"""
Примеры использования Ollama OpenAI-Compatible провайдера
=========================================================

Запуск Ollama перед стартом:
  ollama serve
  ollama pull llama3.2
  ollama pull nomic-embed-text   # для эмбеддингов
  ollama pull llava              # для vision (опционально)
"""

import json
from hf_ollama_adapter import create_client, OllamaProvider
from ollama_openai_provider import OllamaProvider


# ===========================================================================
# 1. ПРОСТОЙ ЧАТ
# ===========================================================================

def example_simple_chat():
    print("=" * 60)
    print("1. Простой чат")
    print("=" * 60)

    client = OllamaProvider()

    response = client.chat.completions.create(
        model="llama3.2",
        messages=[
            {"role": "system", "content": "Ты полезный ассистент. Отвечай кратко."},
            {"role": "user", "content": "Что такое Hugging Face?"},
        ],
        temperature=0.7,
        max_tokens=200,
    )

    print(f"Ответ: {response.choices[0].message.content}")
    if response.usage:
        print(f"Токены: {response.usage.total_tokens}")
    print()


# ===========================================================================
# 2. СТРИМИНГ
# ===========================================================================

def example_streaming():
    print("=" * 60)
    print("2. Стриминг (stream=True)")
    print("=" * 60)

    client = OllamaProvider()

    print("Ответ: ", end="")
    for chunk in client.chat.completions.create(
        model="llama3.2",
        messages=[{"role": "user", "content": "Напиши короткое стихотворение о Python."}],
        stream=True,
    ):
        delta = chunk.choices[0].delta
        if delta.content:
            print(delta.content, end="", flush=True)

    print("\n")


# ===========================================================================
# 3. TOOL CALLING (FUNCTION CALLING)
# ===========================================================================

def example_tool_calling():
    print("=" * 60)
    print("3. Tool Calling")
    print("=" * 60)

    client = OllamaProvider()

    # Определяем инструменты
    tools = [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "Получить текущую погоду в указанном городе",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "location": {
                            "type": "string",
                            "description": "Город и страна, например 'Варшава, Польша'",
                        },
                        "unit": {
                            "type": "string",
                            "enum": ["celsius", "fahrenheit"],
                            "description": "Единица температуры",
                        },
                    },
                    "required": ["location"],
                },
            },
        },
        {
            "type": "function",
            "function": {
                "name": "search_web",
                "description": "Поиск актуальной информации в интернете",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "query": {
                            "type": "string",
                            "description": "Поисковый запрос",
                        }
                    },
                    "required": ["query"],
                },
            },
        },
    ]

    messages = [
        {"role": "user", "content": "Какая сейчас погода в Варшаве?"}
    ]

    # --- Шаг 1: модель решает вызвать инструмент ---
    response = client.chat.completions.create(
        model="llama3.2",
        messages=messages,
        tools=tools,
        tool_choice="auto",
    )

    msg = response.choices[0].message
    print(f"Finish reason: {response.choices[0].finish_reason}")

    if msg.tool_calls:
        print("Модель хочет вызвать инструменты:")
        for tc in msg.tool_calls:
            fn = tc.function
            args = json.loads(fn.arguments)
            print(f"  → {fn.name}({args})")

        # --- Шаг 2: добавляем ответ ассистента в историю ---
        messages.append(msg.to_dict())

        # --- Шаг 3: имитируем выполнение инструмента ---
        for tc in msg.tool_calls:
            tool_result = (
                '{"temperature": 12, "condition": "Облачно", "humidity": 78}'
                if tc.function.name == "get_weather"
                else '{"results": ["Результат 1", "Результат 2"]}'
            )
            messages.append({
                "role": "tool",
                "tool_call_id": tc.id,
                "content": tool_result,
            })

        # --- Шаг 4: финальный ответ с данными инструмента ---
        final_response = client.chat.completions.create(
            model="llama3.2",
            messages=messages,
            tools=tools,
        )
        print(f"\nФинальный ответ: {final_response.choices[0].message.content}")

    else:
        print(f"Прямой ответ: {msg.content}")

    print()


# ===========================================================================
# 4. MULTI-TURN ДИАЛОГ
# ===========================================================================

def example_multi_turn():
    print("=" * 60)
    print("4. Multi-turn диалог")
    print("=" * 60)

    client = OllamaProvider()
    history = [
        {"role": "system", "content": "Ты опытный Python разработчик. Давай краткие ответы."}
    ]

    def chat(user_msg: str) -> str:
        history.append({"role": "user", "content": user_msg})
        response = client.chat.completions.create(
            model="llama3.2",
            messages=history,
            temperature=0.3,
        )
        reply = response.choices[0].message.content
        history.append({"role": "assistant", "content": reply})
        return reply

    turns = [
        "Что такое декоратор в Python?",
        "Покажи простой пример.",
        "Как добавить аргументы к декоратору?",
    ]

    for user_input in turns:
        print(f"Пользователь: {user_input}")
        reply = chat(user_input)
        print(f"Ассистент: {reply[:200]}{'...' if len(reply) > 200 else ''}")
        print()


# ===========================================================================
# 5. STRUCTURED OUTPUT (JSON mode)
# ===========================================================================

def example_structured_output():
    print("=" * 60)
    print("5. Structured output (JSON)")
    print("=" * 60)

    client = OllamaProvider()

    response = client.chat.completions.create(
        model="llama3.2",
        messages=[
            {
                "role": "system",
                "content": "Отвечай ТОЛЬКО валидным JSON без пояснений.",
            },
            {
                "role": "user",
                "content": (
                    "Верни информацию о 3 крупнейших языках программирования "
                    "в виде JSON массива с полями: name, year_created, paradigm, popularity_rank"
                ),
            },
        ],
        temperature=0.1,
    )

    raw = response.choices[0].message.content
    try:
        # Убираем возможные markdown-блоки
        clean = raw.strip().removeprefix("```json").removeprefix("```").removesuffix("```").strip()
        data = json.loads(clean)
        print(f"Получено записей: {len(data)}")
        for item in data:
            print(f"  {item.get('popularity_rank', '?')}. {item.get('name')} ({item.get('year_created')})")
    except json.JSONDecodeError:
        print(f"Сырой ответ: {raw}")

    print()


# ===========================================================================
# 6. EMBEDDINGS
# ===========================================================================

def example_embeddings():
    print("=" * 60)
    print("6. Embeddings")
    print("=" * 60)

    client = OllamaProvider()

    texts = [
        "Машинное обучение — это подраздел искусственного интеллекта",
        "Python — популярный язык программирования",
        "Нейронные сети вдохновлены мозгом человека",
    ]

    response = client.embeddings.create(
        model="nomic-embed-text",  # или "mxbai-embed-large"
        input=texts,
    )

    for emb in response.data:
        vec = emb.embedding
        print(f"  Текст {emb.index}: вектор размером {len(vec)}, первые 5 = {vec[:5]}")

    print()


# ===========================================================================
# 7. VISION (мультимодальность)
# ===========================================================================

def example_vision():
    print("=" * 60)
    print("7. Vision (мультимодальность)")
    print("=" * 60)

    import base64, urllib.request

    # Загружаем тестовое изображение
    url = "https://upload.wikimedia.org/wikipedia/commons/thumb/4/47/PNG_transparency_demonstration_1.png/280px-PNG_transparency_demonstration_1.png"
    with urllib.request.urlopen(url) as resp:
        img_data = base64.b64encode(resp.read()).decode()

    client = OllamaProvider()

    response = client.chat.completions.create(
        model="llava",  # нужна мультимодальная модель
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "type": "image_url",
                        "image_url": {"url": f"data:image/png;base64,{img_data}"},
                    },
                    {"type": "text", "text": "Опиши это изображение одним предложением."},
                ],
            }
        ],
    )
    print(f"Описание: {response.choices[0].message.content}")
    print()


# ===========================================================================
# 8. LIST MODELS
# ===========================================================================

def example_list_models():
    print("=" * 60)
    print("8. Список доступных моделей")
    print("=" * 60)

    client = OllamaProvider()
    models = client.models.list()
    print(f"Найдено моделей: {len(models.data)}")
    for m in models.data:
        print(f"  - {m.id}")
    print()


# ===========================================================================
# ЗАПУСК ВСЕХ ПРИМЕРОВ
# ===========================================================================

if __name__ == "__main__":
    import sys

    examples = {
        "chat": example_simple_chat,
        "stream": example_streaming,
        "tools": example_tool_calling,
        "multi": example_multi_turn,
        "json": example_structured_output,
        "embed": example_embeddings,
        "vision": example_vision,
        "models": example_list_models,
    }

    if len(sys.argv) > 1:
        name = sys.argv[1]
        if name in examples:
            examples[name]()
        else:
            print(f"Неизвестный пример: {name}")
            print(f"Доступные: {', '.join(examples)}")
    else:
        # Запускаем примеры без тяжёлых зависимостей
        for name in ["chat", "stream", "tools", "multi", "json", "models"]:
            try:
                examples[name]()
            except Exception as e:
                print(f"[{name}] Ошибка: {e}\n")