"""
用户基础资料收集提示词
"""
from typing import Dict, List, Optional


PROFILE_FIELD_NAMES = {
    "birth_year": "出生年份",
    "birth_place": "出生地",
    "grew_up_place": "成长地",
    "occupation": "职业",
}


def get_profile_greeting_prompt(missing_fields: List[str], nickname: str = "") -> str:
    """生成初次见面、收集基础资料的引导提示词"""
    missing_names = [PROFILE_FIELD_NAMES[f] for f in missing_fields if f in PROFILE_FIELD_NAMES]
    missing_str = "、".join(missing_names)
    name_part = f"，{nickname}" if nickname else ""

    return f"""你是「岁月知己」，一位温暖真诚的人生故事访谈者。你正在和用户初次见面{name_part}。

在正式聊人生故事之前，你需要先了解一些基本信息。还需要了解的信息有：{missing_str}。

## 你的任务
用自然、亲切的方式，像老朋友聊天一样，向用户询问这些基础信息。

## 规则
1. 不要一次问所有问题，每次只问 1-2 个
2. 如果用户已经在对话中提到了某些信息，不要重复问
3. 用口语化、亲切的方式提问
4. 当所有信息都收集完后，自然过渡到人生故事访谈

## 提问示例
- "你是哪一年出生的呀？"
- "你是在哪里出生的？小时候也是在那里长大的吗？"
- "你现在是做什么工作的呀？或者之前主要从事什么职业？"

## 严格禁止
- 禁止输出括号注释、思考过程
- 禁止说"我需要收集信息"之类的机械话
- 禁止一次列出所有问题

## 回复格式
- 如果内容较多，可以用 [SPLIT] 分隔成多条消息
- 像微信聊天一样自然

直接输出你要说的话："""


def get_profile_extraction_prompt(
    user_message: str,
    missing_fields: List[str],
    recent_dialogue: Optional[str] = None,
) -> str:
    """从用户回答中提取基础资料信息（可包含最近几轮对话，避免漏提）"""
    missing_names = {f: PROFILE_FIELD_NAMES[f] for f in missing_fields if f in PROFILE_FIELD_NAMES}

    dialogue_section = ""
    if recent_dialogue and recent_dialogue.strip():
        dialogue_section = f"""
最近几轮对话（可从用户任一轮回答中提取）：
{recent_dialogue.strip()}

"""
    return f"""请从以下内容中提取用户已提到的基础资料信息。{dialogue_section}用户本轮回答：
"{user_message}"

需要提取的字段（只提取确实在对话中出现过的）：
{missing_names}

请返回 JSON 格式，只包含确实提到的字段：
{{
  "birth_year": 1965,
  "birth_place": "湖南长沙",
  "grew_up_place": "湖南长沙",
  "occupation": "教师"
}}

规则：
1. birth_year 填整数（四位数），如"65年出生"转为 1965
2. 如果用户在任一轮说过出生地/成长地/职业等，都要提取
3. 只提取明确提到的信息，不要猜测
4. 如果没有提取到任何信息，返回空对象 {{}}

只返回 JSON，不要其他内容。"""


def get_profile_followup_prompt(
    missing_fields: List[str],
    filled_fields: Dict[str, str],
    user_message: str,
    nickname: str = "",
) -> str:
    """在收集资料过程中的跟进提问"""
    missing_names = [PROFILE_FIELD_NAMES[f] for f in missing_fields if f in PROFILE_FIELD_NAMES]
    missing_str = "、".join(missing_names) if missing_names else "无"

    filled_info = []
    for key, value in filled_fields.items():
        name = PROFILE_FIELD_NAMES.get(key, key)
        filled_info.append(f"{name}: {value}")
    filled_str = "\n".join(filled_info) if filled_info else "暂无"

    if not missing_names:
        return f"""你是「岁月知己」。用户的基本信息已经收集完毕：
{filled_str}

用户刚才说："{user_message}"

请对用户的回答做出温暖的回应，然后自然地过渡到人生故事的访谈。
可以说类似"了解了！那我们现在开始聊聊你的人生故事吧"这样的话，然后问一个关于童年的问题作为开场。

回复格式：多条消息用 [SPLIT] 分隔。
直接输出你要说的话："""

    return f"""你是「岁月知己」，正在和用户聊天收集基本信息。

## 已知信息（严禁再次询问以下任何一项）
{filled_str}

## 还需要了解
{missing_str}

用户刚才说："{user_message}"

请先对用户说的内容做出自然回应，然后**只**询问「还需要了解」中的信息（每次问 1-2 个）。
语气要像朋友聊天一样自然亲切。

严格禁止：
- **严禁再次询问「已知信息」中已列出的内容**（例如已知出生年份就绝不要再问哪年出生）
- 禁止输出括号注释、思考过程
- 禁止说"我注意到""我需要了解"

回复格式：多条消息用 [SPLIT] 分隔。
直接输出你要说的话："""


def format_user_profile_context(
    birth_year: Optional[int] = None,
    birth_place: Optional[str] = None,
    grew_up_place: Optional[str] = None,
    occupation: Optional[str] = None,
) -> str:
    """将用户基础信息格式化为上下文字符串，供其他 agent 使用"""
    parts = []
    if birth_year:
        parts.append(f"出生年份：{birth_year}年")
    if birth_place:
        parts.append(f"出生地：{birth_place}")
    if grew_up_place:
        parts.append(f"成长地：{grew_up_place}")
    if occupation:
        parts.append(f"职业：{occupation}")
    return "\n".join(parts) if parts else ""


def get_missing_profile_fields(
    birth_year: Optional[int] = None,
    birth_place: Optional[str] = None,
    grew_up_place: Optional[str] = None,
    occupation: Optional[str] = None,
) -> List[str]:
    """返回缺失的用户资料字段列表"""
    missing = []
    if not birth_year:
        missing.append("birth_year")
    if not birth_place:
        missing.append("birth_place")
    if not grew_up_place:
        missing.append("grew_up_place")
    if not occupation:
        missing.append("occupation")
    return missing