import json
from typing import List, Optional, Dict, Any
import uuid

from applications.config import (
    ES_HOSTS,
    ELASTIC_SEARCH_INDEX,
    ES_PASSWORD,
    MILVUS_CONFIG,
    DEFAULT_MODEL
)
from applications.resource import init_resource_manager
from applications.utils.milvus import async_insert_chunk, async_update_embedding
from applications.api import get_basic_embedding, fetch_deepseek_completion


# 初始化资源管理器
resource_manager = init_resource_manager(
    es_hosts=ES_HOSTS,
    es_index=ELASTIC_SEARCH_INDEX,
    es_password=ES_PASSWORD,
    milvus_config=MILVUS_CONFIG,
)

def hits_to_json(hits):
    if not hits:
        return []

    special_keys = {"entities", "concepts", "questions", "keywords"}
    return [
        {
            "pk": hit.id,
            "score": hit.distance,
            **{
                key: list(value) if key in special_keys else value
                for key, value in (hit.get("entity", {}) or {}).items()
            },
        }
        for hit in hits[0] if hit.distance > 0.8
    ]

def format_json_file(json_obj):
    output_string = ""
    for key in json_obj:
        value = json_obj[key]
        output_string += f"{key}: {value}\n"
    return output_string

class AggregatePattern:
    def __init__(self, resource):
        self.mysql_client = resource.mysql_client
        self.milvus_client = resource.milvus_client

    async def get_task(self):
        query = """
            SELECT t1.id, dim_name, name, t1.description, t1.detail, 
                   t2.output_type, t2.content,t2.constrains
            FROM modes t1 JOIN outputs t2 ON t1.output_id = t2.output_id
            WHERE standardization_status = 0;
        """
        response = await self.mysql_client.async_fetch(query=query)
        return response

    async def base_vector_search(
        self,
        query_vec: List[float],
        anns_field: str = "mode_vector",
        limit: int = 5,
        expr: Optional[str] = None,
        search_params: Optional[Dict[str, Any]] = None,
    ):
        if search_params is None:
            search_params = {"metric_type": "COSINE", "params": {"ef": 64}}

        response = await asyncio.to_thread(
            self.milvus_client.search,
            data=[query_vec],
            anns_field=anns_field,
            param=search_params,
            limit=limit,
            expr=expr,
            output_fields=["id", "mode_id"],
        )
        print(response)
        return {"results": hits_to_json(response)[:10]}

    @staticmethod
    async def get_result_by_llm(task):
        output_type = task['output_type']
        content = task['content']
        constrains = task['constrains']
        detail = task['detail']
        mode_name = task['name']
        dim = task['dim_name']
        decr = task['description']
        constrains_string = ""
        for item in json.loads(constrains):
            constrains_string += format_json_file(item) + "\n"
        prompt = f"""
请基于以下输入信息，总结出一套可复用的知识模式。

## 输入信息
**知识维度**：{dim}
**模式名称**：{mode_name}
**模式描述**：{decr}
**模式详情**：{format_json_file(json.loads(detail)['不变的'])}
**产出类型**：{output_type}
**产出内容**：{format_json_file(json.loads(content))}
**产出格式约束**：{constrains_string}

## 输出要求
请按照以下结构输出JSON格式的结果：

1. **模式名称**：直接使用输入中的模式名称或基于其提炼
2. **简要描述**：用1-2句话概括模式的核心价值和适用场景
3. **所有知识的总结**：详细阐述以下方面：
   - 灵感来源：模式的创意起点和驱动因素
   - 内容结构：固定的内容组织形式和要素
   - 写作方法：具体的创作技巧和表达方式
   - 核心逻辑：模式运作的基本原则和策略
   - 产出模板：可复用的内容框架和变量说明
   - 应用场景：模式的适用领域和使用价值

请确保总结全面、结构清晰，直接基于输入信息进行提炼，不要添加额外信息。

## 输出格式
{{
    "name": "模式名称",
    "description": "简要描述",
    "details": "详细的知识总结，包含灵感来源、内容结构、写作方法、核心逻辑、产出模板、应用场景等完整要素"
}}
        """
        response = await fetch_deepseek_completion(
            prompt=prompt,
            model="DeepSeek-R1",
            output_type="json"
        )
        return response

    async def merge_as_new_result(self, most_related_mode_id, new_result, pk_id, mode_id):
        # 查询出结果
        fetch_query = f"""select name, description, result from standard_mode where standard_id = %s"""
        response = await self.mysql_client.async_fetch(
            query=fetch_query, params=(most_related_mode_id,)
        )
        if not response:
            return
        else:
            old_result = response[0]
            merge_prompt = f"""
## 任务说明
您需要将一个新的模式知识与标准模式进行知识融合，创建一个综合性的知识模式。

## 融合要求
1. **名称融合**：基于标准模式名称和新的模式知识名称，创建一个新的、有意义的名称，体现两者的所有特征
2. **描述融合**：合并标准模式描述和新的模式知识描述，创建一个全面综合的描述，体现两者的所有特征
3. **知识总结融合**：整合标准模式总结和新的模式知识，确保包含所有相关信息，按照以下结构组织：
   - 灵感来源
   - 内容结构
   - 写作方法
   - 核心逻辑
   - 产出模板
   - 应用场景

## 输入信息
**标准模式名称**：{old_result['name']}
**标准模式描述**：{old_result['description']}
**标准模式总结**：{old_result['result']}

**新的模式知识名称**：{new_result['name']}
**新的模式知识描述**：{new_result['description']}
**新的模式知识**：{new_result['details']}

## 输出要求
请严格按照以下JSON格式输出，无需考虑输出长度，不要丢失信息。
输出 JSON 的每一个字段的 value 字段都必须是字符串类型，不能是其他类型。

## 输出格式
{{
    "name": "融合后的模式名称,保留所有信息",
    "description": "融合后的综合描述,保留所有信息",
    "details": "融合后的详细知识总结，保留所有信息，必须包含以下完整要素：灵感来源、内容结构、写作方法、核心逻辑、产出模板、应用场景"
}}

请确保融合后的知识模式包含两个模式的所有信息。输出前请校验，合并后的知识模式是否涵盖输入二者的所有元素，如果有缺失，请补全
 Please think step by step.
"""
            print(merge_prompt)
            response = await fetch_deepseek_completion(
                prompt=merge_prompt,
                model="DeepSeek-R1",
                output_type="json"
            )
            print(json.dumps(response, ensure_ascii=False, indent=4))

            update_query1 = """
                           UPDATE modes
                           SET standardization_status = %s, \
                               standard_mode_id       = %s, \
                               result                 = %s \
                           WHERE id = %s; \
                           """
            await self.mysql_client.async_save(
                query=update_query1, params=(
                    2,
                    most_related_mode_id,
                    new_result['details'],
                    mode_id
                )
            )

            update_query2 = """
                update standard_mode
                set name = %s,
                    description = %s,
                    result = %s
                where standard_id = %s
            """
            await self.mysql_client.async_save(
                query=update_query2, params=(
                    response['name'],
                    response['description'],
                    response['details'],
                    most_related_mode_id
                )
            )
            # 更新 milvus
            text = f"模式名称：{response['name']}，模式描述：{response['description']}"
            embedding = await get_basic_embedding(text, DEFAULT_MODEL)
            data = {
                "id": pk_id,
                "mode_id": most_related_mode_id,
                "mode_vector": embedding,
            }
            await async_update_embedding(self.milvus_client, data)


    async def save_to_mysql_and_milvus(self, task, result):
        standard_id = f"standard-{str(uuid.uuid4())}"
        query = """
            INSERT INTO standard_mode (standard_id, name, description, result) VALUES 
                (%s, %s, %s, %s);
        """
        await self.mysql_client.async_save(
            query=query, params=(
                standard_id,
                result['name'],
                result['description'],
                result['details']
            )
        )
        text = f"维度：{task['dim_name']}，模式名称：{result['name']}，模式描述：{result['description']}"
        embedding = await get_basic_embedding(text, DEFAULT_MODEL)
        data = {
            "mode_id": standard_id,
            "mode_vector": embedding,
        }
        await async_insert_chunk(self.milvus_client, data)

        update_query = """
            UPDATE modes 
            SET standardization_status = %s, standard_mode_id = %s, result = %s WHERE id = %s;
        """
        await self.mysql_client.async_save(
            query=update_query, params=(
                2,
                standard_id,
                result['details'],
                task['id']
            )
        )

    async def deal(self):
        tasks = await self.get_task()
        if not tasks:
            return
        else:
            for task in tasks:
                text = f"维度：{task['dim_name']}，模式名称：{task['name']}，模式描述：{task['description']}"
                print(text)
                embedding = await get_basic_embedding(text, DEFAULT_MODEL)
                response = await self.base_vector_search(query_vec=embedding)
                results = response['results']
                if not results:
                    # set as new
                    print("set as new standard mode")
                    response = await self.get_result_by_llm(task)
                    print(json.dumps(response, ensure_ascii=False, indent=4))
                    await self.save_to_mysql_and_milvus(task, response)
                else:
                    most_related_mode_id = results[0]['mode_id']
                    pk_id = results[0]['id']
                    response = await self.get_result_by_llm(task)
                    print("new result")
                    print(json.dumps(response, ensure_ascii=False, indent=4))
                    await self.merge_as_new_result(most_related_mode_id, response, pk_id, task['id'])


async def run_aggregate_pattern():
    await resource_manager.startup()
    aggregate_pattern = AggregatePattern(resource_manager)
    await aggregate_pattern.deal()
    await resource_manager.shutdown()

if __name__ == "__main__":
    import asyncio
    asyncio.run(run_aggregate_pattern())