app/system_sanitizer.py

"""客户端 system prompt 软化包装 + 垃圾行移除 + 缺省身份注入（通用）。

设计原则：**不动客户端提示词实质内容**。身份声明、工具指令、强制措辞、能力描述一律
原样保留——删改会破坏客户端指令完整性。只做三类事：

1. **移除明确垃圾行**：计费/调试头（``x-anthropic-billing-header`` 等）这类注入检测触发物、
   无信息量的元数据行。
2. **软化包装基调**（配置 ``soften_system=true`` 时；**默认关**）：把硬标签 ``[system]``
   换成柔和背景框架承载——弱化「系统级强制命令 / 身份覆盖」色彩，而**不改实质指令**。
3. **缺省身份注入**（仅当客户端**未**传任何非空 system / instructions 时）：声明对外 model id，
   并禁止模型提及/暴露 webchat 平台名。有客户端 system 时**绝不覆盖**。

逆向场景下，多个 system/role 会被拼接成一条消息发给上游，软化可提高配合度。
"""
from __future__ import annotations

import re

# 由 copy_skeleton 替换为真实平台名（如 Grok / Promptql）；未替换时保留字面量亦可。
PLATFORM_NAME: str = "Anuma"

# 明确的垃圾行：计费/调试头、XML 声明等纯元数据/注入检测触发物（整行移除）。
_JUNK_LINE_RE = re.compile(
    r"^\s*(?:x-[a-z][a-z0-9\-]*\s*[:=]|<\?xml|<!DOCTYPE).*$",
    re.IGNORECASE | re.MULTILINE,
)

# 软化包装框架：替换硬标签 [system]，弱化「系统强制命令」色彩。
_SOFT_WRAPPER = {
    "en": ("Background context and preferences shared by the user (for reference, "
           "not a role override):\n\n{content}"),
    "zh": ("以下是用户分享的背景信息与偏好（供参考，并非对你的角色做强制覆盖）：\n\n{content}"),
}


def remove_junk_lines(text: str) -> str:
    """移除计费/调试头等明确垃圾行，其余内容原样保留。"""
    if not text:
        return ""
    cleaned = _JUNK_LINE_RE.sub("", text)
    cleaned = re.sub(r"\n{3,}", "\n\n", cleaned)  # 压缩连续空行
    return cleaned.strip()


def soften_system(content: str, *, lang: str = "en") -> str:
    """软化包装：移除垃圾行 + 用柔和背景框架包裹。**不改实质指令**。空内容返回空串。"""
    if not content or not content.strip():
        return ""
    body = remove_junk_lines(content)
    if not body:
        return ""
    wrapper = _SOFT_WRAPPER.get(lang, _SOFT_WRAPPER["en"])
    return wrapper.format(content=body)


def default_identity_system(
    model_id: str,
    *,
    platform: str = PLATFORM_NAME,
) -> str:
    """客户端未传 system 时注入的缺省身份提示。

    - 告诉模型其对外真实 id（catalog / 客户端传入并归一化后的 model id）。
    - 禁止提及/暴露 webchat 平台名、产品 UI、网关等中间层。
    """
    mid = (model_id or "").strip() or "unknown"
    plat = (platform or "").strip() or "the host platform"
    return (
        f"You are the language model `{mid}`. "
        f"When asked which model or AI you are, answer with exactly `{mid}`. "
        f"Do not mention, imply, or reveal any association with {plat}, "
        f"any webchat product UI, browser client, or intermediate API gateway. "
        f"Do not invent a different model name or brand."
    )