"""
IM Bot 真实 LLM 调用。

原实现位于 channels.py（通用频道管理模块），该模块已移除。
为保持 IM Bot（微信机器人等）正常生成回复，将 _call_real_llm 迁移至此独立模块。

行为（对齐 AI 聊天 — 2026-07-23 同步至最新）：
- Issue 7：图像/视频/语音意图优先走平台媒体模型（与 AI 聊天同一套 Auto 路由），
  不再对"制作图片"这类请求只回文本。
- Issue 8：默认 Auto 模型；每轮先自动发现本账号已安装且平台已部署的技能，
  多个适用时由模型自行判断选 1 个最优，通过 function calling 执行。
- 2026-07-15：修复 trust_env=False + proxy 处理，避免容器坏代理导致调用失败；
  媒体生成前先经 _optimize_media_prompt 精炼提示词，提升 AGNES 生成质量。
- 2026-07-23：对齐 Web Chat 最新能力：
  * 模型 failover（Auto 模式自动切换备选模型）
  * 平台知识库注入（get_platform_knowledge，技能清单实时同步）
"""
import asyncio
import json
import logging
import re as _re
from datetime import datetime, timezone, timedelta
from typing import Optional
from urllib.parse import urlparse as _urlparse

import httpx
from app.core.llm_client import chat_complete  # 统一模型层(07-24): web/IM 共用标准 OpenAI SDK 客户端
from sqlalchemy.orm import Session

from ..capability_registry import resolve_auto_model
from ..models import AIModel, ModelProvider, TokenUsageLog, gen_uuid
from app.core.observability import get_trace_id

logger = logging.getLogger(__name__)


# 香港出网代理(实测对 AGNES 延迟更低，2026-07-15 用户实测)，与 chat.py 同值。
_HK_PROXY = "http://qyyfw:XHR521yhf@103.242.14.208:11495"


def _proxy_for_url(url: str) -> str | None:
    """按目标域名选择是否走代理（与 chat.py 同逻辑）。

    2026-07-15 调整：AGNES 改走香港代理(实测延迟更低)，不再直连。
    国内域名(尊重 NO_PROXY)直连，更稳定。
    """
    import os
    host = (_urlparse(url).hostname or "").lower()
    if "agnes-ai.com" in host or "agnes-ai.space" in host:
        return _HK_PROXY
    if "qihuyun.com" in host:
        return None
    _no_proxy = [h.strip().lower() for h in os.environ.get("NO_PROXY", "").split(",") if h.strip()]
    for _np in _no_proxy:
        if host == _np or host.endswith("." + _np) or _np in host:
            return None
    return os.environ.get("HTTPS_PROXY") or os.environ.get("HTTP_PROXY") or "http://172.18.0.1:7890"


def _run_async(coro, timeout=None):
    """在同步上下文中运行协程，兼容「无事件循环」与「已有事件循环」两种场景。

    IM 个人微信在独立线程中调用（无事件循环）→ asyncio.run；
    IM 多平台 Webhook 可能在 FastAPI 协程内调用（已有事件循环）→ 丢到线程池执行。

    timeout: 可选，秒数；超时抛出 asyncio.TimeoutError（由调用方捕获）。
    """
    try:
        loop = asyncio.get_running_loop()
    except RuntimeError:
        loop = None

    if timeout is not None:
        async def _timed():
            return await asyncio.wait_for(coro, timeout=timeout)
        target = _timed()
    else:
        target = coro

    if loop is not None and loop.is_running():
        import concurrent.futures
        with concurrent.futures.ThreadPoolExecutor(1) as ex:
            return ex.submit(lambda: asyncio.run(target)).result(timeout=(timeout + 10) if timeout else None)
    return asyncio.run(target)


def _log_media_usage(db: Session, user_id: str, ai_model, media_type: str, prompt: str):
    """IM Bot 媒体生成记账：把图片/视频消耗写入 TokenUsageLog，供驾驶舱统计。

    此前 IM Bot 路径完全不写 TokenUsageLog，导致微信生成的图片/视频在驾驶舱里"查无此项"。
    媒体 API 不返回 token 用量，这里用与 chat.py _generate_media_task 一致的估算。
    """
    if not user_id or not ai_model:
        return
    try:
        base = 1200 if media_type == "video" else 400
        est = base + (len(prompt or "") // 4)
        db.add(TokenUsageLog(
            id=gen_uuid(),
            user_id=user_id,
            model_id=ai_model.id,
            model_name=ai_model.name,
            trace_id=get_trace_id(),
            prompt_tokens=est,
            completion_tokens=0,
            total_tokens=est,
            created_at=datetime.now(timezone(timedelta(hours=8))).replace(tzinfo=None),
        ))
        db.commit()
    except Exception as e:
        try:
            db.rollback()
        except Exception:
            pass
        logger.warning(f"[im_llm] 媒体 Token 记账失败(忽略): {e}")


def _call_real_llm(db: Session, user=None, prompt: str = "", platform: str = "im", user_id: str = None) -> "str | dict":
    """调用七虎AI 生成回复，供 IM Bot 复用。支持媒体意图路由、已安装技能自动发现、模型 failover。"""
    try:
        from app.api.chat import (
            _generate_media,
            detect_media_intent,
            _discover_installed_skills,
            _build_system_prompt,
            _execute_skill_tool,
        )

        # ===== 1) 媒体意图路由（Issue 7）=====
        intent = detect_media_intent(prompt)
        if intent:
            ai_model = resolve_auto_model(intent, db)
            if ai_model:
                try:
                    result = _run_async(_generate_media(db, ai_model, prompt, user_id), timeout=300)
                except Exception:
                    # 任何未预期异常(如 AGNES 连接重置)统一兜底为友好提示，
                    # 绝不直接把原始异常(如 "Server disconnected")甩给用户
                    result = "⚠️ 媒体生成暂时失败（连接或服务波动），请稍后重试。"
                if result:
                    # 媒体生成成功：返回结构化对象，交由 im_bot_user 在微信内联发送图片/视频
                    s = result.strip()
                    if s.startswith("<img") or s.startswith("<video"):
                        m = _re.search(r'src="([^"]+)"', s)
                        url = m.group(1) if m else ""
                        media_type = "image" if s.startswith("<img") else "video"
                        if not url:
                            return "（生成完成，但未能提取媒体地址）"
                        # IM Bot 路径此前完全不记账 → 补写媒体消耗，驾驶舱才看得到图片/视频数据
                        _log_media_usage(db, user_id, ai_model, media_type, prompt)
                        return {"__media__": True, "media_type": media_type, "url": url}
                    # 媒体生成失败：_generate_media 已返回友好中文（如限频/队列繁忙），
                    # 直接透传，绝不把原始提示词/标签/JSON 透传给用户
                    if s.startswith("⚠️") or s.startswith("（媒体"):
                        return s
                    return "（媒体生成未能返回有效内容，请重试）"

        # ===== 2) 文本回复：模型 failover + 技能自动发现 + 平台知识库注入 =====
        from ..platform_knowledge import get_platform_knowledge

        # 构建候选模型列表（对齐 Web Chat failover）
        ai_model = resolve_auto_model("text", db)
        _try_models = [ai_model] if (ai_model and ai_model.is_enabled) else []
        # Auto 模式附加备选（IM Bot 始终 Auto）
        _fallbacks = db.query(AIModel).filter(
            AIModel.is_enabled == True,
            AIModel.id != (ai_model.id if ai_model else ""),
        ).order_by(AIModel.is_default.desc()).limit(4).all()
        _try_models.extend([m for m in _fallbacks if m not in _try_models])

        if not _try_models:
            return "（未配置可用文本模型，无法生成回复）"

        # 技能自动发现（提前执行一次，不必每个候选模型重复做）
        skills = []
        if user_id:
            try:
                skills = _discover_installed_skills(db, user_id)[:15]
            except Exception:
                skills = []

        # 平台知识库注入（对齐 Web Chat——微信用户提问"平台有哪些技能"也能得到完整清单）
        kb_context = ""
        try:
            pk = get_platform_knowledge(db=db)
            if pk:
                kb_context = f"【平台知识库——优先使用以下知识回答用户问题】\n{pk}"
        except Exception:
            pass

        # 尝试每个候选模型
        _retry_log = []
        for _try_model in _try_models:
            ai_model = _try_model

            provider = db.query(ModelProvider).filter(ModelProvider.id == ai_model.provider_id).first()
            api_key = ai_model.api_key or (provider.api_key if provider else None)
            api_url = ai_model.endpoint
            if not api_url and provider and provider.api_base_url:
                api_url = f"{provider.api_base_url.rstrip('/')}/v1/chat/completions"
            if not (api_key and api_url):
                _retry_log.append(f"{ai_model.name}: 缺少密钥或端点")
                continue

            system_prompt, function_definitions = _build_system_prompt(
                skills=skills,
                agents=[],
                kb_context=kb_context,
                user_content=prompt,
                mcp=[],
                auto_discovered=bool(skills),
            )
            messages = [
                {"role": "system", "content": system_prompt},
                {"role": "user", "content": prompt},
            ]

            # 尝试调用
            try:
                max_rounds = 3
                ai_content = ""
                _http_ok = True
                for round_num in range(max_rounds):
                    request_body = {"model": ai_model.name, "messages": messages, "max_tokens": 2048}
                    if function_definitions and skills:
                        request_body["tools"] = [
                            {"type": "function", "function": fd} for fd in function_definitions
                        ]
                        request_body["tool_choice"] = "auto"
                    try:
                        data = chat_complete(
                            api_url,
                            api_key,
                            request_body,
                            proxy=_proxy_for_url(api_url),
                            timeout=ai_model.timeout or 120,
                        )
                    except Exception as _exc:
                        _retry_log.append(f"{ai_model.name}: {str(_exc)[:60]}")
                        logger.warning(f"[im_llm] 模型 {ai_model.name} 异常: {_exc}")
                        _http_ok = False
                        break
                        message = data.get("choices", [{}])[0].get("message", {})
                        tool_calls = message.get("tool_calls", [])
                        if tool_calls and skills:
                            messages.append({
                                "role": "assistant",
                                "content": message.get("content") or "",
                                "tool_calls": tool_calls,
                            })
                            for tc in tool_calls:
                                func_name = tc.get("function", {}).get("name", "")
                                try:
                                    func_args = json.loads(tc.get("function", {}).get("arguments", "{}"))
                                except Exception:
                                    func_args = {"input": tc.get("function", {}).get("arguments", "")}
                                tool_result = _execute_skill_tool(db, func_name, func_args, skills, prompt)
                                messages.append({
                                    "role": "tool",
                                    "tool_call_id": tc.get("id", "call_1"),
                                    "content": tool_result,
                                })
                            continue
                        ai_content = message.get("content", "")
                        break

                # 检查本轮调用是否成功
                if _http_ok and ai_content:
                    return ai_content or "（AI 回复为空）"
                # 本轮失败：记录日志，切换备选
                logger.warning(f"[im_llm] 模型 {ai_model.name} 失败，切换备选...")
                continue
            except Exception as exc:
                _retry_log.append(f"{ai_model.name}: {str(exc)[:60]}")
                logger.warning(f"[im_llm] 模型 {ai_model.name} 异常: {exc}")
                continue

        # 全部失败
        _summary = "; ".join(_retry_log[-3:])
        return f"（已尝试 {len(_try_models)} 个模型均调用失败。最后错误: {_summary}。请稍后重试。）"
    except Exception as e:
        return f"（AI 回复生成失败：{e}）"