"""文本组装与向量生成。

核心逻辑:
    1. compose_text: 从 EnTranslatedArticle 拼接中文文本供嵌入
    2. embed_article: 单篇文章嵌入
    3. embed_articles: 批量嵌入（自动分块）
"""

import logging

from openai import OpenAI

from embedding.client import EmbeddingConfig, embed_batch
from embedding.models import EmbeddingResult
from llm.models import EnTranslatedArticle

logger = logging.getLogger(__name__)

# 嵌入文本最大字符数（DashScope text-embedding-v3 支持 8192 token，保守取 4000 字符）
MAX_EMBED_CHARS = 4000


def compose_text(article: EnTranslatedArticle, max_chars: int = MAX_EMBED_CHARS) -> str:
    """把 EnTranslatedArticle 组装成单段嵌入文本。

    拼接策略:
        - 中文标题（最高信号）
        - 事件摘要（语义浓缩）
        - 中文正文（截断）

    Args:
        article: M4 输出的双语文章
        max_chars: 整段最大字符数

    Returns:
        拼接后的中文嵌入文本
    """
    parts: list[str] = []

    # 1. 标题（中文）
    if article.title_zh:
        parts.append(f"标题: {article.title_zh}")

    # 2. 事件标签（语义浓缩）
    for ev in article.events:
        event_parts = [
            f"[{ev.sentiment.value}]",
            f"{ev.event_type}",
            f"重要度{ev.importance}",
        ]
        if ev.stock_codes:
            event_parts.append("代码:" + ",".join(ev.stock_codes[:5]))
        if ev.summary_zh:
            event_parts.append(ev.summary_zh)
        parts.append("事件: " + " ".join(event_parts))

    # 3. 中文正文
    if article.content_zh:
        body = article.content_zh
        parts.append(f"正文: {body}")

    text = "\n".join(parts)

    # 截断保护
    if len(text) > max_chars:
        logger.debug("嵌入文本超长 %d → %d", len(text), max_chars)
        text = text[:max_chars]

    return text


def embed_article(
    client: OpenAI,
    config: EmbeddingConfig,
    article: EnTranslatedArticle,
) -> EmbeddingResult:
    """单篇文章嵌入。

    Args:
        client: OpenAI 客户端
        config: Embedding 配置
        article: M4 输出的双语文章

    Returns:
        EmbeddingResult 含向量 + 元信息
    """
    text = compose_text(article)

    vectors = embed_batch(client, config, [text])
    if not vectors:
        raise ValueError(f"嵌入返回空结果: {article.url_hash}")

    return EmbeddingResult(
        url_hash=article.url_hash,
        source_id=article.source_id,
        vector=vectors[0],
        dimension=len(vectors[0]),
        embedded_text=text,
        provider=config.provider,
        model=config.model,
    )


def embed_articles(
    client: OpenAI,
    config: EmbeddingConfig,
    articles: list[EnTranslatedArticle],
) -> list[EmbeddingResult]:
    """批量嵌入多篇文章（自动分块+重试）。

    Args:
        client: OpenAI 客户端
        config: Embedding 配置
        articles: M4 输出的双语文章列表

    Returns:
        EmbeddingResult 列表
    """
    if not articles:
        return []

    # 组装所有嵌入文本
    texts = [compose_text(a) for a in articles]

    # 批量嵌入
    vectors = embed_batch(client, config, texts)

    # 组装结果
    results: list[EmbeddingResult] = []
    for article, vec in zip(articles, vectors):
        results.append(EmbeddingResult(
            url_hash=article.url_hash,
            source_id=article.source_id,
            vector=vec,
            dimension=len(vec),
            embedded_text=compose_text(article),
            provider=config.provider,
            model=config.model,
        ))

    return results