import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.utils.checkpoint as checkpoint

from lmr.models.lm_base import LMBase
from .components import ICLBlock, PhiBlock

class FST(LMBase):

    def __init__(self, config, train_mode=False):
        super().__init__()
        
        self.config = config
        self.train_mode = train_mode
        
        self.embedding_f = nn.Embedding(config.vocab_size, config.embed_dim_f)
        
        if not self.config.use_shared_embedding:
            self.embedding_phi = nn.Embedding(config.vocab_size, config.embed_dim_phi) # Allow for a separate lookup table
            
        # 🎯 移除点 1: 移除 phi_s 的定义
        # self.phi_s = nn.Parameter(torch.randn(1, 1, config.embed_dim_phi)) 
        
        self.phi_blocks = nn.ModuleList([PhiBlock(config) for _ in range(config.n_layers // 2)])
        self.icl_blocks = nn.ModuleList([ICLBlock(config) for _ in range(config.n_layers // 2)])
        
        self.ln_out = nn.LayerNorm(config.embed_dim_f)
        self.lm_head = nn.Linear(config.embed_dim_f, config.vocab_size, bias=False)
        
        self.apply(self.init_weights)
        self.lm_head.weight = self.embedding_f.weight
        print('Fst_Bert')
    def forward(self, input_ids):
        
        batch_size, seq_len = input_ids.shape
        device = input_ids.device
        
        context_embeddings = self.embedding_f(input_ids)
        
        # 1. 初始化 phi (上下文编码器输入)
        if self.config.use_shared_embedding:
            phi = context_embeddings
            if self.config.embed_dim_f != self.config.embed_dim_phi:
                # 注意：如果嵌入维度不同，这里会切片，这会丢失信息
                phi = phi[:, :, :self.config.embed_dim_phi]
        else:
            phi = self.embedding_phi(input_ids)
            
        # 🎯 移除点 2: 移除 context_embeddings 结尾的零向量（如果 f 不再需要 N+1 维度）
        # context_embeddings = torch.cat([context_embeddings, torch.zeros(batch_size, 1, self.config.embed_dim_f, device=device)], dim=1)
        
        # 🎯 移除点 3: 移除 phi_s 的拼接
        # phi_s = self.phi_s.expand(batch_size, -1, -1)
        # phi = torch.cat([phi_s, phi], dim=1) # 移除 start token 拼接
        
        # 2. 初始化 f (状态向量)
        # 如果 phi 的长度现在是 N (seq_len)，并且 f 用于预测 N 个输出 (logits)，
        # 那么 f 的长度也应为 N。
        # 假设 ICLBlock(phi, context_embeddings, f) 的输出 f 长度与 phi 相同
        f = torch.zeros(batch_size, seq_len, self.config.embed_dim_f, device=device) # 维度修正为 seq_len (N)
        
        # 3. 运行 Block
        for phi_block, icl_block in zip(self.phi_blocks, self.icl_blocks):
            phi = phi_block(phi)
            
            # 注意: 这里 context_embeddings 的长度是 N，f 的长度是 N。
            # ICLBlock 必须能处理新的维度。
            # 原始代码中的 context_embeddings 长度是 N+1，f 长度是 N+1。
            # 这里我们假设新的 context_embeddings 和 f 长度都是 N。
            _, _, f = icl_block(phi, context_embeddings, f) 
        
        # 🎯 移除点 4: 移除 f 的切片（因为 f 现在长度是 N，且每个状态对应一个 token 的预测）
        f_NP1 = f # f 的所有元素都用于计算 logits
        # f_NP1 = f[:, 1:, :] # 原始切片逻辑 (跳过 f[0]) 被移除

        # 4. 输出
        f_NP1 = self.ln_out(f_NP1)
        logits = self.lm_head(f_NP1)
        
        return logits