from typing import List

from applications.config import Chunk
from applications.api import fetch_deepseek_completion


class ChatClassifier:
    @staticmethod
    def generate_summary_prompt(query, search_results):
        """
        生成总结的prompt。

        :param query: 问题
        :param search_results: 搜索结果列表，每个元素包含 'content', 'contentSummary', 'score'
        :return: 生成的总结prompt
        """

        prompt = f"问题: {query}\n\n请结合以下搜索结果，生成一个总结：\n"

        weighted_summaries = []
        weighted_contents = []

        for result in search_results:
            content = result["content"]
            content_summary = result["contentSummary"]
            score = result["score"]

            weighted_summaries.append((content_summary, score))
            weighted_contents.append((content, score))

        weighted_summaries.sort(key=lambda x: x[1], reverse=True)
        weighted_contents.sort(key=lambda x: x[1], reverse=True)

        prompt += "\n-- 加权内容摘要 --\n"
        for summary, score in weighted_summaries:
            prompt += f"摘要: {summary} | 相似度: {score:.2f}\n"

        prompt += "\n-- 加权内容 --\n"
        for content, score in weighted_contents:
            prompt += f"内容: {content} | 相似度: {score:.2f}\n"

        # 约束 AI 输出 JSON
        prompt += """
    请基于上述内容生成一个总结，并返回 JSON 格式，结构如下：

    {
      "query": "<原始问题>",
      "summary": "<简洁总结>",
      "relevance_score": <0到1之间的小数，表示总结与问题的相关度>
    }

    注意：
    - 只输出 JSON，不要额外解释。
    - relevance_score 数字越大，表示总结和问题越相关。
    """

        return prompt

    async def chat_with_deepseek(self, query, search_results):
        prompt = self.generate_summary_prompt(query, search_results)
        response = await fetch_deepseek_completion(
            model="DeepSeek-V3", prompt=prompt, output_type="json"
        )
        return response