"""
Суммаризация новостей через LLM.
Поддержка: Anthropic Claude, OpenAI, Ollama (локальный).
"""

import logging
from datetime import datetime, timezone

import httpx

logger = logging.getLogger(__name__)

SYSTEM_PROMPT = """Ты — опытный редактор новостного дайджеста. Твоя задача:

1. Прочитай все собранные сообщения из Telegram-каналов.
2. Сгруппируй новости по темам (политика, экономика, технологии, общество и т.д.).
3. Для каждой темы напиши краткое резюме ключевых событий.
4. Если несколько каналов пишут об одном событии — объедини в одну новость, не дублируй.
5. Выдели 3-5 главных новостей дня отдельным блоком в начале.
6. Для каждой новости укажи источник (название канала).

Формат ответа:

📌 **ГЛАВНОЕ**
• [краткая новость] — _Источник_
...

📂 **[ТЕМА]**
• [краткая новость] — _Источник_
...

Правила:
- Пиши кратко и по делу, без воды
- Язык: {language}
- Не выдумывай информацию — только то, что есть в сообщениях
- Если сообщение — реклама или спам, пропусти его
- Сохраняй нейтральный тон
"""


def _build_messages_block(messages: list) -> str:
    """Форматирует сообщения в текстовый блок для LLM."""
    parts = []
    for i, msg in enumerate(messages, 1):
        date_str = msg.date.strftime("%Y-%m-%d %H:%M")
        part = (
            f"--- Сообщение {i} ---\n"
            f"Канал: {msg.channel_title}\n"
            f"Дата: {date_str}\n"
            f"Просмотры: {msg.views}\n"
            f"Текст:\n{msg.text}\n"
        )
        if msg.url:
            part += f"Ссылка: {msg.url}\n"
        parts.append(part)
    return "\n".join(parts)


def _truncate_to_fit(text: str, max_chars: int = 180_000) -> str:
    """Обрезает текст, чтобы влезть в контекстное окно."""
    if len(text) <= max_chars:
        return text
    logger.warning(
        f"Текст обрезан: {len(text)} → {max_chars} символов"
    )
    return text[:max_chars] + "\n\n[...текст обрезан из-за лимита контекста]"


class Summarizer:
    def __init__(self, config: dict):
        self.cfg = config["llm"]
        self.provider = self.cfg["provider"]
        self.language = self.cfg.get("language", "русский")
        self.max_tokens = self.cfg.get("max_tokens", 4096)

    async def summarize(self, messages: list) -> str:
        """Суммаризация списка сообщений."""
        if not messages:
            return "📭 Нет новых сообщений за указанный период."

        messages_block = _build_messages_block(messages)
        messages_block = _truncate_to_fit(messages_block)

        user_prompt = (
            f"Вот {len(messages)} сообщений из Telegram-каналов. "
            f"Составь новостной дайджест.\n\n{messages_block}"
        )

        system = SYSTEM_PROMPT.format(language=self.language)

        logger.info(
            f"Суммаризация через {self.provider} "
            f"({len(messages)} сообщений, ~{len(messages_block)} символов)"
        )

        if self.provider == "anthropic":
            return await self._anthropic(system, user_prompt)
        elif self.provider == "openai":
            return await self._openai(system, user_prompt)
        elif self.provider == "ollama":
            return await self._ollama(system, user_prompt)
        else:
            raise ValueError(f"Неизвестный провайдер: {self.provider}")

    async def _anthropic(self, system: str, user_prompt: str) -> str:
        import anthropic

        client = anthropic.AsyncAnthropic(
            api_key=self.cfg["anthropic_api_key"]
        )
        response = await client.messages.create(
            model=self.cfg.get("anthropic_model", "claude-sonnet-4-20250514"),
            max_tokens=self.max_tokens,
            system=system,
            messages=[{"role": "user", "content": user_prompt}],
        )
        return response.content[0].text

    async def _openai(self, system: str, user_prompt: str) -> str:
        from openai import AsyncOpenAI

        client = AsyncOpenAI(api_key=self.cfg["openai_api_key"])
        response = await client.chat.completions.create(
            model=self.cfg.get("openai_model", "gpt-4o-mini"),
            max_tokens=self.max_tokens,
            messages=[
                {"role": "system", "content": system},
                {"role": "user", "content": user_prompt},
            ],
        )
        return response.choices[0].message.content

    async def _ollama(self, system: str, user_prompt: str) -> str:
        url = self.cfg.get("ollama_url", "http://localhost:11434")
        model = self.cfg.get("ollama_model", "llama3.1:8b")

        async with httpx.AsyncClient(timeout=300) as client:
            response = await client.post(
                f"{url}/api/chat",
                json={
                    "model": model,
                    "stream": False,
                    "messages": [
                        {"role": "system", "content": system},
                        {"role": "user", "content": user_prompt},
                    ],
                },
            )
            response.raise_for_status()
            return response.json()["message"]["content"]