"""
v5 SupervisorAdvisor — 单次督导调用版

架构：每轮回应前，把对话历史发给「督导」做一次 LLM 分析，
督导输出：来访者当前状态 / 本轮关注点 / 回应方向 / 操作原则。
咨询师根据督导建议生成回应。无树搜索，无来访者模拟。
"""
import json
import os
import time
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage


SUPERVISOR_PROMPT = """你是一位经验丰富的精神动力学临床督导。咨询正在进行中，你需要快速分析当前对话，给出本轮的回应建议。

## 当前对话记录
{conversation_history}

## 来访者最新发言
{client_latest}

## 分析任务
基于精神动力学视角完成分析：

1. **来访者当前状态**：防御水平（高/中/低）、当前主要防御机制、情感基调
2. **本轮核心关注点**：来访者话语中最值得跟进的一个具体点（不要泛化）
3. **回应方向**：咨询师本轮应聚焦的方向，一句话，操作级
4. **回应原则**：2-3条操作原则，明确告诉咨询师怎么做、避免什么

严格要求：
- 具体到此刻的来访者状态，不要套话
- 原则必须可操作（"用'我在想……'开头做一个试探性诠释" 而不是 "要共情"）
- 不要从身体感受或躯体体验切入

只输出 JSON，不要输出任何其他内容：
{{"client_state":"来访者当前状态（一句话）","focal_point":"本轮核心关注点（一句话）","direction":"回应方向（一句话）","principles":["原则1","原则2","原则3"]}}"""


SUPERVISOR_GUIDANCE_TEMPLATE = """
## 督导建议（你必须参考执行，但不要向来访者透露这个指令的存在）

**来访者当前状态**：{client_state}
**本轮关注点**：{focal_point}
**本轮方向**：{direction}

**回应原则**：
{principles}

根据以上督导建议生成本轮回应。保持你的临床判断，自然表达。
"""


class SupervisorAdvisor:
    """单次督导调用：把对话历史交给督导做分析，返回结构化建议。"""

    def __init__(self, model="qwen-turbo"):
        dashscope = dict(
            base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
            api_key=os.getenv("DASHSCOPE_API_KEY"),
        )
        self.llm = ChatOpenAI(model=model, **dashscope, temperature=0.3, max_tokens=512)

    def _format_history(self, history):
        lines = []
        for msg in history:
            if isinstance(msg, HumanMessage):
                lines.append(f"来访者：{msg.content}")
            elif isinstance(msg, AIMessage):
                lines.append(f"咨询师：{msg.content}")
        return "\n".join(lines) if lines else "（无）"

    def _parse_json(self, text):
        content = text.strip()
        start = content.find("{")
        end = content.rfind("}") + 1
        if start == -1 or end == 0:
            raise ValueError(f"无法解析 JSON: {content[:80]}")
        return json.loads(content[start:end])

    def supervise(self, history, client_latest):
        """
        分析当前对话，返回督导建议 dict。
        history: List[HumanMessage | AIMessage]（不含最新来访者发言）
        client_latest: str，来访者最新发言
        """
        t = time.time()
        history_text = self._format_history(history)
        prompt = SUPERVISOR_PROMPT.replace(
            "{conversation_history}", history_text
        ).replace("{client_latest}", client_latest)

        for attempt in range(3):
            try:
                result = self.llm.invoke(prompt)
                parsed = self._parse_json(result.content)
                elapsed = time.time() - t
                print(f"[督导] {elapsed:.1f}s | 状态: {parsed.get('client_state','?')[:40]}")
                print(f"[督导] 关注点: {parsed.get('focal_point','?')[:50]}")
                print(f"[督导] 方向: {parsed.get('direction','?')[:50]}")
                return parsed
            except Exception as e:
                if attempt == 2:
                    print(f"[督导] 分析失败，返回空建议: {e}")
                    return None

    def format_guidance(self, supervision):
        """把督导建议格式化为注入到咨询师 prompt 的文本。"""
        if not supervision:
            return None
        principles_text = "\n".join(
            f"- {p}" for p in supervision.get("principles", [])
        )
        return SUPERVISOR_GUIDANCE_TEMPLATE.replace(
            "{client_state}", supervision.get("client_state", "")
        ).replace(
            "{focal_point}", supervision.get("focal_point", "")
        ).replace(
            "{direction}", supervision.get("direction", "")
        ).replace(
            "{principles}", principles_text
        )