"""
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 irrigation.evapotranspiration import calculate_forecast_water_needs, resolve_crop_profile, resolve_kc
from farm_data.models import SensorData
from rag.api_provider import get_chat_client
from rag.chat import build_rag_context, _load_service_tone
from rag.config import load_rag_config, RAGConfig, get_service_config
from rag.user_data import build_plant_text, build_irrigation_method_text
from weather.models import WeatherForecast

logger = logging.getLogger(__name__)

KB_NAME = "irrigation"
SERVICE_ID = "irrigation"

DEFAULT_IRRIGATION_PROMPT = (
    "بر اساس محاسبات نهایی تبخیر-تعرق و نیاز آبی که در ورودی آمده، "
    "یک برنامه آبیاری قابل‌فهم برای کشاورز تولید کن. "
    "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. "
    "از انجام هرگونه محاسبه عددی جدید خودداری کن و فقط از داده‌های ساختاریافته ورودی استفاده 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()
    service = get_service_config(SERVICE_ID, cfg)
    service_cfg = RAGConfig(
        embedding=cfg.embedding,
        qdrant=cfg.qdrant,
        chunking=cfg.chunking,
        llm=service.llm,
        knowledge_bases=cfg.knowledge_bases,
        services=cfg.services,
        chromadb=cfg.chromadb,
    )
    client = get_chat_client(service_cfg)
    model = service.llm.model

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

    sensor = SensorData.objects.select_related("center_location").prefetch_related("plants").filter(farm_uuid=sensor_uuid).first()
    plant = None
    if sensor is not None and plant_name:
        plant = sensor.plants.filter(name=plant_name).first()
    elif sensor is not None:
        plant = sensor.plants.first()
    crop_profile = resolve_crop_profile(plant, growth_stage=growth_stage)
    active_kc = resolve_kc(crop_profile, growth_stage=growth_stage)
    forecasts = []
    daily_water_needs = []
    if sensor is not None:
        forecasts = list(
            WeatherForecast.objects.filter(location=sensor.center_location, forecast_date__isnull=False)
            .order_by("forecast_date")[:7]
        )
        efficiency_percent = None
        if irrigation_method_name:
            from irrigation.models import IrrigationMethod

            method = IrrigationMethod.objects.filter(name=irrigation_method_name).first()
            efficiency_percent = getattr(method, "water_efficiency_percent", None) if method else None
        daily_water_needs = calculate_forecast_water_needs(
            forecasts=forecasts,
            latitude_deg=float(sensor.center_location.latitude),
            crop_profile=crop_profile,
            growth_stage=growth_stage,
            irrigation_efficiency_percent=efficiency_percent,
        )

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

    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 daily_water_needs:
        total_mm = round(sum(item["gross_irrigation_mm"] for item in daily_water_needs), 2)
        schedule_lines = [
            f"- {item['forecast_date']}: ET0={item['et0_mm']} mm, ETc={item['etc_mm']} mm, "
            f"بارش مؤثر={item['effective_rainfall_mm']} mm, نیاز آبی={item['gross_irrigation_mm']} mm, "
            f"زمان پیشنهادی={item['irrigation_timing']}"
            for item in daily_water_needs
        ]
        extra_parts.append(
            "[خروجی قطعی محاسبات FAO-56]\n"
            f"کل نیاز آبی ۷ روز آینده: {total_mm} mm\n"
            f"Kc مورد استفاده: {active_kc}\n"
            + "\n".join(schedule_lines)
        )
    if extra_parts:
        context = "\n\n---\n\n".join(extra_parts) + ("\n\n---\n\n" + context if context else "")

    tone = _load_service_tone(service, cfg)
    system_parts = [tone] if tone else []
    if service.system_prompt:
        system_parts.append(service.system_prompt)
    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
    result["water_balance"] = {
        "daily": daily_water_needs,
        "crop_profile": crop_profile,
        "active_kc": active_kc,
    }
    return result