from collections.abc import AsyncIterator

from app.agents.llm_adapter import DeepSeekClient, LLMResponse, LLMStreamChunk
from app.core.config import settings
from app.models.source_case import CaseBase


class PatientAgent:
    """AI 病人：根据病例资料、隐藏信息和短期 memory 回复医生问诊。"""

    def __init__(self, llm: DeepSeekClient | None = None) -> None:
        self.llm = llm or DeepSeekClient()

    async def reply(
        self,
        case: CaseBase,
        memory_messages: list[dict],
        user_message: str,
        mode: str,
        patient_config: dict | None = None,
    ) -> LLMResponse:
        """问诊回复：拼接病例上下文、短期记忆和用户输入后调用 Patient Agent。"""
        messages = self._build_messages(case, memory_messages, user_message, mode, patient_config)
        return await self.llm.chat(
            messages,
            settings.llm_fast_model,
            thinking_enabled=settings.llm_fast_thinking_enabled,
            max_tokens=settings.llm_fast_max_tokens,
        )

    async def stream_reply(
        self,
        case: CaseBase,
        memory_messages: list[dict],
        user_message: str,
        mode: str,
        patient_config: dict | None = None,
    ) -> AsyncIterator[LLMStreamChunk]:
        """流式问诊：以 SSE 方式返回 AI 病人增量回复。"""
        messages = self._build_messages(case, memory_messages, user_message, mode, patient_config)
        async for chunk in self.llm.stream_chat(
            messages,
            settings.llm_fast_model,
            thinking_enabled=settings.llm_fast_thinking_enabled,
            max_tokens=settings.llm_fast_max_tokens,
        ):
            yield chunk

    def _build_messages(
        self,
        case: CaseBase,
        memory_messages: list[dict],
        user_message: str,
        mode: str,
        patient_config: dict | None = None,
    ) -> list[dict]:
        """提示词拼接：构造 AI 病人的系统提示词和对话历史。"""
        profile = case.ai_patient_profile or {}
        hidden_info = case.hidden_patient_info or {}
        config_rule = self._build_patient_config_rule(patient_config)
        mode_rule = {
            "novice": "新手模式：回答清楚，必要时可提示医生继续追问症状、既往史或检查。",
            "practice": "练习模式：只回答被问到的信息，不主动给诊断建议。",
            "teaching": "教学模式：保持患者身份，允许在回答后补充简短学习提示。",
        }.get(mode, "只回答被问到的信息。")
        system = f"""
你是一名标准化 AI 病人或患儿家属，只能基于病例资料回答。
病例主诉：{case.chief_complaint}
患者人设：{profile}
隐藏信息：{hidden_info}
病人初始化配置：{config_rule}
回答规则：
1. 不主动透露未被问到的隐藏信息。
2. 不替医生做诊断，不提供治疗方案。
3. 不编造病例外检查检验结果。
4. 每次回答控制在1到3句话，使用患者或家属口吻，不输出分析过程。
5. 只输出给医生看的患者或家属回复纯文本，不输出 JSON、Markdown、标题、解释或思考过程。
6. 如果医生一次问多个问题，按问题顺序简短回答，不扩展病例外信息。
7. {mode_rule}
"""
        messages = [{"role": "system", "content": system.strip()}]
        messages.extend(self._to_llm_history(memory_messages[-12:]))
        messages.append({"role": "user", "content": user_message})
        return messages

    def _build_patient_config_rule(self, patient_config: dict | None) -> str:
        """配置提示：把训练页初始化配置转成 AI 病人表达约束。"""
        if not patient_config:
            return (
                "使用默认门诊、青年、高等教育、平和性格的表达方式。"
                "配置只影响表达风格，不能改变病例事实、不能泄露隐藏信息、不能编造检查检验结果。"
            )

        labels = patient_config.get("labels") if isinstance(patient_config, dict) else None
        values = labels or (patient_config.get("values") if isinstance(patient_config, dict) else {}) or {}
        visit_environment = values.get("visit_environment", "门诊")
        age_group = values.get("age_group", "青年")
        education_level = values.get("education_level", "高等教育")
        personality = values.get("personality", "平和")

        visit_rules = {
            "门诊": "按门诊沟通节奏回答，病情描述相对稳定。",
            "急诊": "语气更急迫，优先表达担忧和症状变化，但每次仍控制在1到3句话。",
            "病房": "体现住院或病房随访语境，回答更偏病程观察和治疗反应。",
        }
        age_rules = {
            "儿童": "以家属代述为主，避免让患儿直接使用成人化表达。",
            "青年": "表达相对清楚，能主动配合基础问诊。",
            "中年": "可体现工作、家庭负担和慢病背景对就诊的影响。",
            "老年": "表达稍慢，关注基础病、用药史和照护者补充信息。",
        }
        education_rules = {
            "小学及以下": "少用医学术语，症状描述更口语化，需要医生解释才理解专业概念。",
            "中等教育": "能理解常见健康解释，但不主动使用专业诊断结论。",
            "高等教育": "能清楚描述症状细节，但仍不能替医生做诊断。",
        }
        personality_rules = {
            "平和": "情绪稳定，按问题回答。",
            "焦虑": "回答中带担忧，可能追问孩子是否严重、是否需要住院。",
            "急躁": "回答更短，更希望尽快得到处理结果。",
            "配合": "愿意补充相关细节，但不主动泄露未被问到的隐藏信息。",
            "多疑": "会追问检查、用药和治疗依据。",
        }
        return (
            f"就诊环境={visit_environment}；年龄段={age_group}；文化程度={education_level}；性格={personality}。"
            f"就诊环境规则：{visit_rules.get(visit_environment, '按常规问诊节奏回答。')}"
            f"年龄段规则：{age_rules.get(age_group, '按普通成年患者表达。')}"
            f"文化程度规则：{education_rules.get(education_level, '按普通健康素养表达。')}"
            f"性格规则：{personality_rules.get(personality, '按问题简短回答。')}"
            "上述配置只影响语气、配合度、理解能力和表达细节；不能改变病例事实，不能主动泄露隐藏信息，不能编造检查检验结果。"
        )

    def _to_llm_history(self, memory_messages: list[dict]) -> list[dict]:
        """历史转换：把业务角色 doctor/patient 转换为 LLM role。"""
        role_map = {"doctor": "user", "patient": "assistant", "system": "system", "tool": "assistant"}
        return [
            {"role": role_map.get(item.get("role"), "user"), "content": item.get("content", "")}
            for item in memory_messages
            if item.get("content")
        ]