"""
LLM 핸들러 모듈
─────────────
LLM 답변 생성 및 후처리
"""

import re
from typing import Optional, List, Dict


class LLMHandler:
    """LLM 답변 생성 핸들러"""
    
    def __init__(self, llm_client, config):
        self.llm_client = llm_client
        self.config = config
    
    def generate_answer(
        self,
        system_prompt: str,
        user_prompt: str,
        ts: str,
        max_tokens: Optional[int] = None,
        temperature: float = 0.3
    ) -> str:
        """LLM 답변 생성 (기존 방식 - 하위 호환성)
        
        Args:
            system_prompt: 시스템 프롬프트
            user_prompt: 사용자 프롬프트
            ts: 타임스탬프 (로깅용)
            max_tokens: 최대 토큰 수 (기본값: config에서 가져옴)
            temperature: 온도 파라미터
            
        Returns:
            생성된 답변 텍스트
        """
        if max_tokens is None:
            max_tokens = self.config.llm_max_tokens
        
        try:
            print(f"[LLMHandler] {ts} LLM 답변 생성 중... (max_tokens={max_tokens})")
            
            response = self.llm_client.chat_completion(
                messages=[
                    {"role": "system", "content": system_prompt},
                    {"role": "user", "content": user_prompt}
                ],
                max_tokens=max_tokens,
                temperature=temperature
            )
            
            # <think> 태그 제거
            formatted = self._remove_think_tags(response)
            
            print(f"[LLMHandler] {ts} LLM 답변 생성 완료 (길이: {len(formatted)}자)")
            return formatted
            
        except Exception as e:
            print(f"[LLMHandler] {ts} ❌ LLM 답변 생성 실패: {e}")
            raise
    
    def generate_answer_from_messages(
        self,
        messages: List[Dict[str, str]],
        ts: str,
        max_tokens: Optional[int] = None,
        temperature: float = 0.3
    ) -> str:
        """LLM 답변 생성 (Messages Format - 표준 방식)
        
        Args:
            messages: [{"role": "system|user|assistant", "content": "..."}]
            ts: 타임스탬프 (로깅용)
            max_tokens: 최대 토큰 수
            temperature: 온도 파라미터
            
        Returns:
            생성된 답변 텍스트
        """
        if max_tokens is None:
            max_tokens = self.config.llm_max_tokens
        
        try:
            print(f"[LLMHandler] {ts} LLM 답변 생성 중... (messages={len(messages)}개, max_tokens={max_tokens})")
            
            response = self.llm_client.chat_completion(
                messages=messages,
                max_tokens=max_tokens,
                temperature=temperature
            )
            
            # <think> 태그 제거
            formatted = self._remove_think_tags(response)
            
            print(f"[LLMHandler] {ts} LLM 답변 생성 완료 (길이: {len(formatted)}자)")
            return formatted
            
        except Exception as e:
            print(f"[LLMHandler] {ts} ❌ LLM 답변 생성 실패: {e}")
            raise
    
    def generate_fallback_answer(self, best_match: dict) -> str:
        """폴백 답변 생성 (LLM 실패 시)
        
        Args:
            best_match: 최상위 매칭 결과
            
        Returns:
            폴백 답변
        """
        return (
            "고객님의 질문은 다음과 같다고 생각됩니다.\n\n"
            f"{best_match['q']}\n\n"
            "이에 대한 답변을 드리겠습니다.\n\n"
            f"{best_match['a']}"
        )
    
    def generate_default_guidance(self) -> str:
        """기본 질문 유도 답변 (LLM 실패 시)"""
        return (
            "죄송합니다. 고객님의 질문과 관련된 정보를 찾을 수 없습니다.\n\n"
            "한국도로공사는 고속도로 이용과 관련된 상담을 제공하고 있습니다.\n"
            "통행료, Hi-pass, 환불, 소음 민원, 시설물 이용 등에 대해 궁금하신 사항이 있으시다면 질문해 주세요.\n\n"
            "또는 한국도로공사 콜센터(1588-2504)로 문의하시면 자세한 안내를 받으실 수 있습니다."
        )
    
    def _remove_think_tags(self, text: str) -> str:
        """<think> 태그 제거"""
        if "<think>" in text and "</think>" in text:
            return re.sub(r'<think>.*?</think>\s*', '', text, flags=re.DOTALL).strip()
        return text