"""
对话 Agent 提示词模板和访谈问题库
"""

from enum import Enum
from typing import Dict, List

from app.core.config import settings


class ConversationStage(str, Enum):
    """对话阶段枚举"""

    CHILDHOOD = "childhood"  # 童年
    EDUCATION = "education"  # 教育
    CAREER = "career"  # 事业
    FAMILY = "family"  # 家庭
    BELIEFS = "beliefs"  # 信念
    SUMMARY = "summary"  # 人生总结


# 访谈问题库（每阶段 2～3 条短问句，供参考；主流程仍由模型与槽位驱动）
INTERVIEW_QUESTIONS: Dict[ConversationStage, List[str]] = {
    ConversationStage.CHILDHOOD: [
        "你是在哪儿长大的？小时候印象最深的一件事是什么？",
        "小时候家里是怎样的？父母对你影响大吗？",
    ],
    ConversationStage.EDUCATION: [
        "求学阶段印象最深的是哪段经历？",
        "有没有哪位老师或同学对你影响特别大？毕业后最初想做什么？",
    ],
    ConversationStage.CAREER: [
        "第一次工作还记得吗？当时心情怎样？",
        "事业里遇到过最大的挑战是什么？怎么挺过来的？有没有特别自豪的时刻？",
    ],
    ConversationStage.FAMILY: [
        "和伴侣是怎么认识的？做父母时最难忘或最骄傲的瞬间？",
        "家庭在你的人生里扮演什么角色？",
    ],
    ConversationStage.BELIEFS: [
        "有没有一直坚守的信念或座右铭？哪些价值观对你最重要？",
        "你怎样理解成功与幸福？低谷时是什么支撑你？",
    ],
    ConversationStage.SUMMARY: [
        "回顾一生，最重要的经验或教训是什么？最感激的人与事有哪些？",
        "若能对年轻时的自己说一句话，你会说什么？",
    ],
}


def get_system_prompt(
    current_stage: ConversationStage,
    covered_topics: List[str],
    user_latest_response: str,
) -> str:
    """
    生成对话 Agent 的系统提示词

    Args:
        current_stage: 当前对话阶段
        covered_topics: 已聊过的话题列表
        user_latest_response: 用户最新回答

    Returns:
        系统提示词字符串
    """
    stage_name_map = {
        ConversationStage.CHILDHOOD: "童年",
        ConversationStage.EDUCATION: "教育",
        ConversationStage.CAREER: "事业",
        ConversationStage.FAMILY: "家庭",
        ConversationStage.BELIEFS: "信念",
        ConversationStage.SUMMARY: "人生总结",
    }

    covered_topics_str = "、".join(covered_topics) if covered_topics else "暂无"

    prompt = f"""你是「岁月知己」，像老朋友一样陪用户聊人生。**回复要短**，像微信聊天，不要长篇、不要文学腔。

规则：先简短接住对方一句，**最多再问一个具体问题**；禁止括号与思考过程；禁止采访腔（如「我注意到」「我想了解」）；**不要重复确认**对方刚说过或上文已能推断的信息。

当前阶段：{stage_name_map.get(current_stage, current_stage.value)}
已聊话题：{covered_topics_str}

直接输出对用户说的话。"""

    return prompt


def get_questions_for_stage(stage: ConversationStage) -> List[str]:
    """获取指定阶段的所有问题"""
    return INTERVIEW_QUESTIONS.get(stage, [])


SLOT_NAME_MAP = {
    "place": "成长的地方",
    "people": "重要的人",
    "daily_life": "日常生活",
    "emotion": "童年感受",
    "turning_event": "难忘的事",
    "school": "学校经历",
    "city": "求学的城市",
    "motivation": "学习动力",
    "challenge": "遇到的挑战",
    "change": "成长变化",
    "job": "工作内容",
    "environment": "工作环境",
    "decision": "重要决定",
    "pressure": "压力与困难",
    "growth": "职业成长",
    "relationship": "家人关系",
    "conflict": "矛盾与化解",
    "support": "相互支持",
    "responsibility": "家庭责任",
    "value": "核心价值观",
    "regret": "遗憾与释怀",
    "pride": "骄傲的事",
    "lesson": "人生经验",
}

STAGE_RELATED_TOPICS = {
    "childhood": ["family", "education"],
    "education": ["childhood", "career"],
    "career": ["education", "family", "belief"],
    "family": ["childhood", "career", "belief"],
    "belief": ["career", "family"],
}

LIGHT_TOPICS = [
    "有什么爱好或者特别喜欢的消遣方式吗？",
    "最近有什么让你开心的事吗？",
    "有没有什么趣事想分享？",
    "平时喜欢看什么书或者电影吗？",
]

RESPONSE_STYLES = [
    "empathy",
    "curious",
    "reflection",
    "lighthearted",
    "connection",
]


def get_opening_prompt(
    current_stage: str,
    empty_slots_readable: List[str],
    user_profile_context: str = "",
) -> str:
    """空对话时 AI 先开口的提示词"""
    stage_name_map = {
        "childhood": "童年时光",
        "education": "求学经历",
        "career": "职业生涯",
        "family": "家庭生活",
        "belief": "人生信念",
    }
    stage_name = stage_name_map.get(current_stage, current_stage)
    if empty_slots_readable:
        topics_str = "、".join(empty_slots_readable)
        topics_heading = (
            f"## 当前建议话题（{stage_name}）\n可以从中选一个来问：{topics_str}"
        )
        task_question = (
            "2. **必须问一个问题**：接着问一个**具体、好回答**的问题，引导用户开始分享；"
            "优先落在上述还未聊透的方向上。不要问太宽泛的「有什么想聊的」。"
        )
        _opening_examples = {
            "childhood": (
                "示例（仅供参考风格）：\n"
                '"你好呀～ 想听听你的人生故事。你小时候是在哪儿长大的？那边有什么特别让你怀念的？"\n或\n'
                '"在的！今天想聊聊你。你童年里印象最深的一件事是什么？"'
            ),
            "education": (
                "示例（仅供参考风格）：\n"
                '"嗨～ 想听听你求学那段日子。你印象最深的是哪段学校时光？"\n或\n'
                '"在呢！你读书时有没有一位老师或同学，到现在还会想起？"'
            ),
            "career": (
                "示例（仅供参考风格）：\n"
                '"你好呀～ 想听听你工作这条路上故事。你第一份工作还记得吗，当时什么心情？"\n或\n'
                '"在的！你现在或过去做过的工作里，哪一段你最想先聊聊？"'
            ),
            "family": (
                "示例（仅供参考风格）：\n"
                '"嗨～ 想听听你家里的事。和家里人相处时，有没有特别暖或难忘的一刻？"\n或\n'
                '"在呢！如果用一个词形容你心里的「家」，你会想到什么？"'
            ),
            "belief": (
                "示例（仅供参考风格）：\n"
                '"你好呀～ 想听听你心里看重的东西。有没有一句你一直信到现在的话？"\n或\n'
                '"在的！你觉得自己走到今天，最放不下或最骄傲的是什么？"'
            ),
        }
        style_examples = _opening_examples.get(
            current_stage,
            _opening_examples["childhood"],
        )
    else:
        topics_heading = (
            f"## 当前阶段（{stage_name}）\n"
            "访谈结构化槽位里，这一阶段的主要问题在素材侧**已有覆盖**。"
            "开场要像老朋友重逢：接近况、接续上次聊过的事、或任何用户可能想提起的新片段；"
            "**禁止**为了凑问题而默认再从「童年在哪长大」等已覆盖模板重头盘问。"
        )
        task_question = (
            "2. **问候 + 轻巧引子**：用一句温暖的话接上对话；若自然，可以问一个与近况、"
            "想续上的回忆、或新冒出来的小事有关的问题。若不适合追问，问候 + 一句开放式引子即可。"
        )
        style_examples = (
            "示例（仅供参考风格）：\n"
            '"嘿，又见面啦～ 今天有没有哪件事突然从脑子里冒出来，想跟我说说？"\n或\n'
            '"在的！上次聊到那儿我还记着，你后来还有想起什么细节吗？"'
        )
    profile_section = (
        f"\n## 用户基本信息\n{user_profile_context}\n" if user_profile_context else ""
    )
    return f"""你是「岁月知己」。用户刚进对话，**还没说话**，请你先开口。**短、像微信**，一两句问候 + 一句具体问题即可，不要排比、不要文学描写。
{profile_section}
{topics_heading}

## 任务
1. 简短问候。
{task_question}
3. 自然、温暖，但**字数要少**。

## 格式
- 可用 [SPLIT] 分成最多 2 条；或一条里「问候 + 问题」。
- 禁止括号、思考过程；不要替用户编回答。

{style_examples}

直接输出："""


def _build_era_context(current_stage: str, user_profile_context: str) -> str:
    """根据用户的人生阶段和出生年份，生成对应时代的历史/政治/文化背景提示"""
    if not user_profile_context:
        return ""

    birth_year = None
    birth_place = ""
    for line in user_profile_context.split("\n"):
        if "出生年份" in line:
            try:
                birth_year = int(line.split("：")[1].strip().replace("年", ""))
            except (ValueError, IndexError):
                pass
        if "出生地" in line or "成长地" in line:
            birth_place = line.split("：")[1].strip() if "：" in line else ""

    if not birth_year:
        return ""

    stage_era_map = {
        "childhood": (0, 12),
        "education": (6, 22),
        "career": (18, 50),
        "family": (20, 50),
        "belief": (30, 60),
    }

    age_range = stage_era_map.get(current_stage, (0, 30))
    era_start = birth_year + age_range[0]
    era_end = birth_year + age_range[1]

    era_events = []
    decade_events = {
        1950: "新中国成立初期、土地改革、抗美援朝",
        1960: "大跃进、三年自然灾害、中苏关系变化",
        1970: "文化大革命、知青上山下乡、中美建交",
        1980: "改革开放、恢复高考、个体经济兴起、电视普及",
        1990: "社会主义市场经济、下海潮、香港回归、互联网初期",
        2000: "加入WTO、房地产兴起、手机普及、北京奥运",
        2010: "移动互联网爆发、微信时代、共享经济、双创浪潮",
        2020: "新冠疫情、直播经济、人工智能崛起",
    }

    for decade, events in decade_events.items():
        if era_start <= decade + 9 and era_end >= decade:
            era_events.append(f"{decade}年代：{events}")

    if not era_events:
        return ""

    place_hint = f" {birth_place}" if birth_place else ""
    # 短提示即可，避免模型写长段「时代散文」
    return (
        f"\n## 时代参考（一两句带过即可，勿长篇）\n"
        f"约 {era_start}-{era_end} 年{place_hint}；可联想：{era_events[0]}"
        + (f"；{era_events[1]}" if len(era_events) > 1 else "")
        + "\n"
    )


def get_guided_conversation_prompt(
    current_stage: str,
    empty_slots: List[str],
    filled_slots: Dict[str, str],
    user_message: str,
    conversation_turn: int = 0,
    same_topic_turns: int = 0,
    all_stages_coverage: Dict[str, Dict] = None,
    detected_user_stage: str = "",
    user_profile_context: str = "",
) -> str:
    """生成状态感知的对话提示词"""
    stage_name_map = {
        "childhood": "童年时光",
        "education": "求学经历",
        "career": "职业生涯",
        "family": "家庭生活",
        "belief": "人生信念",
    }

    current_stage_name = stage_name_map.get(current_stage, current_stage)
    user_stage_name = (
        stage_name_map.get(detected_user_stage, "") if detected_user_stage else ""
    )
    user_jumped = detected_user_stage and detected_user_stage != current_stage

    empty_slots_readable = [SLOT_NAME_MAP.get(s, s) for s in empty_slots]
    empty_slots_str = (
        "、".join(empty_slots_readable) if empty_slots_readable else "已聊得很充分"
    )

    filled_info = []
    for key, value in filled_slots.items():
        readable_key = SLOT_NAME_MAP.get(key, key)
        filled_info.append(
            f"{readable_key}: {value[:50]}..."
            if len(value) > 50
            else f"{readable_key}: {value}"
        )
    filled_slots_str = "\n".join(filled_info) if filled_info else "刚开始聊"

    progress_lines = []
    uncovered_stages = []
    if all_stages_coverage:
        for stage in ["childhood", "education", "career", "family", "belief"]:
            cov = all_stages_coverage.get(stage, {})
            filled_n = cov.get("filled", 0)
            total_n = cov.get("total", 0)
            sname = stage_name_map.get(stage, stage)
            if filled_n == 0:
                progress_lines.append(f"  {sname}：还没聊到")
                uncovered_stages.append(sname)
            elif filled_n < total_n:
                progress_lines.append(f"  {sname}：聊了一些（{filled_n}/{total_n}）")
            else:
                progress_lines.append(f"  {sname}：已聊得很充分 ✓")
    progress_str = "\n".join(progress_lines) if progress_lines else ""

    filled_count = len(filled_slots)
    should_switch_topic = same_topic_turns >= 3 or (
        filled_count >= 2 and same_topic_turns >= 2
    )
    should_lighten_mood = conversation_turn > 0 and conversation_turn % 5 == 0
    should_try_new_stage = filled_count >= 3 and len(empty_slots) <= 2

    related_stages = STAGE_RELATED_TOPICS.get(current_stage, [])
    related_stages_str = "、".join([stage_name_map.get(s, s) for s in related_stages])

    style = RESPONSE_STYLES[conversation_turn % len(RESPONSE_STYLES)]
    style_guidance = {
        "empathy": "共情一两句即可",
        "curious": "若还有未展开的细节可好奇问一个点；若上文已说清或可自然推断，只承接或换角度，**勿为凑问题而追问**",
        "reflection": "可一句简短感慨，勿讲大道理",
        "lighthearted": "轻松一点，别讲段子太长",
        "connection": "可提「我也有过类似感受」一句，勿编造具体经历细节",
    }.get(style, "")

    dynamic_guidance = ""
    if user_jumped:
        dynamic_guidance += f"""
- **用户正在聊「{user_stage_name}」的话题，跟着他/她的节奏走，不要试图拉回「{current_stage_name}」**
- 顺着用户的思路，帮他/她把这个话题聊深聊透
- 这是很自然的事情，人回忆往事经常会跳跃，你要做的是陪伴和倾听"""
    else:
        if should_lighten_mood:
            dynamic_guidance += "\n- 聊了一会儿了，可以适当轻松一下，聊点有趣的"
        if should_switch_topic and empty_slots_readable:
            dynamic_guidance += (
                f"\n- 这个话题聊得差不多了，可以自然转到：{empty_slots_str}"
            )
        if should_try_new_stage and related_stages:
            dynamic_guidance += (
                f"\n- 如果自然的话，可以尝试聊聊相关的话题，比如{related_stages_str}"
            )

    uncovered_hint = ""
    if not user_jumped and uncovered_stages and should_try_new_stage:
        uncovered_hint = f"\n- 还没聊到的人生阶段有：{'、'.join(uncovered_stages)}，如果聊天中有自然的契机，可以轻轻带一句，但不要刻意"

    if user_jumped:
        topic_desc = f"你们原本在聊「{current_stage_name}」，但用户自然地聊到了「{user_stage_name}」的内容"
    else:
        topic_desc = f"你们聊到了「{current_stage_name}」这个话题"

    profile_section = ""
    if user_profile_context:
        profile_section = f"\n## 用户基本信息\n{user_profile_context}\n"

    active_stage = (
        detected_user_stage if user_jumped and detected_user_stage else current_stage
    )
    era_context = (
        _build_era_context(active_stage, user_profile_context)
        if settings.chat_era_context_enabled
        else ""
    )

    prompt = f"""你是「岁月知己」，陪用户聊人生。**像微信：短句、少修辞、别写小作文。**
{topic_desc}
{profile_section}
## 本阶段已聊
{filled_slots_str}

## 还可聊的方向
{empty_slots_str}

## 进度
{progress_str}
{era_context}
## 用户刚才说
"{user_message}"

## 本轮语气
{style_guidance}

## 任务（短）
1. 先简短回应一句，不要总结成长文。
2. 用户若跳到别的人生阶段，跟着他聊，别硬拉回。
3. 需要追问时**只问一个**具体小问题；**不必每轮都问**；若用户已说明或语境已能推出（如谁买的、和谁），**别再为同一件事做 yes/no 确认**。
4. 用户只回简短肯定/否定（如「是的」「对」）时，**结合上文**理解，承接即可或问**新**角度，勿重复上一句已问过的事。
5. 可用 [SPLIT] 分成**最多 2 条**消息，每条都很短。
{dynamic_guidance}{uncovered_hint}

## 禁止
括号/思考过程；采访腔；**重复确认**用户档案、**上文已说**或**强暗示下已可知**的事实（包括无信息量的「是不是他/她…」式追问）；别编用户没说的细节。

直接输出（[SPLIT] 可选，最多 2 段）："""

    return prompt


# 别名：访谈对话专用；勿与回忆录 `app.agents.memoir.prompts.get_memoir_editor_system_prompt` 混淆
get_interview_system_prompt = get_system_prompt