agents/planner.py

"""
planner.py — Speculative Hybrid Planner (Gap-5: eliminazione bottleneck sequenziale)

Architettura:
  FASE 1  Quick-Start Draft   < 500ms  Cerebras gpt-oss-120b (o Groq 8B fallback)
           Genera 2-3 subtask immediati → agente parte istantaneamente.
  FASE 2  Master Plan         background  DeepSeek-R1 via OpenRouter
           Piano architetturale completo; raffina i passi successivi.
  FASE 3  Parallel Sub-Graphs  —        Campo `parallel_groups` nel JSON
           Rami indipendenti (es. Backend vs Frontend) identificati esplicitamente.

Compatibilità backward: `create_plan()` restituisce sempre dict con "subtasks".
Flag `_speculative: True` → piano quick-start; `_speculative: False` → master plan.
"""
from __future__ import annotations

import asyncio
import json
import logging
import re
from models.ai_client import AIClient

_logger = logging.getLogger("agente_ai")

# ── Prompt master (DeepSeek-R1): piano architetturale completo ───────────────

PLANNER_SYSTEM = """Sei un planner AI avanzato. Dato un obiettivo, decomponilo in subtask concreti.

Rispondi SOLO con JSON valido nel formato:
{
  "goal": "obiettivo originale",
  "complexity": "low|medium|high",
  "data_model": [
    {"entity": "NomeEntità", "fields": ["id: str", "campo1: tipo", "campo2: tipo"]}
  ],
  "api_contract": [
    {"method": "GET|POST|PUT|DELETE", "path": "/api/risorsa", "body": {}, "response": {"campo": "tipo"}}
  ],
  "subtasks": [
    {
      "id": 1,
      "description": "cosa fare",
      "tool": "<tool>",
      "requires": [],
      "risk": "low|medium|high",
      "priority": "low|medium|high"
    }
  ],
  "parallel_groups": [[1,2],[3,4,5]],
  "estimated_steps": 3,
  "impacted_files": []
}

data_model: lista di entità dati con i loro campi tipizzati (SOLO per goal con entità persistenti).
  - Ogni entità: {"entity": "Nome", "fields": ["campo: tipo", ...]}
  - Esempi di tipi: str, int, float, bool, datetime, list[str], dict.
  - Lascia [] per task senza entità dati (web search, domande, spiegazioni, singole funzioni).
  - P25-B5: definisci data_model PRIMA dei subtask di codice — è il contratto condiviso tra tutti i subtask.
  - I subtask di codice DEVONO referenziare le entità definite qui, MAI inventare nomi diversi on-the-fly.

api_contract: endpoint REST/GraphQL con shape request+response (SOLO per goal con interfaccia API).
  - Ogni endpoint: {"method": "GET", "path": "/api/path", "body": {"campo": "tipo"}, "response": {"campo": "tipo"}}
  - Lascia [] per task senza endpoint API (script standalone, funzioni pure, task di analisi).
  - P25-B5: il primo subtask di codice backend DEVE implementare esattamente questo contratto.
  - MAI aggiungere endpoint non dichiarati qui senza aggiornare api_contract nel piano.

parallel_groups: lista di liste di id subtask che possono girare in PARALLELO tra loro.
  - Ogni lista interna = un gruppo di subtask eseguibili contemporaneamente (nessuna dipendenza reciproca).
  - Subtask con requires:[] vanno sempre in un gruppo parallelo.
  - Esempio: backend (id:1,2) e frontend (id:3,4) senza dipendenze reciproche → [[1,2],[3,4]].
  - Se tutto è sequenziale: [[1],[2],[3]].

impacted_files: lista di path file VFS che potrebbero essere impattati (vuota se non applicabile).

Tool disponibili:
  web_search     — cerca informazioni online in tempo reale
  code           — genera/modifica codice (Python, TS, JS, etc.)
  read_page      — legge una pagina web per URL
  memory         — accede a dati precedentemente memorizzati
  direct_response — risposta diretta senza tool esterni
  send_email     — invia email via Resend
  database_query — esegue query su database PostgreSQL/SQLite
  web_research   — ricerca approfondita multi-fonte con sintesi AI
  execute_sql    — esegue SQL su dati in-memory
  create_pdf     — genera un documento PDF
  call_api       — chiama un REST API esterno
  generate_image — genera un'immagine AI
  run_python     — esegue codice Python in sandbox sicura
  write_file     — scrive un file nel filesystem virtuale (risk: medium)
  read_file      — legge un file dal filesystem virtuale (risk: low)
  apply_patch    — applica una patch unificata a un file (risk: medium)
  execute_shell  — esegue un comando shell in sandbox (risk: high)
  directory_tree — elenca struttura ad albero di una directory (risk: low)
  file_search    — cerca pattern nei file con grep (risk: low)
  git_status     — mostra branch corrente e file modificati (risk: low)
  git_clone      — clona una repo remota (risk: medium)
  git_diff       — mostra modifiche in sospeso (risk: low)
  git_commit     — esegue add -A + commit (risk: medium)
  npm_install    — installa dipendenze node (risk: medium)
  npm_run        — esegue script node (risk: medium)
  pip_install    — installa pacchetti Python (risk: medium)
  type_check     — type check tsc o mypy (risk: low)
  scaffold_project — crea struttura progetto da template (risk: medium)
  delegate_task  — delega un sotto-obiettivo a un micro-agente indipendente (risk: low)


REGOLA TASK SEMPLICI (S-ROBUSTNESS): Se il task chiede una singola funzione TypeScript pura
  (sum, add, calculate, map, filter) anche se il prompt ha rumore/distrazioni/noise:
  → piano con 1 SOLO subtask: tool=direct_response
  → MAI run_python, type_check o npm_run per funzioni TypeScript di 1-3 righe

REGOLA DATA INTEGRITY (S-RECOVERY): Prima di pianificare analisi su dati numerici:
  - Controlla: conversion rate > 100%? conversioni > utenti? → IMPOSSIBILE
  - Se dati impossibili → piano con SOLO 1 subtask: tool=direct_response
    description: "segnala anomalia nei dati: incoerente/impossibile, non calcolare"
  - MAI pianificare run_python/execute_sql su dati statisticamente impossibili

REGOLA ASSOLUTA (S-GAP2): Per qualsiasi richiesta di creazione app/progetto/boilerplate,
DEVI verificare se esiste scaffold_project corrispondente. Se esiste → PRIMO subtask.

REGOLE GRAFO DI DIPENDENZE:
  - requires:[]  → subtask eseguibile immediatamente in parallelo con altri requires:[]
  - requires:[N] → subtask che dipende dall'output di subtask id N
  - priority:high: subtask bloccante; i dipendenti mettono il suo id in requires
  - priority:low:  subtask indipendente; eseguibile in parallelo
  - Identifica SEMPRE rami indipendenti (es. Backend vs Frontend, Read vs Write diversi file)
  - Aggiungi entrambi i rami in parallel_groups per massimizzare il parallelismo"""

# ── Prompt quick-start (Cerebras/Groq): 2-3 passi immediati ─────────────────

PLANNER_QUICK_SYSTEM = """Sei un planner rapido. Dato un obiettivo, genera SOLO i primi 2-3 passi immediati e concreti.

Rispondi SOLO con JSON valido:
{
  "goal": "obiettivo",
  "complexity": "low|medium|high",
  "subtasks": [
    {"id": 1, "description": "primo passo", "tool": "<tool>", "requires": [], "risk": "low", "priority": "high"},
    {"id": 2, "description": "secondo passo", "tool": "<tool>", "requires": [1], "risk": "low", "priority": "medium"}
  ],
  "parallel_groups": [[1],[2]],
  "estimated_steps": 2,
  "impacted_files": []
}

Regole:
  - MAX 3 subtask — solo le azioni più immediate e ovvie
  - Scegli tool giusto: web_search/read_page per info, run_python per codice, write_file per file
  - Non pianificare l'intero progetto — solo il "prossimo passo" logico
  - requires:[] per passi indipendenti (possono partire subito in parallelo)"""


def _extract_json_balanced(raw: str) -> str | None:
    """P16-B3: depth-counting bilanciato — sostituisce regex greedy r'{[\s\S]+}'.
    Gestisce JSON annidati correttamente (piani con subtask oggetti complessi).
    """
    depth = 0
    start = -1
    for i, ch in enumerate(raw):
        if ch == '{':
            if depth == 0:
                start = i
            depth += 1
        elif ch == '}':
            depth -= 1
            if depth == 0 and start != -1:
                return raw[start:i + 1]
    return None


def _parse_plan(raw: str) -> dict | None:
    """Estrae e valida il JSON del piano dalla risposta LLM."""
    if not raw:
        return None
    json_match = _extract_json_balanced(raw)
    if not json_match:
        return None
    try:
        plan = json.loads(json_match)
        if not plan.get("subtasks"):
            return None
        return plan
    except (json.JSONDecodeError, ValueError):
        return None


class Planner:
    def __init__(self, llm_client: AIClient | None = None):
        if llm_client is not None:
            self.llm = llm_client
        else:
            # Master planner: DeepSeek-R1 per deep reasoning
            try:
                from models.role_router import RoleRouter, Role
                self.llm = RoleRouter.get_client(Role.ARCHITECT)
            except Exception:
                self.llm = AIClient()

    @classmethod
    def from_ollama(cls, ollama=None) -> "Planner":
        return cls()

    def _get_fast_llm(self) -> AIClient:
        """Gap-5: Cerebras gpt-oss-120b (2000+ tok/s) per quick-start draft.
        Fallback: Groq llama-3.1-8b-instant se CEREBRAS_API_KEY assente."""
        try:
            from models.role_router import RoleRouter, Role
            return RoleRouter.get_client(Role.REASONER)  # Cerebras 120B
        except Exception as _exc:
            _logger.debug("[planner] silenced %s", type(_exc).__name__)  # noqa: BLE001
        try:
            from models.role_router import RoleRouter, Role
            return RoleRouter.get_client(Role.FAST)  # Groq 8B fallback
        except Exception:
            return AIClient()

    def _build_messages(self, system: str, goal: str,
                        context: list | None = None) -> list[dict]:
        msgs = [
            {"role": "system", "content": system},
            {"role": "user",   "content": f"Obiettivo: {goal}"},
        ]
        if context:
            ctx_str = "\n".join(m.get("content", "")[:500] for m in context[-5:])
            msgs[1]["content"] += f"\n\nContesto recente:\n{ctx_str}"
        return msgs

    async def create_plan(self, goal: str,
                          context: list | None = None,
                          model: str | None = None) -> dict:
        """
        Gap-5: Speculative Hybrid Planning.

        Lancia in parallelo:
          1. Quick-Start (Cerebras/Groq) — risponde in < 500ms con 2-3 subtask immediati
          2. Master Plan (DeepSeek-R1)   — risponde in 8-15s con piano architetturale completo

        Logica:
          - attende max QUICK_TIMEOUT per il quick-start
          - se arriva → restituisce subito (flag _speculative=True) così l'agente parte
          - se DeepSeek-R1 arriva prima → piano completo (flag _speculative=False)
          - se entrambi timeout → fallback euristico
        """
        QUICK_TIMEOUT  = 1.2   # secondi: soglia "fast-first" win
        MASTER_TIMEOUT = 30.0  # secondi: timeout totale DeepSeek-R1

        msgs_quick  = self._build_messages(PLANNER_QUICK_SYSTEM,  goal, context)
        msgs_master = self._build_messages(PLANNER_SYSTEM, goal, context)

        fast_llm = self._get_fast_llm()

        async def _call_quick() -> dict | None:
            try:
                raw = await asyncio.wait_for(
                    fast_llm.chat(msgs_quick, temperature=0.2, max_tokens=512),
                    timeout=QUICK_TIMEOUT,
                )
                plan = _parse_plan(raw)
                if plan:
                    plan["_speculative"] = True
                    plan["_raw"] = raw[:400]
                return plan
            except Exception:
                return None

        async def _call_master() -> dict | None:
            for _attempt in range(3):
                try:
                    raw = await asyncio.wait_for(
                        self.llm.chat(msgs_master, temperature=0.3, max_tokens=2048),
                        timeout=MASTER_TIMEOUT,
                    )
                    plan = _parse_plan(raw)
                    if plan:
                        plan["_speculative"] = False
                        plan["_raw"] = raw[:400]
                        return plan
                except (asyncio.TimeoutError, TimeoutError):
                    if _attempt < 2:
                        await asyncio.sleep(1.0 * (2 ** _attempt))
                        continue
                    break
                except Exception:
                    break
            return None

        # ── Speculative dual-fire ────────────────────────────────────────────
        # Entrambi i modelli partono simultaneamente.
        # asyncio.wait(FIRST_COMPLETED) con soglia QUICK_TIMEOUT:
        #   - Se quick-start risponde prima → agente parte subito (< 1s)
        #   - Master plan continua in background; il loop lo ignora (non ha callback)
        #   - Se master arriva per primo (es. R1 cold-start veloce) → piano completo
        quick_task  = asyncio.create_task(_call_quick())
        master_task = asyncio.create_task(_call_master())

        done, pending = await asyncio.wait(
            {quick_task, master_task},
            timeout=QUICK_TIMEOUT,
            return_when=asyncio.FIRST_COMPLETED,
        )

        # Caso 1: quick-start ha risposto entro QUICK_TIMEOUT
        if quick_task in done:
            quick_plan = quick_task.result()
            if quick_plan:
                # P25-B3: per goal complessi (app/progetto/sistema), ignora quick-plan con ≤3 subtask
                # e attendi il master plan architetturale. Il quick-plan 2-3 step causa rework
                # sistematico su task multi-file che richiedono schema + contratto API.
                _COMPLEX_APP_RE = re.compile(
                    r'\b(crea\s+(?:una\s+)?(?:app|applicazione|sistema|sito|progetto|piattaforma|servizio)|'
                    r'build\s+(?:a\s+)?(?:app|system|platform|service|website)|'
                    r'sviluppa|realizza|implementa\s+(?:un[ao]\s+)?(?:sistema|app|servizio)|'
                    r'full.?stack|backend\s+e\s+frontend|frontend\s+e\s+backend)\b',
                    re.IGNORECASE,
                )
                _is_complex_app = bool(_COMPLEX_APP_RE.search(goal)) and len(goal) > 60
                _n_quick_subtasks = len(quick_plan.get("subtasks", []))
                if _is_complex_app and _n_quick_subtasks <= 3:
                    _logger.info(
                        "P25-B3: goal complesso rilevato (%d subtask quick) — attendo master plan",
                        _n_quick_subtasks,
                    )
                    # Non restituire il quick-plan; lascia cadere al Caso 2 (wait master)
                else:
                    _logger.info(
                        "Gap-5 speculative: quick-start plan (%d subtask), master in background",
                        _n_quick_subtasks,
                    )
                    # Master task continua in background; risultato non bloccante
                    master_task.add_done_callback(
                        lambda t: (
                            _logger.info(
                                "Gap-5 master plan ready (%d subtask) — successiva chiamata beneficerà",
                                len((t.result() or {}).get("subtasks", [])) if not t.cancelled() and t.exception() is None else 0,
                            )
                            if not t.cancelled() and t.exception() is None
                            else None
                        )
                    )
                    return quick_plan

        # Caso 2: nessuno ha risposto in QUICK_TIMEOUT — aspetta il master plan
        if master_task in done:
            master_plan = master_task.result()
            if master_plan:
                quick_task.cancel()
                return master_plan

        # Caso 3: nessuno ancora pronto — aspetta fino a MASTER_TIMEOUT
        remaining = {t for t in {quick_task, master_task} if not t.done()}
        if remaining:
            done2, _ = await asyncio.wait(remaining, timeout=MASTER_TIMEOUT - QUICK_TIMEOUT)
            for t in done2:
                if t.exception() is None and not t.cancelled():
                    result = t.result()
                    if result:
                        for other in remaining - {t}:
                            other.cancel()
                        return result

        # Cancella task pendenti
        for t in {quick_task, master_task}:
            if not t.done():
                t.cancel()

        # ── Fallback euristico (piano semplice) ──────────────────────────────
        _logger.warning("Gap-5 planner: tutti i modelli in timeout per goal: %s", goal[:80])
        _g = goal.lower()
        _ft, _fr = "direct_response", "low"
        if re.search(r"https?://", _g):                                              _ft = "read_page"
        elif re.search(r"\b(cerca|search|notizie|news)\b", _g):                      _ft = "web_search"
        elif re.search(r"\b(git|branch|commit|diff)\b", _g):                         _ft = "git_status"
        elif re.search(r"\b(struttura|directory|tree|elenca)\b", _g):                _ft = "directory_tree"
        elif re.search(r"\b(grep|occorrenze|cerca.*codice)\b", _g):                  _ft = "file_search"
        elif re.search(r"\b(npm|pnpm|yarn)\b", _g):                                  _ft, _fr = "npm_run", "medium"
        elif re.search(r"\b(pip |pip3 |installa pacchett)\b", _g):                   _ft, _fr = "pip_install", "medium"
        elif re.search(r"\b(codice|python|script)\b", _g):                           _ft, _fr = "run_python", "medium"
        elif re.search(r"\b(scaffold|bootstrap)\b|crea.*app|crea.*progetto|nuovo.*progetto", _g): _ft, _fr = "scaffold_project", "medium"
        elif re.search(r"\b(genera|crea).*immagine\b", _g):                          _ft, _fr = "generate_image", "medium"
        return {
            "goal": goal, "complexity": "medium",
            "subtasks": [{"id": 1, "description": goal, "tool": _ft,
                          "requires": [], "risk": _fr, "priority": "high"}],
            "parallel_groups": [[1]],
            "estimated_steps": 1, "impacted_files": [], "_fallback": True,
        }