"""LLM-based extraction of PartQuery from post text using Claude Haiku tool_use."""

from __future__ import annotations

import json
import logging

import anthropic

from agent_samochodowy.config import Settings
from agent_samochodowy.models import PartQuery, Post

logger = logging.getLogger(__name__)

# Tool schema that enforces PartQuery JSON output
_PART_QUERY_TOOL = {
    "name": "extract_part_query",
    "description": "Wyciągnij z posta informacje o szukanej części samochodowej.",
    "input_schema": {
        "type": "object",
        "properties": {
            "is_part_request": {
                "type": "boolean",
                "description": "Czy post jest zapytaniem o część samochodową (kupno, szukanie).",
            },
            "brand": {
                "type": ["string", "null"],
                "description": "Marka pojazdu (np. VOLVO, OPEL, MAN). Null jeśli brak w tekście.",
            },
            "model": {
                "type": ["string", "null"],
                "description": "Model pojazdu (np. FH13, Astra F, TGA). Null jeśli brak.",
            },
            "year": {
                "type": ["string", "null"],
                "description": "Rocznik pojazdu (np. 2015, 98-03). Null jeśli brak.",
            },
            "category": {
                "type": ["string", "null"],
                "description": "Kategoria części (np. pompa wody, alternator, klocki hamulcowe).",
            },
            "engine_code": {
                "type": ["string", "null"],
                "description": "Kod silnika (np. C18NZ, D13A, N47D20). Null jeśli brak.",
            },
            "oe_numbers": {
                "type": "array",
                "items": {"type": "string"},
                "description": "Numery OE/katalogowe z tekstu. Pusta lista jeśli brak.",
            },
            "reason": {
                "type": "string",
                "description": "Krótkie uzasadnienie klasyfikacji (do audytu).",
            },
        },
        "required": ["is_part_request", "reason"],
    },
}

_SYSTEM_PROMPT = """Jesteś ekspertem od identyfikacji zapytań o części samochodowe w postach z grup na Facebooku.

Twoje zadanie:
1. Ustal czy post jest zapytaniem kupującego o część samochodową (is_part_request).
2. Jeśli tak — wyciągnij z tekstu: markę, model, rocznik, kategorię części, kod silnika, numery OE/katalogowe.
3. Jeśli czegoś nie ma w tekście — daj null (NIE zgaduj).

Rozpoznajesz polski slang motoryzacyjny:
- "strucla" = Opel Astra
- "bumer"/"bemka" = BMW
- "merc" = Mercedes
- "klocki" = klocki hamulcowe
- "turbo"/"turbinka" = turbosprężarka

Posty sprzedażowe (sprzedam, oddam) to NIE jest zapytanie — is_part_request = false.
Posty z pytaniami ogólnymi, off-topic — is_part_request = false.

Zawsze użyj narzędzia extract_part_query do odpowiedzi."""


def extract_with_llm(post: Post, settings: Settings) -> PartQuery:
    """Use Claude Haiku to extract a PartQuery from post text."""
    client = anthropic.Anthropic(api_key=settings.llm_api_key)

    response = client.messages.create(
        model=settings.llm_model,
        max_tokens=512,
        system=_SYSTEM_PROMPT,
        tools=[_PART_QUERY_TOOL],
        tool_choice={"type": "tool", "name": "extract_part_query"},
        messages=[
            {
                "role": "user",
                "content": f"Post z grupy '{post.group}':\n\n{post.text}",
            }
        ],
    )

    # Extract tool_use result
    for block in response.content:
        if block.type == "tool_use" and block.name == "extract_part_query":
            data = block.input
            return PartQuery(
                is_part_request=data.get("is_part_request", False),
                raw_text=post.text,
                brand=data.get("brand"),
                model=data.get("model"),
                year=data.get("year"),
                category=data.get("category"),
                engine_code=data.get("engine_code"),
                oe_numbers=data.get("oe_numbers", []),
                reason=data.get("reason", ""),
            )

    logger.warning("LLM did not return tool_use for post %s", post.post_id)
    return PartQuery(
        is_part_request=False,
        raw_text=post.text,
        reason="LLM did not return structured output",
    )