# pip install jieba
import json
import logging
import time
import jieba
import fastapi
import uvicorn
from fastapi import FastAPI, HTTPException
from openai import AsyncOpenAI
from sse_starlette import EventSourceResponse
import uuid

from Config import Config
from ElasticSearch.Utils.EsSearchUtil import EsSearchUtil

# 初始化日志
logger = logging.getLogger(__name__)
logger.setLevel(logging.INFO)

# 初始化停用词表
STOPWORDS = set(['的', '了', '在', '是', '我', '有', '和', '就', '不', '人', '都', '一', '一个', '上', '也', '很', '到', '说', '要', '去', '你', '会', '着', '没有', '看', '好', '自己', '这'])

# 初始化异步 OpenAI 客户端
client = AsyncOpenAI(
    api_key=Config.ALY_LLM_API_KEY,
    base_url=Config.ALY_LLM_BASE_URL
)

# 初始化 ElasticSearch 工具
search_util = EsSearchUtil(Config.ES_CONFIG)

# 存储对话历史的字典，键为会话ID，值为对话历史列表
conversation_history = {}

# 最大对话历史轮数
MAX_HISTORY_ROUNDS = 10


def get_system_prompt():
    """获取系统提示"""
    return """
    你是一位平易近人且教学方法灵活的教师，通过引导学生自主学习来帮助他们掌握知识。

    严格遵循以下教学规则：
    1. 首先了解学生情况：在开始讲解前，询问学生的年级水平和对询问知识的了解程度。
    2. 基于现有知识构建：将新思想与学生已有的知识联系起来。
    3. 引导而非灌输：使用问题、提示和小步骤，让学生自己发现答案。
    4. 检查和强化：在讲解难点后，确认学生能够重述或应用这些概念。
    5. 变化节奏：混合讲解、提问和互动活动，让教学像对话而非讲座。

    最重要的是：不要直接给出答案，而是通过合作和基于学生已有知识的引导，帮助学生自己找到答案。
    """

async def lifespan(_: FastAPI):
    yield

app = FastAPI(lifespan=lifespan)

@app.post("/api/chat")
async def chat(request: fastapi.Request):
    """
    根据用户输入的语句，查询相关历史对话
    然后调用大模型进行回答
    """
    try:
        data = await request.json()
        user_id = data.get('user_id', 'anonymous')
        query = data.get('query', '')
        session_id = data.get('session_id', str(uuid.uuid4()))  # 获取或生成会话ID
        include_history = data.get('include_history', True)

        if not query:
            raise HTTPException(status_code=400, detail="查询内容不能为空")

        # 1. 初始化会话历史
        if session_id not in conversation_history:
            conversation_history[session_id] = []

        # 2. 为用户查询生成标签并存储到ES
        current_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
        tags = [user_id, f"time:{current_time.split()[0]}", f"session:{session_id}"]

        # 提取查询中的关键词作为额外标签 - 使用jieba分词
        try:
            seg_list = jieba.cut(query, cut_all=False)  # 精确模式
            keywords = [kw for kw in seg_list if kw.strip() and kw not in STOPWORDS and len(kw) > 1]
            keywords = keywords[:5]
            tags.extend([f"keyword:{kw}" for kw in keywords])
            logger.info(f"使用jieba分词提取的关键词: {keywords}")
        except Exception as e:
            logger.error(f"分词失败: {str(e)}")
            keywords = query.split()[:5]
            tags.extend([f"keyword:{kw}" for kw in keywords if kw.strip()])

        # 存储查询到ES
        try:
            search_util.insert_long_text_to_es(query, tags)
            logger.info(f"用户 {user_id} 的查询已存储到ES，标签: {tags}")
        except Exception as e:
            logger.error(f"存储用户查询到ES失败: {str(e)}")

        # 3. 构建对话历史上下文
        history_context = ""
        if include_history and session_id in conversation_history:
            # 获取最近的几次对话历史
            recent_history = conversation_history[session_id][-MAX_HISTORY_ROUNDS:]
            if recent_history:
                history_context = "\n\n以下是最近的对话历史，可供参考：\n"
                for i, (user_msg, ai_msg) in enumerate(recent_history, 1):
                    history_context += f"[对话 {i}] 用户: {user_msg}\n"
                    history_context += f"[对话 {i}] 老师: {ai_msg}\n"

        # 4. 构建提示词
        system_prompt = get_system_prompt()

        # 5. 流式调用大模型生成回答
        async def generate_response_stream():
            try:
                # 构建消息列表
                messages = [{'role': 'system', 'content': system_prompt.strip()}]

                # 添加历史对话（如果有）
                if history_context:
                    messages.append({'role': 'user', 'content': history_context.strip()})

                # 添加当前问题
                messages.append({'role': 'user', 'content': query})

                stream = await client.chat.completions.create(
                    model=Config.ALY_LLM_MODEL_NAME,
                    messages=messages,
                    max_tokens=8000,
                    stream=True
                )

                # 收集完整回答用于保存
                full_answer = []
                async for chunk in stream:
                    if chunk.choices[0].delta.content:
                        full_answer.append(chunk.choices[0].delta.content)
                        yield f"data: {json.dumps({'reply': chunk.choices[0].delta.content}, ensure_ascii=False)}\n\n"

                # 保存回答到ES和对话历史
                if full_answer:
                    answer_text = ''.join(full_answer)
                    try:
                        # 为回答添加标签
                        answer_tags = [f"{user_id}_answer", f"time:{current_time.split()[0]}", f"session:{session_id}"]
                        try:
                            seg_list = jieba.cut(answer_text, cut_all=False)
                            answer_keywords = [kw for kw in seg_list if kw.strip() and kw not in STOPWORDS and len(kw) > 1]
                            answer_keywords = answer_keywords[:5]
                            answer_tags.extend([f"keyword:{kw}" for kw in answer_keywords])
                        except Exception as e:
                            logger.error(f"回答分词失败: {str(e)}")

                        search_util.insert_long_text_to_es(answer_text, answer_tags)
                        logger.info(f"用户 {user_id} 的回答已存储到ES")

                        # 更新对话历史
                        conversation_history[session_id].append((query, answer_text))
                        # 保持历史记录不超过最大轮数
                        if len(conversation_history[session_id]) > MAX_HISTORY_ROUNDS:
                            conversation_history[session_id].pop(0)

                    except Exception as e:
                        logger.error(f"存储回答到ES失败: {str(e)}")

            except Exception as e:
                logger.error(f"大模型调用失败: {str(e)}")
                yield f"data: {json.dumps({'error': f'生成回答失败: {str(e)}'})}\n\n"

        return EventSourceResponse(generate_response_stream())

    except HTTPException as e:
        logger.error(f"聊天接口错误: {str(e.detail)}")
        raise e
    except Exception as e:
        logger.error(f"聊天接口异常: {str(e)}")
        raise HTTPException(status_code=500, detail=f"处理请求失败: {str(e)}")



if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000)