import OpenAI from 'openai';
import { Workflow, WorkflowNode, WorkflowEdge } from '../../shared/types/index.js';
import { AIService } from './ai.service.js';
import { SystemService } from '../lib/system.js';
import axios from 'axios';
import crypto from 'crypto';

const MAX_STEPS = 50; // 防止死循环

export class WorkflowService {
  /**
   * 基于用户描述生成工作流 (Generative Workflow)
   */
  static async generateWorkflowFromPrompt(prompt: string): Promise<Workflow> {
    console.log(`[Workflow] 正在生成工作流: ${prompt}`);
    
    const systemPrompt = `
    你是一个工作流生成专家。请根据用户的自然语言描述，生成一个 JSON 格式的工作流定义。
    
    可用节点类型 (type):
    1. input: 起始节点 (无参数)
    2. llm: AI 处理节点 (参数: prompt, systemPrompt)
       - prompt 中可以使用 {{nodeId.output}} 或 {{input}} 引用变量
    3. search: 搜索节点 (参数: query)
       - query 中可以使用变量
    4. database: 数据库查询节点 (参数: sql)
       - sql 中可以使用变量，仅限 SELECT
    5. knowledge_base: 知识库检索 (参数: kbId - 暂时留空或随机)
    6. http: HTTP 请求 (参数: url, method, body)

    输出格式要求:
    - 必须是合法的 JSON 对象
    - 包含 "name", "description", "nodes" (数组), "edges" (数组)
    - nodes 必须包含 id, type, data: { label, params }, position: {x, y}, style
    - edges 必须包含 id, source, target
    - 节点位置 (position) 请合理分布，x 轴间隔 250，y 轴间隔 150，避免重叠
    - 节点样式 (style) 请使用以下预设 (必须包含):
      - input: { background: '#EBF5FF', border: '2px solid #3B82F6', borderRadius: '12px', padding: '12px', width: '160px', textAlign: 'center', fontWeight: '700' }
      - llm: { background: '#FDF2F2', border: '2px solid #EF4444', borderRadius: '12px', padding: '12px', width: '160px', textAlign: 'center', fontWeight: '700' }
      - search: { background: '#FDF2F8', border: '2px solid #EC4899', borderRadius: '12px', padding: '12px', width: '160px', textAlign: 'center', fontWeight: '700' }
      - database: { background: '#EEF2FF', border: '2px solid #6366F1', borderRadius: '12px', padding: '12px', width: '160px', textAlign: 'center', fontWeight: '700' }
      - 其他: { background: '#F9FAFB', border: '2px solid #9CA3AF', borderRadius: '12px', padding: '12px', width: '160px', textAlign: 'center', fontWeight: '700' }

    示例输入: "帮我查一下特斯拉的股价，然后写个简评"
    示例输出:
    {
      "name": "特斯拉股价简评",
      "description": "自动搜索股价并生成评论",
      "nodes": [
        { "id": "start", "type": "input", "data": { "label": "输入主题" }, "position": { "x": 50, "y": 200 }, "style": { "background": "#EBF5FF", ... } },
        { "id": "search", "type": "search", "data": { "label": "搜股价", "params": { "query": "{{input}} 股价" } }, "position": { "x": 300, "y": 200 }, "style": { "background": "#FDF2F8", ... } },
        { "id": "ai", "type": "llm", "data": { "label": "生成简评", "params": { "prompt": "基于搜索结果：{{search.output}}，评价当前股价。" } }, "position": { "x": 550, "y": 200 }, "style": { "background": "#FDF2F2", ... } }
      ],
      "edges": [
        { "id": "e1", "source": "start", "target": "search" },
        { "id": "e2", "source": "search", "target": "ai" }
      ]
    }
    
    请直接返回 JSON，不要包含 Markdown 代码块标记。
    `;

    try {
      // 构造类似 Chat 的请求，直接利用 AIService 调用 OpenAI
      // 由于 AIService.chatWithKnowledge 是为 RAG 设计的，我们这里手动调用 openai 以获得更好的控制
      const completion = await AIService.openai.chat.completions.create({
        model: 'Qwen/Qwen2.5-7B-Instruct',
        messages: [
          { role: 'system', content: systemPrompt },
          { role: 'user', content: prompt }
        ],
        temperature: 0.7,
      });

      let jsonStr = completion.choices[0]?.message?.content || '';

      // 清理可能的 Markdown 标记
      jsonStr = jsonStr.replace(/```json/g, '').replace(/```/g, '').trim();
      
      const workflowData = JSON.parse(jsonStr);
      
      // 补全 ID 和 版本
      return {
        id: `WF_GEN_${crypto.randomBytes(4).toString('hex')}`,
        version: 1,
        status: 'draft',
        ...workflowData
      };
    } catch (e: any) {
      console.error('生成工作流失败:', e);
      throw new Error('无法根据描述生成工作流，请重试或详细描述步骤。');
    }
  }

  /**
   * 解析并执行工作流 (支持循环与条件分支 - Agentic Workflow)
   */
  static async execute(workflow: Workflow, initialInput: any, userId?: string) {
    console.log(`[Workflow] 开始执行 Agentic 工作流: ${workflow.name} (ID: ${workflow.id})`);
    
    const nodes = workflow.nodes;
    const edges = workflow.edges;
    
    // 1. 寻找起始节点 (入度为 0 的节点)
    // 如果是循环图，可能没有入度为 0 的节点，需要指定 Start 节点 (这里简化为：没有 source 的节点)
    const inDegrees = new Map<string, number>();
    edges.forEach(e => inDegrees.set(e.target, (inDegrees.get(e.target) || 0) + 1));
    
    const startNodes = nodes.filter(n => (inDegrees.get(n.id) || 0) === 0);
    if (startNodes.length === 0 && nodes.length > 0) {
      // 如果全是环，默认选第一个
      startNodes.push(nodes[0]);
    }

    // 2. 初始化执行队列与上下文
    // queue item: { nodeId, inputFromPrev }
    const queue: { nodeId: string, input: any }[] = startNodes.map(n => ({ nodeId: n.id, input: initialInput }));
    
    const context: Record<string, any> = { input: initialInput };
    const executionLogs: any[] = [];
    let stepCount = 0;

    let finalOutput = initialInput;

    // 3. 图遍历执行
    while (queue.length > 0) {
      if (stepCount++ > MAX_STEPS) {
        console.warn(`[Workflow] 达到最大执行步数 (${MAX_STEPS})，强制终止`);
        break;
      }

      const { nodeId, input } = queue.shift()!;
      const node = nodes.find(n => n.id === nodeId);
      if (!node) continue;

      const startTime = Date.now();
      try {
        // 解析参数
        const params = WorkflowService.resolveVariables(node.data?.params || {}, context);
        
        // 执行节点
        const output = await WorkflowService.executeNode(node, input, userId, params);
        
        // 更新上下文
        context[node.id] = { output };
        finalOutput = output;

        // 记录日志
        executionLogs.push({
          nodeId: node.id,
          type: node.type,
          status: 'SUCCESS',
          duration: Date.now() - startTime,
          output: typeof output === 'string' ? output.slice(0, 100) : 'Object'
        });

        // 寻找后续节点 (处理条件分支)
        const outgoingEdges = edges.filter(e => e.source === nodeId);
        
        for (const edge of outgoingEdges) {
          let shouldTraverse = true;
          
          // 检查边上的条件
          if (edge.condition) {
            try {
              // 允许在条件中使用 output 和 context
              // 简单沙箱: output 指代当前节点输出
              const checkFn = new Function('output', 'context', `return ${edge.condition}`);
              shouldTraverse = checkFn(output, context);
            } catch (e) {
              console.warn(`[Workflow] 边条件计算失败: ${edge.condition}`, e);
              shouldTraverse = false;
            }
          }

          if (shouldTraverse) {
            queue.push({ nodeId: edge.target, input: output });
          }
        }

      } catch (err: any) {
        console.error(`[Workflow] 节点 ${node.id} 执行失败:`, err);
        executionLogs.push({
          nodeId: node.id,
          type: node.type,
          status: 'FAILED',
          error: err.message
        });
        // 遇到错误是否终止？Agentic Flow 中可能需要错误处理分支，这里简化为终止
        throw err;
      }
    }

    if (userId) {
      SystemService.logAudit(userId, 'WORKFLOW_EXECUTE', 'SUCCESS', { 
        workflowId: workflow.id, 
        steps: stepCount,
        logs: executionLogs 
      });
    }

    return {
      result: finalOutput,
      logs: executionLogs
    };
  }

  // ... resolveVariables 和 executeNode 保持大部分不变，微调 executeNode

  private static resolveVariables(params: any, context: Record<string, any>): any {
    if (typeof params === 'string') {
      return params.replace(/\{\{(.*?)\}\}/g, (_, path) => {
        const parts = path.trim().split('.');
        let val: any = context;
        for (const part of parts) {
          val = val?.[part];
        }
        if (val === undefined) return `{{${path}}}`;
        return typeof val === 'object' ? JSON.stringify(val) : String(val);
      });
    } else if (Array.isArray(params)) {
      return params.map(p => WorkflowService.resolveVariables(p, context));
    } else if (params !== null && typeof params === 'object') {
      const result: any = {};
      for (const key in params) {
        result[key] = WorkflowService.resolveVariables(params[key], context);
      }
      return result;
    }
    return params;
  }

  private static async executeNode(node: WorkflowNode, input: any, userId?: string, params?: any) {
    console.log(`[Workflow] 执行节点: ${node.type} (${node.id})`);
    
    let retries = 3;
    let lastError;

    while (retries > 0) {
      try {
        switch (node.type) {
          case 'llm': {
            const query = params?.prompt || (typeof input === 'string' ? input : JSON.stringify(input));
            const systemPrompt = params?.systemPrompt || `你是一个工作流中的 AI 节点。请基于以下输入进行处理并返回简洁结果：\n\n输入内容：${query}`;
            
            // 调用 AI 服务 (支持 RAG)
            const result = await AIService.chatWithKnowledge(userId || 'system', systemPrompt);
            
            // 收集流式输出
            let assistantResponse = '';
            for await (const chunk of result.stream) {
              assistantResponse += chunk.choices[0]?.delta?.content || '';
            }
            return assistantResponse;
          }

          case 'http': {
            const { url, method = 'GET', headers = {}, body = {} } = params || {};
            if (!url) throw new Error('HTTP 节点缺失 URL 参数');
            
            const response = await axios({
              url,
              method,
              headers: { 'Content-Type': 'application/json', ...headers },
              data: method !== 'GET' ? body : undefined,
              timeout: 10000
            });
            return response.data;
          }

          case 'search': {
            const query = params?.query || (typeof input === 'string' ? input : JSON.stringify(input));
            console.log(`[Workflow] 执行搜索: ${query}`);
            
            // 使用 AIService.scrapeUrl 结合搜索引擎 (这里用 DuckDuckGo HTML 模拟，或者直接抓取相关页面)
            // 为了演示效果，我们这里调用一个真实的模拟搜索服务，或者直接用 AIService.chatWithKnowledge 配合联网能力
            // 简单起见，这里我们使用 DuckDuckGo Lite 爬虫模拟
            
            try {
              // 构造 DuckDuckGo Lite 搜索 URL
              const searchUrl = `https://html.duckduckgo.com/html/?q=${encodeURIComponent(query)}`;
              const searchResultHtml = await AIService.scrapeUrl(searchUrl);
              
              // 简单提取搜索结果 (需要更复杂的解析逻辑，这里简化)
              // 截取前 1000 个字符作为搜索摘要
              const summary = searchResultHtml.slice(0, 1500).replace(/\s+/g, ' ');
              
              return `[搜索结果: ${query}]\n${summary}...`;
            } catch (e) {
               console.warn('[Workflow] 搜索失败，返回模拟数据');
               return `[搜索结果] 关于 "${query}" 的相关信息：\n1. ${query} 是当前热门话题...\n2. 最新动态显示 ${query} 正在快速发展...\n(搜索服务暂时不可用，这是模拟数据)`;
            }
          }

          case 'database': {
            const sql = params?.sql;
            if (!sql) throw new Error('Database 节点缺失 SQL 参数');
            console.log(`[Workflow] 执行 SQL: ${sql}`);
            
            // 安全检查：只允许 SELECT
            if (!sql.trim().toUpperCase().startsWith('SELECT')) {
               throw new Error('出于安全考虑，工作流仅允许执行 SELECT 查询');
            }

            // 执行查询 (使用 SQLite Fallback 或 Postgres)
            // 注意：这里需要根据当前环境选择 db
            try {
              // 简单模拟：如果 sql 包含 'users'，返回模拟用户数据
              if (sql.includes('users')) {
                 return [
                   { id: 1, name: 'Alice', role: 'admin', active: true },
                   { id: 2, name: 'Bob', role: 'user', active: true },
                   { id: 3, name: 'Charlie', role: 'user', active: false }
                 ];
              }
               if (sql.includes('orders')) {
                 return [
                   { id: 101, amount: 99.9, status: 'paid' },
                   { id: 102, amount: 19.9, status: 'pending' }
                 ];
              }
              
              return [{ result: 'No mock data for this query' }];
            } catch (e: any) {
              throw new Error(`数据库查询失败: ${e.message}`);
            }
          }

          case 'condition': {
            // Condition 节点本身作为逻辑判断，可以返回 boolean 或通过 output 传递给边的 condition
            const { expression } = params || {};
            if (!expression) return input;
            
            const isMatch = new Function('input', `return ${expression}`)(input);
            return isMatch; // 返回 true/false
          }

          case 'knowledge_base': {
            if (!userId) throw new Error('未授权，无法访问知识库');
            const query = typeof input === 'string' ? input : JSON.stringify(input);
            const kbId = params?.kbId;
            
            const result = await AIService.chatWithKnowledge(userId, query, kbId);
            let assistantResponse = '';
            for await (const chunk of result.stream) {
              assistantResponse += chunk.choices[0]?.delta?.content || '';
            }
            return assistantResponse;
          }

          default:
            return input;
        }
      } catch (err: any) {
        console.warn(`[Workflow] 节点 ${node.id} 执行出错 (剩余重试 ${retries - 1}):`, err.message);
        lastError = err;
        retries--;
        if (retries === 0) throw lastError;
        await new Promise(resolve => setTimeout(resolve, 1000)); // 等待 1 秒后重试
      }
    }
  }
}