"""取数 / 多模态读取的数据结构（pydantic）。

只保留基建用到的类型：帖子（Post）、视觉卡片（Card）、多模态提取产物（ExtractedContent）。
"""
from __future__ import annotations

from typing import Literal, Optional

from pydantic import BaseModel, Field

CardKind = Literal["image", "frame", "segment"]


class Card(BaseModel):
    """一张"卡片"：图文帖的一张图、视频抽出的一帧，或原生视频提炼出的一个时间段。
    下游溯源只认 index（1-based）。"""

    index: int
    kind: CardKind = "image"
    url: Optional[str] = None  # 段卡可无图；图片/帧有 url
    timestamp: Optional[float] = None  # 仅 frame：该帧在视频中的秒数
    start: Optional[float] = None  # 仅 segment：起始秒
    end: Optional[float] = None  # 仅 segment：结束秒


class Post(BaseModel):
    """fetch_post_detail 的产物：一条帖子的原始内容（文本 + 图片 + 视频）。"""

    id: str  # xhs_<content_id>，复用为 ingest source.id
    platform: str = "xiaohongshu"
    url: str
    content_id: str
    title: str = ""
    content_type: str = ""  # video / 图文
    body_text: str = ""
    topic_list: list[str] = Field(default_factory=list)
    image_urls: list[str] = Field(default_factory=list)
    video_urls: list[str] = Field(default_factory=list)
    cards: list[Card] = Field(default_factory=list)  # 统一视觉卡片（图/帧）
    author_id: Optional[str] = None
    author_name: Optional[str] = None
    raw: dict = Field(default_factory=dict)  # 原始响应


class CardExtract(BaseModel):
    """某张卡片上提取到的知识要点（按卡片归因）。"""

    index: int
    content: str = ""


class ExtractedContent(BaseModel):
    """extract_content 的产物：多模态汇总后的真实内容。不直接用 body_text。"""

    text: str = ""  # 汇总后的正文/讲解
    cards: list[CardExtract] = Field(default_factory=list)  # 按卡片归因的提取
    from_image: str = ""  # 兼容保留：图片里提取到的知识要点
    from_video: str = ""  # 兼容保留：视频里提取到的知识要点
    is_empty: bool = False  # 多模态提取后仍无有效内容