from typing import Dict, Any, List
import json

from utils import (
    call_llm,
    safe_json_loads,
    validate_ir
)


# =====================================================
# FALLBACK
# =====================================================

def fallback_patterns(
    num_proposals: int
):

    return [
        {
            "name": f"Pattern {i+1}",
            "description": "Pattern détecté automatiquement"
        }
        for i in range(num_proposals)
    ]


# =====================================================
# PATTERN DETECTION
# =====================================================

def detect_patterns(
    ir: Dict[str, Any],
    num_proposals: int = 3,
    provider: str = "openai"
) -> List[Dict[str, str]]:

    if not validate_ir(ir):
        return fallback_patterns(num_proposals)

    ir_text = json.dumps(
        ir,
        indent=2,
        ensure_ascii=False
    )

    prompt = f"""
Tu es un expert en graphes mathématiques
et compilation scientifique.

Analyse cette IR.

Détecte EXACTEMENT {num_proposals}
patterns mathématiques importants.

Exemples possibles :
- produit scalaire
- convolution
- pipeline tensoriel
- réduction
- propagation
- matrice creuse
- calcul distribué
- accumulation
- normalisation
- opération SIMD

IMPORTANT :
- retourne UNIQUEMENT du JSON valide
- aucune balise markdown
- aucun texte hors JSON

FORMAT STRICT :

[
  {{
    "name": "Convolution",
    "description": "Détection d'un motif convolutionnel"
  }}
]

IR :
{ir_text}
"""

    response = call_llm(
        prompt,
        provider=provider,
        max_tokens=1800
    )

    parsed = safe_json_loads(response)

    valid_patterns = []

    if isinstance(parsed, list):

        for item in parsed:

            if not isinstance(item, dict):
                continue

            name = item.get(
                "name",
                "Unknown Pattern"
            )

            description = item.get(
                "description",
                "Description indisponible"
            )

            valid_patterns.append({
                "name": str(name),
                "description": str(description)
            })

    if len(valid_patterns) > 0:

        return valid_patterns[:num_proposals]

    return fallback_patterns(num_proposals)