"""
سرویس توصیه آبیاری — بدون API، قابل فراخوانی از سایر سرویس‌ها
از RAG با پایگاه دانش irrigation و لحن مخصوص آبیاری استفاده می‌کند.
"""
import json
import logging

from rag.api_provider import get_chat_client
from rag.chat import build_rag_context, _load_kb_tone
from rag.config import load_rag_config, RAGConfig
from rag.user_data import build_plant_text, build_irrigation_method_text

logger = logging.getLogger(__name__)

KB_NAME = "irrigation"

DEFAULT_IRRIGATION_PROMPT = (
    "بر اساس داده‌های خاک، هواشناسی، مشخصات گیاه، روش آبیاری و پایگاه دانش آبیاری، "
    "یک توصیه آبیاری دقیق بده. "
    "پاسخ حتماً به فرمت JSON با ساختار زیر باشد:\n"
    '{\n'
    '    "plan": {\n'
    '        "frequencyPerWeek": <int>,\n'
    '        "durationMinutes": <int>,\n'
    '        "bestTimeOfDay": "<str>",\n'
    '        "moistureLevel": <int>,\n'
    '        "warning": "<str>"\n'
    '    }\n'
    '}\n'
    "فقط JSON خروجی بده، بدون توضیح اضافی. "
    "مقادیر عددی را بر اساس شرایط واقعی محاسبه کن."
)


def get_irrigation_recommendation(
    sensor_uuid: str,
    plant_name: str | None = None,
    growth_stage: str | None = None,
    irrigation_method_name: str | None = None,
    query: str | None = None,
    config: RAGConfig | None = None,
    limit: int = 8,
) -> dict:
    """
    توصیه آبیاری برای یک سنسور (کاربر).
    از RAG با پایگاه دانش irrigation استفاده می‌کند.

    Args:
        sensor_uuid: شناسه سنسور کاربر
        plant_name: نام گیاه (برای بارگذاری مشخصات از جدول Plant)
        growth_stage: مرحله رشد گیاه
        irrigation_method_name: نام روش آبیاری (برای بارگذاری از جدول IrrigationMethod)
        query: سوال اختیاری
        config: تنظیمات RAG
        limit: تعداد چانک‌های بازیابی‌شده

    Returns:
        dict با کلیدهای irrigation_needed, amount_mm, reason, next_check_date, raw_response
    """
    cfg = config or load_rag_config()
    client = get_chat_client(cfg)
    model = cfg.llm.model

    user_query = query or "توصیه آبیاری برای مزرعه من چیست؟"

    context = build_rag_context(
        user_query, sensor_uuid, config=cfg, limit=limit, kb_name=KB_NAME,
    )

    extra_parts: list[str] = []
    if plant_name and growth_stage:
        plant_text = build_plant_text(plant_name, growth_stage)
        if plant_text:
            extra_parts.append("[اطلاعات گیاه]\n" + plant_text)
    if irrigation_method_name:
        method_text = build_irrigation_method_text(irrigation_method_name)
        if method_text:
            extra_parts.append("[روش آبیاری انتخابی]\n" + method_text)
    if extra_parts:
        context = "\n\n---\n\n".join(extra_parts) + ("\n\n---\n\n" + context if context else "")

    tone = _load_kb_tone(KB_NAME, cfg)
    system_parts = [tone] if tone else []
    system_parts.append(DEFAULT_IRRIGATION_PROMPT)
    if context:
        system_parts.append("\n\n" + context)
    system_content = "\n".join(system_parts)

    messages = [
        {"role": "system", "content": system_content},
        {"role": "user", "content": user_query},
    ]

    try:
        response = client.chat.completions.create(
            model=model,
            messages=messages,
        )
        raw = response.choices[0].message.content.strip()
    except Exception as exc:
        logger.error("Irrigation recommendation error for %s: %s", sensor_uuid, exc)
        return {
            "irrigation_needed": None,
            "amount_mm": None,
            "reason": f"خطا در دریافت توصیه: {exc}",
            "next_check_date": None,
            "raw_response": None,
        }

    try:
        cleaned = raw
        if cleaned.startswith("```"):
            cleaned = cleaned.strip("`").removeprefix("json").strip()
        result = json.loads(cleaned)
    except (json.JSONDecodeError, ValueError):
        result = {
            "plan": {
                "warning": raw,
            },
        }

    result["raw_response"] = raw
    return result