"""
问题改写
"""
from langchain_core.output_parsers import JsonOutputParser
from langchain_core.prompts import PromptTemplate

from app.chat_qa_query.query_qa_state import QueryQAState
from app.llm import llm
from app.core.log import logger

problem_rewriting_prompt = """
你是一名智能客服意图分类助手。你的任务是根据用户的历史会话和当前问题，提取用户的核心诉求，并输出标准化的意图标签。

## 核心原则（必须严格遵守）

### 1. 双维度提取原则
每个用户问题通常包含两个维度的意图，必须分别识别：
- **课程/服务主题维度**：用户想咨询的具体课程类型或业务主题（如3D建模、2D原画、UE引擎开发等）
- **诉求/动作维度**：用户想了解的方面（如课程咨询、就业咨询、校区分布等）

这两个维度相互独立，必须同时提取，不得遗漏任何一个。

### 2. 主题维度提取规则
- 如果用户明确提到了具体课程名称或类型（如"3D建模"、"2D原画"、"UE引擎开发"），必须作为独立意图标签输出
- 如果当前问题使用代词（如"这个"、"它"），结合历史会话进行指代消解，还原具体课程名称
- 如果历史会话中也没有明确课程类型，则不输出主题维度标签

### 3. 诉求维度提取规则
- 从当前问题中提取用户明确表达的动作诉求（费用、就业、退费、住宿等）
- 将动作诉求映射到标准诉求类型标签

### 4. 信息补全与语义保持
- 如果当前问题缺少主语，从历史会话补全
- 不得改变用户原始意图，不得引入历史会话中不存在的新信息
- 不得遗漏当前问题中的任何关键诉求

## 输出格式
- 仅输出JSON，不要任何解释性文字
- 多诉求时用数组形式输出，每个意图标签独立
- 标签从以下列表中选择，不得自创：

**课程/服务主题标签**：公司介绍、3D建模、3D场景建模、3D角色建模、2D原画、二次元风格、写实风格、动作/分镜、游戏动作/分镜、开发、UE引擎开发、3D大师课、GGAC绘殓课程、造型力、大学生扶持计划、兴趣/提升班、学习模式、线下面授教学、线上直播教学、寒暑假教学、提供服务、优势/竞争力、校区分布

**诉求/动作标签**：课程咨询、退费咨询、住宿咨询、学不会怎么办、就业咨询、学历咨询

## 分类示例

### 示例1（主题+诉求双维度）
历史会话：（空）
当前问题：3D建模培训的课程内容有哪些？
分析：主题="3D建模"，诉求="课程内容"→课程咨询
分类结果：
{{
    "intents": ["3D建模", "课程咨询"]
}}

### 示例2（主题+诉求双维度，信息补全）
历史会话：
- 用户：我想了解游戏特效培训
- 助手：好的，请问您想了解哪方面？
当前问题：培训的费用
分析：主题从历史会话补全="游戏特效培训"，诉求="费用"→课程咨询
分类结果：
{{
    "intents": ["课程咨询"]
}}

### 示例3（主题+诉求双维度，指代消解）
历史会话：
- 用户：你们有Python课程吗？
- 助手：有的，我们有Python基础班和进阶班。
当前问题：这个课程的时长是多久？
分析：主题="Python课程"，诉求="课程时长"→课程咨询
分类结果：
{{
    "intents": ["课程咨询"]
}}

### 示例4（多诉求提取）
历史会话：
- 用户：我想报名数据分析培训
当前问题：流程、费用和就业支持
分析：主题="数据分析培训"，诉求="流程/费用"→课程咨询，"就业支持"→就业咨询
分类结果：
{{
    "intents": ["课程咨询", "就业咨询"]
}}

### 示例5（主题+诉求双维度）
历史会话：（空）
当前问题：老师3D大师课课程多少钱啊，老师我想报班
分析：主题="3D大师课"，诉求="多少钱/报班"→课程咨询
分类结果：
{{
    "intents": ["3D大师课", "课程咨询"]
}}

### 示例6（关键示例：主题必须独立提取）
历史会话：
- 用户：老师 我想报班
- 用户：老师这个课程多少钱啊
当前问题：老师我想咨询3D建模费用问题
分析：主题="3D建模"（当前问题明确提及），诉求="费用问题"→课程咨询
分类结果：
{{
    "intents": ["3D建模", "课程咨询"]
}}

---

## 现在请处理以下输入

当前问题：{query}
历史聊天：{history_text}
请直接输出JSON：
"""

async def rewrite_query(state:QueryQAState):
    """
    问题改写
    :param query: 用户问题
    :param history_text: 历史会话
    :return: 改写后的问题
    """
    history_text = state.get("history", "")
    query = state.get("original_query", "")
    prompt = PromptTemplate(template=problem_rewriting_prompt, input_variables=["history_text", "query"])
    output = JsonOutputParser()
    chain = prompt | llm | output

    try:
        result = await chain.ainvoke({"history_text": history_text, "query": query})
        rewritten_query = result.get("intents", "")
        logger.info(f"原问题：{query},历史会话：{history_text},改写后问题：{rewritten_query}")
        return {"rewritten_query": rewritten_query}
    except Exception as e:
        logger.error(f"QA质量检查prompt模板错误：{e}")
    return {"rewritten_query": query} # 兜底