import os
import re

import gradio as gr

from src.core.engine import engine
from src.utils.helpers import (
    extract_search_query,
    extract_text_from_file,
    get_clean_text,
    web_search,
)


def user_input(user_message, history):
    if not user_message:
        return None, history
    history = history or []
    history.append({"role": "user", "content": str(user_message)})
    return "", history


def set_interactive(is_interactive):
    return (
        gr.update(
            interactive=is_interactive,
            placeholder="Ожидайте, Агент думает..."
            if not is_interactive
            else "Напиши сообщение...",
        ),
        gr.update(interactive=is_interactive),
    )


def bot_response(
    history, system_prompt, temperature, max_tokens, use_search, uploaded_file
):
    # --- 1. ДИНАМИЧЕСКИЙ ПРОМПТ И ПРЕДОХРАНИТЕЛЬ ---
    actual_sys_prompt = system_prompt

    if use_search:
        system_guard = (
            "\n\n[ВАЖНО]: Отвечай пользователю напрямую обычным текстом. "
            "КАТЕГОРИЧЕСКИ ЗАПРЕЩАЕТСЯ выводить технические команды, массивы или JSON-вызовы (например [{'type': 'search'}]). "
            "Если тебе нужно рассуждать перед ответом, оборачивай свои мысли СТРОГО в теги <think>твои мысли</think>."
        )
    else:
        # Если галочка поиска выключена, удаляем из системного промпта призыв искать
        actual_sys_prompt = actual_sys_prompt.replace(
            "Если нужно узнать свежую информацию, используйте поиск.", ""
        )

        system_guard = (
            "\n\n[СИСТЕМНОЕ УВЕДОМЛЕНИЕ]: ВНИМАНИЕ! Функция поиска в интернете сейчас ОТКЛЮЧЕНА. "
            "Ты ДОЛЖЕН ответить, используя только свои внутренние знания. "
            "НИ В КОЕМ СЛУЧАЕ не пытайся генерировать команды поиска (например [{'type': 'search'}]). "
            "Просто дай лучший ответ, который можешь, основываясь на своей памяти. "
            "Если тебе нужно рассуждать, используй теги <think>мысли</think>."
        )

    messages = [{"role": "system", "content": actual_sys_prompt + system_guard}]
    file_info, file_content = "", ""

    # --- 2. ОБРАБОТКА ФАЙЛА ---
    if uploaded_file and os.path.exists(uploaded_file):
        filename = os.path.basename(uploaded_file)
        size_kb = os.path.getsize(uploaded_file) / 1024
        file_info = f"📎 **Файл прочитан:** `{filename}` ({size_kb:.1f} KB)"

        file_content = extract_text_from_file(uploaded_file)[:40000]
        if len(file_content) >= 40000:
            file_info += " *(загружен первый сегмент)*"
        if "[Ошибка" in file_content:
            file_info = f"❌ **Ошибка файла:** `{filename}`"

    # --- 3. ОЧИСТКА И ФОРМИРОВАНИЕ ИСТОРИИ ---
    for msg in history[-7:]:
        content = str(msg["content"])
        if msg["role"] == "assistant":
            # Убираем плашки UI
            if "---\n\n" in content:
                content = content.split("---\n\n", 1)[-1]

            # Тотально вырезаем теги размышлений и HTML спойлеры
            content = re.sub(r"<details.*?>.*?</details>", "", content, flags=re.DOTALL)
            content = re.sub(r"<think>.*?</think>", "", content, flags=re.DOTALL)

            # Вырезаем технические массивы поиска, если они проскочили в прошлых ответах
            content = re.sub(
                r"\[\s*\{.*?['\"]type['\"]\s*:\s*['\"]search['\"].*?\}\s*\]",
                "",
                content,
                flags=re.DOTALL,
            )

            content = content.strip()
            if not content:
                content = "*(ответ скрыт)*"

        messages.append({"role": msg["role"], "content": get_clean_text(content)})

    history.append({"role": "assistant", "content": "⏳ Инициализация..."})
    yield history

    # --- 4. АГЕНТ ПОИСКА (РОУТЕР) ---
    if use_search:
        search_info = ""
        history[-1]["content"] = (
            file_info + "\n" if file_info else ""
        ) + "🤔 Агент анализирует необходимость поиска..."
        yield history

        # Находим последний вопрос пользователя
        last_user_msg = ""
        for msg in reversed(history):
            if msg["role"] == "user":
                last_user_msg = msg["content"]
                break

        # Промпт Роутера: кладем инструкцию прямо в USER, чтобы модель не могла её проигнорировать.
        # Используем XML теги, LLM справляются с ними лучше, чем с JSON.
        agent_messages = [
            {
                "role": "user",
                "content": (
                    f"Пользователь спросил: «{last_user_msg}»\n\n"
                    "Определи, нужен ли поиск в интернете для ответа на этот запрос.\n"
                    "Любые вопросы про недавние события, атаки (например, на НПЗ), новости и точные факты ТРЕБУЮТ поиска.\n\n"
                    "ОТВЕТЬ СТРОГО ОДНИМ ИЗ ВАРИАНТОВ (без лишних слов):\n"
                    "Вариант 1 (поиск нужен): <search>твой поисковый запрос</search>\n"
                    "Вариант 2 (поиск не нужен): <no_search>"
                ),
            }
        ]

        try:
            eval_response = engine.generate(
                messages=agent_messages,
                max_tokens=400,  # <--- Увеличили, чтобы модель успела дописать тег поиска, если задумается
                temperature=0.0,
                stream=False,
            )

            raw_response = eval_response["choices"][0]["message"]["content"]
            clean_query = extract_search_query(raw_response)

            if clean_query:
                search_info = f'🌐 Ищем: *"{clean_query}"*...'
                history[-1]["content"] = (
                    f"{file_info + '\n' if file_info else ''}{search_info}"
                )
                yield history

                search_results = web_search(clean_query)

                if search_results:
                    search_info = f'🌐 Найдено {len(search_results)} результатов по запросу *"{clean_query}"*'
                    search_context = "СВЕЖИЕ РЕЗУЛЬТАТЫ ПОИСКА ИЗ ИНТЕРНЕТА:\n\n"
                    for i, r in enumerate(search_results, 1):
                        search_context += f"{i}. {r['title']} ({r['url']})\nСниппет: {r['snippet']}\n\n"

                    messages[0]["content"] += (
                        f"\n\n{search_context}\n\n[УВЕДОМЛЕНИЕ]: Поиск выполнен. Сформулируй ответ на основе контекста выше."
                    )
                else:
                    search_info = f'🌐 Поиск по запросу *"{clean_query}"* не дал результатов (возможно сработал лимит DuckDuckGo).'
            else:
                search_info = "⚡ Агент ответит из своих знаний (поиск не нужен)."

        except Exception as e:
            print(f"Ошибка Роутера: {e}")
            search_info = "⚡ Ошибка роутера. Отвечаю из базы знаний."

    # Добавляем контент файла в начало (чтобы модель опиралась на него при ответе)
    if file_content:
        messages[0]["content"] += (
            f"\n\nСодержимое файла '{os.path.basename(uploaded_file)}':\n\n{file_content}"
        )

    status_header = (file_info + "\n" if file_info else "") + (
        search_info + "\n" if search_info else ""
    )
    if status_header:
        status_header += "---\n\n"

    history[-1]["content"] = status_header + "⏳ Генерация ответа..."
    yield history

    # --- 5. СТРИМИНГ И УМНЫЙ UI ---
    try:
        stream = engine.generate(
            messages=messages,
            max_tokens=max_tokens,
            temperature=temperature,
            repeat_penalty=1.15,  # Штраф за зацикливание текста
            stream=True,
        )
        partial_text = ""
        for chunk in stream:
            delta = chunk["choices"][0].get("delta", {})
            if delta.get("content"):
                partial_text += delta["content"]
                display_text = partial_text

                # Умный UI для тегов <think>
                if "<think>" in partial_text and "</think>" not in partial_text:
                    display_text = (
                        partial_text.replace(
                            "<think>",
                            "<details open><summary><i>🧠 Идет анализ (в процессе)...</i></summary>\n\n",
                        )
                        + "\n\n</details>"
                    )
                elif "</think>" in partial_text:
                    display_text = partial_text.replace(
                        "<think>",
                        "<details><summary><i>🧠 Анализ завершен (нажмите, чтобы раскрыть)</i></summary>\n\n",
                    ).replace("</think>", "\n\n</details>\n\n")

                history[-1]["content"] = status_header + display_text
                yield history

    except Exception as e:
        history[-1]["content"] = status_header + f"\n\n❌ Ошибка генерации: {str(e)}"
        yield history