"""LLM 客户端抽象（Phase 5）。

实现约定：真实 Key 来自 .env（LLM_API_KEY / LLM_BASE_URL / LLM_MODEL，见 config.yaml 引用）。
测试注入 FakeLLMClient 走完整编排链路，不触网。
"""

from __future__ import annotations

from typing import Protocol

import httpx

from app.agent.tools import tools_schema
from app.agent.tools_impl import build_tools
from app.core.config import get_settings

SYSTEM_TEMPLATE = """你是个人 A 股量化研究助手（Research Assistant），不是系统管理员。

你可以调用以下工具（每次只能输出一个动作）：
{tools}

输出规则：只输出一行 JSON，两种形态之一：
1. 需要调用工具：{{"tool": "<工具名>", "args": {{...}}}}
2. 给出结论：{{"final": "结论文本"}}

研究纪律（必须遵守）：
- 先提出假设 → 用工具做因子测试或回测 → 基于实验事实分析，再给结论
- 不得仅凭单次回测高收益就宣布策略有效；要主动说明样本外、过拟合、
  look-ahead bias、交易成本、参数敏感性等风险（未做验证的项要明说「未验证」）
- 全程只读：不得要求删除/修改数据或执行任意命令（你也没有这类工具）
- 回答使用简体中文
"""


class LLMClient(Protocol):
    def chat(self, messages: list[dict]) -> str: ...


class OpenAICompatibleClient:
    """OpenAI 兼容 Chat Completions（qwen/dashscope、deepseek、openai 等均适用）。"""

    def __init__(self, *, base_url: str, api_key: str, model: str, timeout: float = 60.0) -> None:
        self._base_url = base_url.rstrip("/")
        self._api_key = api_key
        self._model = model
        self._timeout = timeout

    def chat(self, messages: list[dict]) -> str:
        with httpx.Client(timeout=self._timeout) as client:
            resp = client.post(
                f"{self._base_url}/chat/completions",
                headers={"Authorization": f"Bearer {self._api_key}"},
                json={
                    "model": self._model,
                    "messages": messages,
                    "temperature": 0.2,
                },
            )
            resp.raise_for_status()
            data = resp.json()
        return data["choices"][0]["message"]["content"]


def build_llm_from_settings():
    """从配置构造 LLM；未配置 Key 时返回 None（调用方给出引导提示）。"""
    settings = get_settings()
    if not settings.llm_api_key:
        return None
    return OpenAICompatibleClient(
        base_url=settings.llm_base_url or "https://dashscope.aliyuncs.com/compatible-mode/v1",
        api_key=settings.llm_api_key,
        model=settings.llm_model,
    )


def system_prompt() -> str:
    return SYSTEM_TEMPLATE.format(tools=tools_schema(build_tools()))