为 Planner 提供统一的 LLM 接口。

职责边界：
    - 接收 prompt，调用 LLM，返回 Plan JSON dict
    - 不执行 capability
    - 不依赖 ROS2
    - 不做 Prompt 构造（由 prompt_manager 负责）

架构说明：
    本模块是纯 Python 接口层，不直接连接 OmniNode ROS2 节点。
    真实的 OmniNode 通信应由 planner_node.py 完成：
    - planner_node.py: 负责与 OmniNode ROS2 节点通信，获取 world_snapshot
    - prompt_manager.py: 负责构造 prompt
    - llm_client.py: 仅负责 LLM 结果处理和抽象接口层（占位）

设计原则：
    - 可替换接口：当前为占位实现，未来可替换为 Omni HTTP/SDK
    - 异常安全：LLM 失败时返回安全的 fallback plan
    - JSON 输出：输出必须是能被 Plan.from_dict() 解析的 dict

使用方式：
    from llm_client import LLMPlannerClient

    client = LLMPlannerClient()
    plan_json = client.generate_plan_json(
        user_intent="降温",
        world_snapshot={"temperature": 32},
        available_tools=["adjust_fan", "speak"],
        domain_rules={"high_risk_actions": ["turn_off"]},
    )
"""

from __future__ import annotations

import json
import re
import time
import uuid
from typing import Any

try:
    import yaml
    YAML_AVAILABLE = True
except ImportError:
    YAML_AVAILABLE = False


# =============================================================================
# 异常定义
# =============================================================================

class LLMClientError(Exception):
    """LLM 客户端基础异常"""
    pass


class LLMConnectionError(LLMClientError):
    """LLM 连接异常"""
    pass


class LLMResponseParseError(LLMClientError):
    """LLM 响应解析异常"""
    pass


class LLMTimeoutError(LLMClientError):
    """LLM 调用超时异常"""
    pass


# =============================================================================
# LLM Planner 客户端
# =============================================================================

class LLMPlannerClient:
    """LLM Planner 客户端
    
    封装 LLM 调用，为 Planner 提供统一的 LLM 接口。
    当前为占位实现，未来可替换为 Omni HTTP/SDK。
    
    属性：
        api_endpoint: LLM API 端点
        model_name: 模型名称
        timeout: 超时时间（秒）
        max_retries: 最大重试次数
    
    示例：
        >>> client = LLMPlannerClient()
        >>> plan_json = client.generate_plan_json(
        ...     user_intent="降温",
        ...     world_snapshot={"temperature": 32},
        ...     available_tools=["adjust_fan"],
        ... )
    """
    
    # LLM 端点配置（占位，未来由配置注入）
    DEFAULT_API_ENDPOINT = "http://localhost:8000/omni/generate"
    
    def __init__(
        self,
        api_endpoint: str | None = None,
        model_name: str = "omni-planner-v1",
        timeout: float = 30.0,
        max_retries: int = 3,
    ):
        """初始化 LLM Planner 客户端
        
        Args:
            api_endpoint: API 端点，None 则使用默认端点
            model_name: 模型名称
            timeout: 超时时间（秒）
            max_retries: 最大重试次数
        """
        self.api_endpoint = api_endpoint or self.DEFAULT_API_ENDPOINT
        self.model_name = model_name
        self.timeout = timeout
        self.max_retries = max_retries
    
    def generate_plan_json(
        self,
        user_intent: str,
        world_snapshot: dict[str, Any],
        available_tools: list[str],
        domain_rules: dict[str, Any] | None = None,
        planner_config: dict[str, Any] | None = None,
    ) -> dict[str, Any]:
        """生成 Plan JSON
        
        主要入口方法。根据用户意图和世界状态生成标准 Plan JSON。
        
        Args:
            user_intent: 用户意图描述
            world_snapshot: 世界状态快照
            available_tools: 可用能力列表
            domain_rules: 领域规则，None 则使用默认值
            planner_config: Planner 配置，None 则忽略
        
        Returns:
            Plan JSON dict，可被 Plan.from_dict() 解析
        
        Raises:
            LLMClientError: LLM 调用或解析失败
        """
        domain_rules = domain_rules or {}
        planner_config = planner_config or {}
        
        try:
            # 调用模型
            response_text = self._call_model(user_intent, world_snapshot, available_tools, domain_rules)
            
            # 提取 JSON
            plan_json = self._extract_json_from_response(response_text)
            
            # 基本校验
            self._validate_plan_json(plan_json)
            
            return plan_json
            
        except (LLMConnectionError, LLMResponseParseError, LLMTimeoutError):
            # LLM 相关异常，返回 fallback
            return self._build_safe_fallback_plan_json(
                user_intent=user_intent,
                reason="llm_error",
            )
        except Exception as e:
            # 其他异常，记录并返回 fallback
            return self._build_safe_fallback_plan_json(
                user_intent=user_intent,
                reason=f"unexpected_error: {e}",
            )
    
    def _call_model(
        self,
        user_intent: str,
        world_snapshot: dict[str, Any],
        available_tools: list[str],
        domain_rules: dict[str, Any],
    ) -> str:
        """调用 LLM 模型
        
        统一接口封装。当前为占位实现，未来替换为真实 Omni 调用。
        
        Args:
            user_intent: 用户意图
            world_snapshot: 世界状态
            available_tools: 可用能力
            domain_rules: 领域规则
        
        Returns:
            模型返回的文本
        """
        # 占位实现：使用 mock 响应
        # 未来替换为：
        # - Omni HTTP 调用
        # - Omni SDK 调用
        # - 其他 LLM API 调用
        
        # 导入 prompt_manager 以获取 prompt
        try:
            from prompt_manager import PlannerPromptManager
            prompt_manager = PlannerPromptManager()
            prompt = prompt_manager.build_plan_prompt(
                user_intent=user_intent,
                world_snapshot=world_snapshot,
                available_tools=available_tools,
                domain_rules=domain_rules,
            )
        except ImportError:
            # 如果 prompt_manager 不可用，生成简单 prompt
            prompt = self._generate_simple_prompt(
                user_intent, world_snapshot, available_tools, domain_rules
            )
        
        # 调用实际模型（占位）
        return self._mock_llm_call(prompt)
    
    def _mock_llm_call(self, prompt: str) -> str:
        """Mock LLM 调用
        
        占位实现，用于测试和开发。
        未来替换为真实 LLM 调用。

        设计原则：
        - 不包含具体业务逻辑（农业/降温/喂食等）
        - 只根据测试标记返回不同类型的响应
        - 保持接口占位符的角色

        Args:
            prompt: 输入 prompt
        
        Returns:
            Mock 响应文本（JSON 格式）
        """
        # 通过测试标记区分返回类型
        if "__TEST_INVALID_JSON__" in prompt:
            return self._generate_invalid_json_response()
        elif "__TEST_ASK_USER__" in prompt:
            return self._generate_ask_user_response()
        else:
            return self._generate_valid_generic_response()

    def _generate_valid_generic_response(self) -> str:
        """生成通用合法 Plan JSON 响应"""
        plan = {
            "plan_id": f"plan_{uuid.uuid4().hex[:8]}",
            "goal": "处理用户请求",
            "reasoning": "根据用户意图生成执行计划",
            "risk_level": "low",
            "requires_confirmation": False,
            "confirmation_message": None,
            "steps": [
                {
                    "step_id": 1,
                    "action": "query",
                    "tool_call_type": "query_world",
                    "parameters": {},
                    "preconditions": {},
                    "fallback": None,
                    "status": "pending",
                    "description": "查询当前状态",
                    "requires_confirmation": False,
                    "confirmation_message": None,
                    "metadata": {},
                }
            ],
            "status": "created",
            "source": "llm",
            "metadata": {},
        }
        return json.dumps(plan, ensure_ascii=False)

    def _generate_ask_user_response(self) -> str:
        """生成需要询问用户的 Plan JSON 响应"""
        plan = {
            "plan_id": f"plan_{uuid.uuid4().hex[:8]}",
            "goal": "需要用户确认",
            "reasoning": "该请求需要用户进一步确认",
            "risk_level": "medium",
            "requires_confirmation": False,
            "confirmation_message": "请确认您的意图",
            "steps": [
                {
                    "step_id": 1,
                    "action": "ask_user",
                    "tool_call_type": "ask_user",
                    "parameters": {"question": "请确认您的具体需求"},
                    "preconditions": {},
                    "fallback": None,
                    "status": "pending",
                    "description": "询问用户确认",
                    "requires_confirmation": False,
                    "confirmation_message": None,
                    "metadata": {},
                }
            ],
            "status": "created",
            "source": "llm",
            "metadata": {},
        }
        return json.dumps(plan, ensure_ascii=False)

    def _generate_invalid_json_response(self) -> str:
        """生成无效的 JSON 响应（用于测试 fallback）"""
        return '{"plan_id": "broken", "goal": "incomplete json"'
    
    def _generate_simple_prompt(
        self,
        user_intent: str,
        world_snapshot: dict[str, Any],
        available_tools: list[str],
        domain_rules: dict[str, Any],
    ) -> str:
        """生成简单的 prompt（当 prompt_manager 不可用时）"""
        return f"""用户意图: {user_intent}
世界状态: {json.dumps(world_snapshot, ensure_ascii=False)}
可用能力: {', '.join(available_tools)}
领域规则: {json.dumps(domain_rules, ensure_ascii=False)}

请生成标准 Plan JSON。"""
    
    def _extract_json_from_response(self, response_text: str) -> dict[str, Any]:
        """从模型响应中提取 JSON
        
        支持以下格式：
        - 纯 JSON
        - JSON 前后有解释文字
        - JSON 在 markdown 代码块中
        
        Args:
            response_text: 模型响应文本
        
        Returns:
            提取的 JSON dict
        
        Raises:
            LLMResponseParseError: 解析失败
        """
        response_text = response_text.strip()
        
        # 尝试直接解析
        try:
            return json.loads(response_text)
        except json.JSONDecodeError:
            pass
        
        # 尝试从 markdown 代码块中提取
        json_pattern = r'```(?:json)?\s*([\s\S]*?)\s*```'
        matches = re.findall(json_pattern, response_text)
        for match in matches:
            try:
                return json.loads(match.strip())
            except json.JSONDecodeError:
                continue
        
        # 尝试提取任何 {...} 块
        brace_pattern = r'\{[\s\S]*\}'
        matches = re.findall(brace_pattern, response_text)
        if matches:
            # 尝试从后向前找第一个有效 JSON
            for i in range(len(matches) - 1, -1, -1):
                try:
                    return json.loads(matches[i])
                except json.JSONDecodeError:
                    continue
        
        raise LLMResponseParseError(
            f"无法从响应中提取 JSON:\n{response_text[:500]}..."
        )
    
    def _validate_plan_json(self, plan_json: dict[str, Any]) -> None:
        """校验 Plan JSON 基本结构
        
        Args:
            plan_json: Plan JSON dict
        
        Raises:
            LLMResponseParseError: 校验失败
        """
        required_fields = ["goal", "steps"]
        for field in required_fields:
            if field not in plan_json:
                raise LLMResponseParseError(f"缺少必需字段: {field}")
        
        if not isinstance(plan_json["steps"], list):
            raise LLMResponseParseError("steps 必须是列表")
        
        # 校验每个步骤
        for i, step in enumerate(plan_json["steps"]):
            if "action" not in step:
                raise LLMResponseParseError(f"步骤 {i} 缺少 action 字段")
    
    def _build_safe_fallback_plan_json(
        self,
        user_intent: str,
        reason: str = "",
    ) -> dict[str, Any]:
        """构建安全的 fallback Plan JSON
        
        当 LLM 调用失败时，返回一个安全的 fallback plan。
        优先使用 ASK_USER 或 SPEAK，不直接执行风险动作。
        
        Args:
            user_intent: 用户原始意图
            reason: 回退原因
        
        Returns:
            安全的 Plan JSON
        """
        return {
            "plan_id": f"plan_fallback_{uuid.uuid4().hex[:8]}",
            "goal": f"无法处理的请求: {user_intent}",
            "reasoning": f"LLM 处理失败或响应无效 ({reason})，返回安全 fallback",
            "risk_level": "low",
            "requires_confirmation": False,
            "confirmation_message": None,
            "steps": [
                {
                    "step_id": 1,
                    "action": "ask_user",
                    "tool_call_type": "ask_user",
                    "parameters": {
                        "question": f"抱歉，我无法理解或处理您的请求: {user_intent}。请重新描述。"
                    },
                    "preconditions": {},
                    "fallback": None,
                    "status": "pending",
                    "description": "询问用户澄清意图",
                    "requires_confirmation": False,
                    "confirmation_message": None,
                    "metadata": {"fallback_reason": reason},
                }
            ],
            "status": "created",
            "source": "llm_fallback",
            "metadata": {"fallback": True, "reason": reason},
        }


# =============================================================================
# 同步调用接口（供 Planner 使用）
# =============================================================================

def call_llm_for_plan(
    user_intent: str,
    world_snapshot: dict[str, Any],
    available_tools: list[str],
    domain_rules: dict[str, Any] | None = None,
    planner_config: dict[str, Any] | None = None,
    **kwargs,
) -> dict[str, Any]:
    """便捷函数：调用 LLM 生成 Plan JSON
    
    创建一个临时客户端并调用 generate_plan_json。
    
    Args:
        user_intent: 用户意图
        world_snapshot: 世界状态
        available_tools: 可用能力
        domain_rules: 领域规则
        planner_config: Planner 配置
        **kwargs: 传递给 LLMPlannerClient 的其他参数
    
    Returns:
        Plan JSON dict
    """
    client = LLMPlannerClient(**kwargs)
    return client.generate_plan_json(
        user_intent=user_intent,
        world_snapshot=world_snapshot,
        available_tools=available_tools,
        domain_rules=domain_rules,
        planner_config=planner_config,
    )


# =============================================================================
# 主程序入口（测试示例）
# =============================================================================

if __name__ == "__main__":
    print("=" * 70)
    print("LLM Planner Client 测试")
    print("=" * 70)

    client = LLMPlannerClient()

    # 场景 1：通用请求（默认返回合法 Plan）
    print("\n[场景 1] 通用请求")
    print("-" * 40)
    plan_json = client.generate_plan_json(
        user_intent="打开风扇降温",
        world_snapshot={"temperature": 32, "humidity": 70},
        available_tools=["adjust_fan", "speak", "query"],
        domain_rules={"high_risk_actions": ["turn_off"]},
    )
    print(f"Goal: {plan_json.get('goal')}")
    print(f"Steps: {len(plan_json.get('steps', []))}")
    print(f"Action: {plan_json['steps'][0]['action'] if plan_json.get('steps') else 'N/A'}")

    # 场景 2：测试 ASK_USER 响应
    print("\n[场景 2] 测试 ASK_USER 响应")
    print("-" * 40)
    plan_json = client.generate_plan_json(
        user_intent="确认操作 __TEST_ASK_USER__",
        world_snapshot={"temperature": 28},
        available_tools=["feed", "speak", "query"],
    )
    print(f"Goal: {plan_json.get('goal')}")
    print(f"Tool Type: {plan_json['steps'][0]['tool_call_type'] if plan_json.get('steps') else 'N/A'}")

    # 场景 3：测试 Invalid JSON fallback
    print("\n[场景 3] 测试 Invalid JSON fallback")
    print("-" * 40)
    plan_json = client.generate_plan_json(
        user_intent="测试 __TEST_INVALID_JSON__",
        world_snapshot={"temperature": 30},
        available_tools=["adjust_fan", "speak"],
    )
    print(f"Goal: {plan_json.get('goal')}")
    print(f"Source: {plan_json.get('source')}")
    print(f"Action: {plan_json['steps'][0]['action'] if plan_json.get('steps') else 'N/A'}")

    # 场景 4：测试 JSON 提取
    print("\n[场景 4] JSON 提取测试")
    print("-" * 40)
    test_response = '根据您的请求，我生成以下计划：{"plan_id": "plan_test123", "goal": "测试计划", "reasoning": "这是一个测试", "risk_level": "low", "requires_confirmation": false, "confirmation_message": null, "steps": [{"step_id": 1, "action": "query", "tool_call_type": "query_world", "parameters": {}, "preconditions": {}, "fallback": null, "status": "pending", "description": "查询状态", "requires_confirmation": false, "confirmation_message": null, "metadata": {}}], "status": "created", "source": "llm", "metadata": {}}这是标准格式的 Plan。'
    try:
        extracted = client._extract_json_from_response(test_response)
        print(f"成功提取 JSON: plan_id={extracted.get('plan_id')}")
    except LLMResponseParseError as e:
        print(f"提取失败: {e}")

    # 场景 5：测试 markdown 代码块提取
    print("\n[场景 5] Markdown 代码块提取测试")
    print("-" * 40)
    test_response_markdown = '''这是响应：
```json
{
  "plan_id": "plan_markdown",
  "goal": "测试 markdown",
  "reasoning": "测试",
  "risk_level": "low",
  "requires_confirmation": false,
  "confirmation_message": null,
  "steps": [
    {
      "step_id": 1,
      "action": "query",
      "tool_call_type": "query_world",
      "parameters": {},
      "preconditions": {},
      "fallback": null,
      "status": "pending",
      "description": "查询",
      "requires_confirmation": false,
      "confirmation_message": null,
      "metadata": {}
    }
  ],
  "status": "created",
  "source": "llm",
  "metadata": {}
}
```'''
    try:
        extracted = client._extract_json_from_response(test_response_markdown)
        print(f"成功提取 JSON: plan_id={extracted.get('plan_id')}")
    except LLMResponseParseError as e:
        print(f"提取失败: {e}")

    print("\n" + "=" * 70)
    print("LLM Planner Client 测试完成")
    print("=" * 70)