from __future__ import annotations

from langchain_core.messages import HumanMessage, SystemMessage

from app.services.llm import ModelTier, get_chat_model

COMPACTION_PROMPT = """당신은 대화 요약 전문가입니다. 아래 대화를 구조화된 요약으로 압축하세요.

반드시 다음 섹션을 포함하세요:
## 원래 질문
## 핵심 데이터
## 분석 진행 상황
## 수치 데이터 (정확한 값 유지)
## 오류/이슈
## 다음 단계"""


class ContextCompactor:
    """대화 컨텍스트가 너무 커지면 LLM으로 요약하여 압축합니다."""

    @staticmethod
    def _estimate_tokens(text: str) -> int:
        """텍스트의 토큰 수를 추정합니다 (~4자당 1토큰)."""
        return len(text) // 4

    def should_compact(
        self, messages: list[dict], threshold: int = 50000
    ) -> bool:
        """메시지의 토큰 추정치가 임계값을 초과하는지 확인합니다.

        Args:
            messages: 대화 메시지 목록.
            threshold: 토큰 임계값 (기본 50,000).

        Returns:
            압축이 필요하면 True.
        """
        total_text = "".join(
            str(m.get("content", "")) for m in messages
        )
        return self._estimate_tokens(total_text) > threshold

    async def compact(
        self, messages: list[dict], system_prompt: str
    ) -> list[dict]:
        """대화를 요약하여 압축된 메시지 목록을 반환합니다.

        Args:
            messages: 기존 대화 메시지 목록.
            system_prompt: 원래 시스템 프롬프트.

        Returns:
            압축된 메시지 목록 (시스템 메시지 + 요약 메시지).
        """
        # 대화 내용을 텍스트로 변환
        conversation_lines: list[str] = []
        for msg in messages:
            role = msg.get("role", "unknown")
            content = str(msg.get("content", ""))
            conversation_lines.append(f"[{role}]: {content}")

        conversation_text = "\n".join(conversation_lines)

        llm = get_chat_model(tier=ModelTier.FAST)
        response = await llm.ainvoke(
            [
                SystemMessage(content=COMPACTION_PROMPT),
                HumanMessage(content=conversation_text),
            ]
        )

        summary_content = (
            response.content
            if isinstance(response.content, str)
            else str(response.content)
        )

        return [
            {"role": "system", "content": system_prompt},
            {
                "role": "user",
                "content": f"[이전 대화 요약]\n{summary_content}",
            },
        ]