"""
CRANE AI - Reasoning Modülü
"""

from typing import Dict, Any
from core.base_module import BaseMicroModule
import logging

logger = logging.getLogger(__name__)

class ReasonModule(BaseMicroModule):
    """Mantık yürütme için özelleşmiş modül"""
    
    def __init__(self, config: Dict[str, Any]):
        super().__init__(
            model_id="microsoft/Phi-3-mini-4k-instruct",
            config=config
        )
        
        # Mantık yürütme anahtar kelimeleri
        self.reasoning_keywords = {
            "çünkü", "neden", "sebep", "niye", "nasıl", "analiz",
            "karşılaştır", "değerlendir", "açıkla", "kanıtla",
            "sonuç", "çıkarım", "mantık", "düşünce", "fikir",
            "strateji", "plan", "çözüm", "problem", "sorun",
            "avantaj", "dezavantaj", "fark", "benzerlik"
        }
        
        # Analiz türleri
        self.analysis_types = {
            "problem_solving", "comparison", "evaluation", 
            "cause_effect", "strategy", "pros_cons"
        }
    
    def can_handle(self, query: str, context: Dict[str, Any]) -> float:
        """Mantık yürütme sorguları için uygunluk skoru"""
        query_lower = query.lower()
        
        # Mantık yürütme anahtar kelimelerini kontrol et
        reasoning_score = 0
        for keyword in self.reasoning_keywords:
            if keyword in query_lower:
                reasoning_score += 0.12
        
        # Soru türlerini kontrol et
        if "neden" in query_lower or "çünkü" in query_lower:
            reasoning_score += 0.25
        
        # Karşılaştırma ifadeleri
        if any(word in query_lower for word in ["karşılaştır", "fark", "benzer", "hangisi"]):
            reasoning_score += 0.2
        
        # Analiz gerektiren ifadeler
        if any(word in query_lower for word in ["analiz", "değerlendir", "incele", "araştır"]):
            reasoning_score += 0.2
        
        # Problem çözme ifadeleri
        if any(word in query_lower for word in ["problem", "sorun", "çözüm", "nasıl"]):
            reasoning_score += 0.15
        
        # Uzun ve karmaşık sorular
        if len(query.split()) > 15:
            reasoning_score += 0.1
        
        # Maksimum 1.0 skor
        return min(reasoning_score, 1.0)
    
    async def process(self, query: str, context: Dict[str, Any]) -> Dict[str, Any]:
        """Mantık yürütme işlemi"""
        try:
            # Analiz türünü belirle
            analysis_type = self._detect_analysis_type(query)
            
            # Mantık yürütme için özel prompt
            prompt = self._build_reasoning_prompt(query, context, analysis_type)
            
            # Yanıt üretimi
            response = await self.generate_response(
                prompt,
                max_tokens=self.config.get("max_tokens", 1024),
                temperature=0.3  # Mantık yürütme için düşük temperature
            )
            
            return {
                "response": response,
                "module": "reason_module",
                "confidence": self.can_handle(query, context),
                "analysis_type": analysis_type,
                "reasoning_steps": self._extract_reasoning_steps(response)
            }
            
        except Exception as e:
            logger.error(f"Reasoning processing error: {str(e)}")
            return {
                "error": str(e),
                "module": "reason_module"
            }
    
    def _build_reasoning_prompt(self, query: str, context: Dict[str, Any], analysis_type: str) -> str:
        """Mantık yürütme için prompt hazırlar"""
        
        # Analiz türüne göre özel prompt
        if analysis_type == "problem_solving":
            system_prompt = """Sen bir problem çözme uzmanısın. Sorunları adım adım analiz edip mantıklı çözümler üretiyorsun."""
        elif analysis_type == "comparison":
            system_prompt = """Sen bir karşılaştırma uzmanısın. Farklı seçenekleri objektif bir şekilde karşılaştırıyorsun."""
        elif analysis_type == "evaluation":
            system_prompt = """Sen bir değerlendirme uzmanısın. Durumları kapsamlı bir şekilde analiz ediyorsun."""
        elif analysis_type == "cause_effect":
            system_prompt = """Sen bir sebep-sonuç analizi uzmanısın. Olaylar arasındaki ilişkileri açıklıyorsun."""
        else:
            system_prompt = """Sen bir mantık yürütme uzmanısın. Karmaşık konuları açık ve anlaşılır şekilde analiz ediyorsun."""
        
        # Temel prompt
        prompt = f"""{system_prompt}

Kullanıcı sorusu: {query}

Lütfen:
1. Konuyu kapsamlı analiz et
2. Mantık zincirini açıkla
3. Somut örnekler ver
4. Sonuçları net bir şekilde özetle

Analiz türü: {analysis_type}
"""
        
        # Bağlam varsa ekle
        if context.get("history"):
            prompt += f"\nÖnceki konuşma: {context['history'][-1]}\n"
        
        return prompt
    
    def _detect_analysis_type(self, query: str) -> str:
        """Sorgudan analiz türünü tespit eder"""
        query_lower = query.lower()
        
        # Problem çözme
        if any(word in query_lower for word in ["problem", "sorun", "çöz", "nasıl"]):
            return "problem_solving"
        
        # Karşılaştırma
        if any(word in query_lower for word in ["karşılaştır", "fark", "hangisi", "seç"]):
            return "comparison"
        
        # Değerlendirme
        if any(word in query_lower for word in ["değerlendir", "incele", "analiz"]):
            return "evaluation"
        
        # Sebep-sonuç
        if any(word in query_lower for word in ["neden", "çünkü", "sebep", "sonuç"]):
            return "cause_effect"
        
        # Strateji
        if any(word in query_lower for word in ["strateji", "plan", "yaklaşım"]):
            return "strategy"
        
        # Avantaj-dezavantaj
        if any(word in query_lower for word in ["avantaj", "dezavantaj", "artı", "eksi"]):
            return "pros_cons"
        
        # Varsayılan
        return "general_reasoning"
    
    def _extract_reasoning_steps(self, response: str) -> list:
        """Yanıttan mantık yürütme adımlarını çıkarır"""
        steps = []
        
        # Numaralı adımları bul
        import re
        numbered_steps = re.findall(r'(\d+[\.\)])\s*([^\n]+)', response)
        
        for num, step in numbered_steps:
            steps.append({
                "step": num,
                "description": step.strip()
            })
        
        # Anahtar kelimelerle adımları bul
        key_phrases = [
            "ilk olarak", "öncelikle", "birincisi",
            "ikincisi", "üçüncüsü", "son olarak",
            "sonuç olarak", "özetle", "bu nedenle"
        ]
        
        sentences = response.split('.')
        for sentence in sentences:
            sentence = sentence.strip()
            if any(phrase in sentence.lower() for phrase in key_phrases):
                if len(sentence) > 10:  # Çok kısa olanları atla
                    steps.append({
                        "step": "auto",
                        "description": sentence
                    })
        
        return steps[:10]  # Maksimum 10 adım