from typing import Dict, List
from config import RECOMMENDATIONS_RULES

def generate_recommendations(analysis_results: Dict) -> List[Dict]:
    """
    Generate actionable recommendations based on analysis results
    
    Args:
        analysis_results: Dictionary with analysis results from AI
        
    Returns:
        List of recommendation dictionaries
    """
    recommendations = []
    
    if not analysis_results:
        return recommendations
    
    # Product not found recommendations
    if not analysis_results.get('product_found', False):
        recommendations.append({
            'type': 'critical',
            'priority': 1,
            'title': '🚨 Produkt nie znaleziony',
            'description': 'Produkt nie jest widoczny na półce lub jest niedostępny.',
            'action': 'Uzupełnij asortyment lub sprawdź lokalizację produktu',
            'estimated_impact': '+100% dostępności',
            'time_to_fix': '5-15 minut',
            'difficulty': 'Łatwe'
        })
        return recommendations
    
    # Position recommendations
    shelf_position = analysis_results.get('shelf_position', '').lower()
    if shelf_position in ['bottom', 'dół', 'dolna']:
        recommendations.append({
            'type': 'position',
            'priority': 2,
            'title': '📈 Przenieś na poziom oczu',
            'description': 'Produkt znajduje się na dolnej półce, co znacznie zmniejsza widoczność.',
            'action': 'Przenieś produkty na poziom oczu (120-160cm)',
            'estimated_impact': '+30% sprzedaży',
            'time_to_fix': '2-3 minuty',
            'difficulty': 'Łatwe'
        })
    elif shelf_position in ['top', 'góra', 'górna']:
        recommendations.append({
            'type': 'position',
            'priority': 3,
            'title': '👁️ Popraw widoczność',
            'description': 'Produkt na górnej półce - rozważ przeniesienie lub dodatkowe oznakowanie.',
            'action': 'Przenieś na środkową półkę lub dodaj shelf talker',
            'estimated_impact': '+20% widoczności',
            'time_to_fix': '2-3 minuty',
            'difficulty': 'Łatwe'
        })
    
    # Facing count recommendations
    facing_count = analysis_results.get('facing_count', 0)
    if facing_count == 1:
        recommendations.append({
            'type': 'quantity',
            'priority': 3,
            'title': '➕ Zwiększ liczbę facings',
            'description': 'Tylko jeden facing - zwiększenie do 2-3 poprawia widoczność.',
            'action': 'Dodaj 1-2 dodatkowe facings',
            'estimated_impact': '+15% widoczności',
            'time_to_fix': '1-2 minuty',
            'difficulty': 'Bardzo łatwe'
        })
    elif facing_count == 0:
        recommendations.append({
            'type': 'quantity',
            'priority': 1,
            'title': '🔄 Uzupełnij produkty',
            'description': 'Brak produktów na półce.',
            'action': 'Uzupełnij asortyment z magazynu',
            'estimated_impact': '+100% dostępności',
            'time_to_fix': '5-10 minut',
            'difficulty': 'Łatwe'
        })
    
    # Price visibility recommendations
    if not analysis_results.get('price_visible', False):
        recommendations.append({
            'type': 'pricing',
            'priority': 2,
            'title': '💰 Dodaj widoczną cenę',
            'description': 'Brak widocznej ceny może zniechęcać klientów.',
            'action': 'Dodaj lub popraw czytelność cenówki',
            'estimated_impact': '+10% konwersji',
            'time_to_fix': '1-2 minuty',
            'difficulty': 'Bardzo łatwe'
        })
    
    # Product condition recommendations
    condition = analysis_results.get('product_condition', '').lower()
    if condition in ['dusty', 'zakurzony']:
        recommendations.append({
            'type': 'condition',
            'priority': 4,
            'title': '🧹 Wyczyść produkty',
            'description': 'Produkty wyglądają na zakurzone, co wpływa na postrzeganie jakości.',
            'action': 'Wyczyść produkty i opakowania',
            'estimated_impact': '+5% percepcji jakości',
            'time_to_fix': '2-3 minuty',
            'difficulty': 'Bardzo łatwe'
        })
    elif condition in ['damaged', 'uszkodzony']:
        recommendations.append({
            'type': 'condition',
            'priority': 1,
            'title': '⚠️ Wymień uszkodzone produkty',
            'description': 'Uszkodzone produkty negatywnie wpływają na wizerunek marki.',
            'action': 'Usuń uszkodzone produkty i zastąp nowymi',
            'estimated_impact': '+15% percepcji marki',
            'time_to_fix': '3-5 minut',
            'difficulty': 'Łatwe'
        })
    
    # Competition recommendations
    competitors = analysis_results.get('competitors_nearby', [])
    if len(competitors) > 3:
        recommendations.append({
            'type': 'competition',
            'priority': 3,
            'title': '🎯 Zwiększ wyróżnienie',
            'description': f'Silna konkurencja w pobliżu ({len(competitors)} produktów konkurencyjnych).',
            'action': 'Dodaj materiały POS lub zwiększ liczbę facings',
            'estimated_impact': '+20% uwagi klientów',
            'time_to_fix': '5-10 minut',
            'difficulty': 'Średnie'
        })
    
    # Shelf share recommendations
    shelf_share = analysis_results.get('shelf_share', 0)
    if shelf_share < 10:
        recommendations.append({
            'type': 'share',
            'priority': 2,
            'title': '📊 Zwiększ udział w półce',
            'description': f'Niski udział w półce ({shelf_share}%). Rozważ negocjacje z menedżerem kategorii.',
            'action': 'Zwiększ liczbę facings lub wynegocjuj lepszą przestrzeń',
            'estimated_impact': '+25% widoczności',
            'time_to_fix': '10-30 minut',
            'difficulty': 'Trudne'
        })
    
    # Overall score recommendations
    overall_score = analysis_results.get('overall_score', 5)
    if overall_score < 4:
        recommendations.append({
            'type': 'general',
            'priority': 1,
            'title': '🚀 Kompleksowa poprawa',
            'description': 'Niska ogólna ocena ekspozycji wymaga kompleksowej poprawy.',
            'action': 'Zastosuj wszystkie powyższe rekomendacje w kolejności priorytetów',
            'estimated_impact': '+50% ogólnej efektywności',
            'time_to_fix': '15-30 minut',
            'difficulty': 'Średnie'
        })
    
    # Sort recommendations by priority
    recommendations.sort(key=lambda x: x['priority'])
    
    return recommendations

def calculate_total_impact(recommendations: List[Dict]) -> Dict:
    """
    Calculate estimated total impact of all recommendations
    
    Args:
        recommendations: List of recommendation dictionaries
        
    Returns:
        Dictionary with total impact estimates
    """
    total_time = 0
    impact_categories = {
        'sprzedaż': [],
        'widoczność': [],
        'dostępność': [],
        'jakość': []
    }
    
    for rec in recommendations:
        # Extract time (assuming format like "2-3 minuty")
        time_str = rec.get('time_to_fix', '0')
        try:
            # Extract first number from time string
            time_parts = time_str.split('-')
            if time_parts:
                total_time += int(''.join(filter(str.isdigit, time_parts[0])))
        except:
            total_time += 5  # Default 5 minutes
        
        # Categorize impact
        impact = rec.get('estimated_impact', '')
        if 'sprzedaż' in impact.lower():
            impact_categories['sprzedaż'].append(impact)
        elif 'widoczność' in impact.lower():
            impact_categories['widoczność'].append(impact)
        elif 'dostępność' in impact.lower():
            impact_categories['dostępność'].append(impact)
        elif any(word in impact.lower() for word in ['jakość', 'percepcj']):
            impact_categories['jakość'].append(impact)
    
    return {
        'total_time_minutes': total_time,
        'impact_categories': impact_categories,
        'total_recommendations': len(recommendations),
        'high_priority_count': len([r for r in recommendations if r['priority'] <= 2])
    }