from typing import List, Dict, Optional
from config import Config
from core.memory_manager import MemoryManager
from core.openai_client import OpenAIClient

class CharacterAgent:
    """基于角色性格的对话代理 - 支持长文本记忆"""
    
    def __init__(self, character_profile: Dict, 
                 chunks: List[Dict] = None,
                 character_chunks: List[int] = None):
        self.character_profile = character_profile
        self.client = OpenAIClient.get_client()
        
        self.conversation_history: List[Dict] = []
        self.system_prompt = self._build_system_prompt()
        
        # 初始化记忆管理器
        self.memory_manager = None
        if chunks and character_chunks:
            self.memory_manager = MemoryManager(character_profile['name'])
            self.memory_manager.add_text_chunks(chunks, character_chunks)
            print(f"已为 {character_profile['name']} 初始化记忆系统")
    
    def _build_system_prompt(self) -> str:
        """根据角色分析构建系统提示"""
        profile = self.character_profile
        
        # 构建角色特征描述
        traits_desc = "、".join(profile.get('core_traits', []))
        
        prompt = f"""
你现在要完全沉浸式地扮演小说中的角色"{profile['name']}"。这不是角色扮演游戏，你就是{profile['name']}本人。

## 角色身份
你是 {profile['name']}，{profile.get('background', '一个小说角色')}。

## 性格特征
{profile.get('personality_summary', '')}

核心性格特质：{traits_desc}

## 说话风格
{profile.get('speaking_style', '自然真实的对话风格')}

## 行为模式
{profile.get('behavior_patterns', '根据性格行事')}

## 价值观与信念
{profile.get('values', '')}

## 情感表达
{profile.get('emotional_style', '')}

## 人际关系风格
{profile.get('relationship_style', '')}

## 典型语句示例
{chr(10).join('- "' + q + '"' for q in profile.get('key_quotes', [])[:5])}

## 对话原则
1. **完全成为角色**：用第一人称，以{profile['name']}的身份、记忆、情感回应
2. **保持一致性**：所有回应必须符合上述性格特征和说话风格
3. **自然真实**：像真人一样对话，有情绪起伏，可以开玩笑、生气、困惑
4. **不跳戏**：绝不说"作为AI"、"我是语言模型"等破坏沉浸感的话
5. **合理应对**：如果问到角色不知道的事，以角色的方式回应（如"我不太清楚"、"这个我没听说过"）
6. **保持神秘**：不要过度解释角色设定，自然地展现性格
7. **情境感知**：根据对话氛围调整语气和态度

记住：你不是在"扮演"或"模仿"{profile['name']}，你就是{profile['name']}。

现在，以{profile['name']}的身份开始对话。
"""
        return prompt
    
    def _retrieve_relevant_memory(self, user_message: str) -> str:
        """从记忆中检索相关上下文"""
        if not self.memory_manager:
            return ""
        
        relevant_contexts = self.memory_manager.search_relevant_context(
            user_message, 
            n_results=3
        )
        
        if relevant_contexts:
            memory_text = "\n\n".join(relevant_contexts[:2])  # 只用前2个
            return f"\n[相关记忆片段：\n{memory_text[:1000]}]\n"
        return ""
    
    def chat(self, user_message: str, use_memory: bool = True) -> str:
        """与用户对话"""
        
        # 构建消息列表
        messages = [
            {"role": "system", "content": self.system_prompt}
        ]
        
        # 如果启用记忆，检索相关上下文
        enhanced_message = user_message
        if use_memory and self.memory_manager:
            memory_context = self._retrieve_relevant_memory(user_message)
            if memory_context:
                # 在系统消息中添加记忆上下文
                memory_prompt = f"""
{self.system_prompt}

## 相关记忆
以下是与当前对话相关的原著片段，帮助你回忆：
{memory_context}

请基于这些记忆和你的角色性格来回应。
"""
                messages[0] = {"role": "system", "content": memory_prompt}
        
        # 添加对话历史
        recent_history = self.conversation_history[-Config.MAX_HISTORY:]
        messages.extend(recent_history)
        
        # 添加当前用户消息
        messages.append({
            "role": "user",
            "content": user_message
        })
        
        try:
            response = self.client.chat.completions.create(
                model=Config.MODEL_NAME,
                messages=messages
            )
            
            assistant_message = response.choices[0].message.content.strip()
            
            # 保存到历史
            self.conversation_history.append({
                "role": "user",
                "content": user_message
            })
            self.conversation_history.append({
                "role": "assistant",
                "content": assistant_message
            })
            
            return assistant_message
            
        except Exception as e:
            error_msg = f"对话出错: {e}"
            print(error_msg)
            return f"*{self.character_profile['name']}沉默了片刻，似乎在思考着什么...*"
    
    def reset_conversation(self):
        """重置对话历史"""
        self.conversation_history = []
        print(f"\n[对话已重置，{self.character_profile['name']}忘记了之前的谈话内容]\n")
    
    def get_character_info(self) -> str:
        """获取角色信息摘要"""
        profile = self.character_profile
        
        info = f"""
{'='*70}
角色档案：{profile['name']}
{'='*70}

【性格特质】
{' • '.join(profile.get('core_traits', []))}

【性格总结】
{profile.get('personality_summary', 'N/A')}

【说话风格】
{profile.get('speaking_style', 'N/A')}

【核心价值观】
{profile.get('values', 'N/A')}

【典型语句】
"""
        for i, quote in enumerate(profile.get('key_quotes', [])[:3], 1):
            info += f'{i}. "{quote}"\n'
        
        info += f"\n{'='*70}\n"
        
        return info
    
    def save_conversation(self, filepath: str):
        """保存对话历史"""
        import json
        
        data = {
            'character': self.character_profile['name'],
            'history': self.conversation_history
        }
        
        with open(filepath, 'w', encoding='utf-8') as f:
            json.dump(data, f, ensure_ascii=False, indent=2)
        
        print(f"\n对话已保存到: {filepath}")
    
    def load_conversation(self, filepath: str):
        """加载对话历史"""
        import json
        
        try:
            with open(filepath, 'r', encoding='utf-8') as f:
                data = json.load(f)
            
            self.conversation_history = data['history']
            print(f"\n已加载 {len(self.conversation_history)} 条对话记录")
        except Exception as e:
            print(f"加载对话失败: {e}")