"""AI 调用工具封装

核心机制：健康门闸（Health Gate）
- ainvoke 抛异常 → 标记故障，全部协程阻塞，单探针退避重试直到成功
- ainvoke 正常返回 → 放行，后续逻辑不变
"""

import asyncio
import re
from typing import Any

from json_repair import repair_json
from langchain_core.language_models import BaseChatModel
from langchain_core.messages import SystemMessage, HumanMessage

from app.core.logger import log

# 匹配 <think>任意内容</think>，用于剥离推理模型的思考过程
_THINK_RE = re.compile(r"<think>.*?</think>", re.DOTALL | re.IGNORECASE)

# 匹配 ```json ... ``` 代码块，提取中间的 JSON 内容
_CODE_BLOCK_RE = re.compile(r"```(?:json\w*)?\s*\n?(.*?)\n?\s*```", re.DOTALL | re.IGNORECASE)

# ──────────── 健康门闸 ────────────
_gate_event = asyncio.Event()    # clear=故障阻塞中, set=健康放行
_gate_event.set()                # 初始状态：健康
_gate_probing = False            # 是否已有探针在重试


def parse_llm_json(text: str) -> Any:
    """解析 AI 输出的 JSON，自动去除思考标签、markdown 代码块，容错处理"""
    # 1. 去掉 <think>...</think> 思考内容
    cleaned = _THINK_RE.sub("", text).strip()
    # 2. 如果有 ```json ... ``` 代码块，只取代码块里的内容
    match = _CODE_BLOCK_RE.search(cleaned)
    if match:
        cleaned = match.group(1).strip()
    # 3. repair_json 容错解析：修复不规范的 JSON（多余逗号、缺引号、非法转义等）
    return repair_json(cleaned, return_objects=True)


async def ai_chat(llm: BaseChatModel, system_prompt: str, user_message: str) -> str:
    """异步调用 LLM，返回原始文本。接口异常时触发门闸阻塞重试直到成功。"""
    global _gate_probing

    while True:
        # 门闸检查：如果当前处于故障状态，阻塞等待直到探针恢复门闸
        await _gate_event.wait()

        try:
            messages = [
                SystemMessage(content=system_prompt),
                HumanMessage(content=user_message),
            ]
            response = await llm.ainvoke(messages)
            return response.content
        except Exception as e:
            # 接口失败 → 关闭门闸
            if _gate_event.is_set():
                _gate_event.clear()
                log.error("AI 接口异常，门闸关闭，全部协程阻塞等待恢复: {}", e)

            if not _gate_probing:
                # 当前协程成为探针，负责退避重试直到成功
                _gate_probing = True
                result = await _probe_until_recover(llm, system_prompt, user_message)
                # 探针成功，直接返回结果（不用再调一次）
                return result
            # 已有探针在工作，回到 while 顶部 await _gate_event.wait() 等待唤醒


async def _probe_until_recover(llm: BaseChatModel, system_prompt: str, user_message: str) -> str:
    """探针：退避重试直到接口恢复，返回成功的响应内容，并打开门闸唤醒所有等待协程"""
    global _gate_probing

    delay = 1.0  # 初始退避 1 秒
    max_delay = 30.0  # 最大退避 30 秒
    attempt = 0

    while True:
        await asyncio.sleep(delay)
        attempt += 1
        try:
            messages = [
                SystemMessage(content=system_prompt),
                HumanMessage(content=user_message),
            ]
            response = await llm.ainvoke(messages)
            # 成功 → 打开门闸，唤醒所有等待协程
            _gate_probing = False
            _gate_event.set()
            log.info("AI 接口恢复，门闸打开，第{}次探测成功", attempt)
            return response.content
        except Exception as e:
            log.warning("AI 接口仍不可用，第{}次探测失败(退避{}s): {}", attempt, delay, e)
            delay = min(delay * 2, max_delay)


async def ai_chat_json(llm: BaseChatModel, system_prompt: str, user_message: str) -> Any:
    """异步调用 LLM，返回解析后的 JSON 对象"""
    raw = await ai_chat(llm, system_prompt, user_message)
    if not raw or not raw.strip():
        log.warning("AI 返回为空")
        return None
    try:
        return parse_llm_json(raw)
    except Exception as e:
        log.warning("AI JSON 解析失败: {}, raw={}", e, raw[:200])
        return None