"""
مرحله‌ی generation: پرسش + context بازیابی‌شده → پاسخِ فارسی + چند پیشنهادِ
ادامه.

اگه context خالی باشه، مدل به‌عنوانِ معلمِ عمومی جواب می‌ده (بدونِ ادعای
استناد به کتاب) — این حالت وقتی پیش می‌آد که subject/lessonNumber ارسال
نشده یا اون درس هنوز در Qdrant نیست.
"""
import logging
from collections.abc import Iterator

from django.conf import settings

from . import clients

logger = logging.getLogger(__name__)

_DEFAULT_FOLLOW_UPS = ['یک مثال دیگه بزن', 'بیشتر توضیح بده']

_SYSTEM = 'تو یک معلمِ فارسی‌زبانِ دبستانی هستی و پاسخ‌ها را روشن، ساده و کوتاه می‌دهی.'


def _prompt_with_context(question: str, contexts: list[str]) -> str:
    joined = '\n\n---\n\n'.join(contexts)
    return f"""
    تو معلمِ دبستانی هستی. با تکیه بر «متنِ درس» زیر و با زبانِ خودت، به سوالِ
    دانش‌آموز پاسخِ روشن و ساده بده. لازم نیست پاسخ عیناً در متن باشد؛ می‌توانی
    از اطلاعاتِ متن نتیجه‌گیری و توضیح بدهی.
    فقط اگر متنِ درس آشکارا درباره‌ی موضوعِ دیگری‌ست و هیچ ربطی به سوال ندارد،
    بنویس: «این موضوع در این درس پوشش داده نشده است.»

    متنِ درس:
    {joined}

    سوالِ دانش‌آموز: {question}
    """


def _prompt_without_context(question: str) -> str:
    return f"""
    به این سوالِ یک دانش‌آموزِ دبستانی به فارسی، ساده و کوتاه پاسخ بده.

    سوال: {question}
    """


def generate_answer(question: str, context_chunks: list[dict] | None) -> tuple[str, list[str]]:
    """
    context_chunks: خروجیِ retrieve_context ([{title, summary, score}, ...]) یا None/[].
    خروجی: (answer, follow_ups)
    """
    contexts = [c['summary'] for c in (context_chunks or []) if c.get('summary')]
    prompt = _prompt_with_context(question, contexts) if contexts else _prompt_without_context(question)

    client = clients.get_openai_client()
    completion = client.chat.completions.create(
        model=settings.OPENAI_CHAT_MODEL,
        messages=[
            {'role': 'system', 'content': _SYSTEM},
            {'role': 'user', 'content': prompt},
        ],
        temperature=0.3,
    )
    answer = (completion.choices[0].message.content or '').strip()
    if not answer:
        answer = 'متأسفم، الان نتونستم پاسخِ مناسبی بسازم. لطفاً دوباره بپرس.'
    return answer, list(_DEFAULT_FOLLOW_UPS)


def stream_answer(question: str, context_chunks: list[dict] | None) -> Iterator[str]:
    """
    همون generate_answer ولی توکن‌به‌توکن (برای SSE). فقط قطعه‌های متنِ پاسخ
    را yield می‌کند؛ follow_upها ثابت‌اند (_DEFAULT_FOLLOW_UPS) و caller خودش
    اضافه‌شان می‌کند.
    """
    contexts = [c['summary'] for c in (context_chunks or []) if c.get('summary')]
    prompt = _prompt_with_context(question, contexts) if contexts else _prompt_without_context(question)

    client = clients.get_openai_client()
    stream = client.chat.completions.create(
        model=settings.OPENAI_CHAT_MODEL,
        messages=[
            {'role': 'system', 'content': _SYSTEM},
            {'role': 'user', 'content': prompt},
        ],
        temperature=0.3,
        stream=True,
    )
    for event in stream:
        if not event.choices:
            continue
        delta = event.choices[0].delta.content or ''
        if delta:
            yield delta


def default_follow_ups() -> list[str]:
    return list(_DEFAULT_FOLLOW_UPS)