"""自主学习闭环第一步：任务成功后自动生成 learned 草稿。

来源两路：
1. 产物直接映射：entry_url -> 入口地址，form_fields -> 表单字段，menus -> 菜单结构
2. 一次模型调用：从 Agent 的总结和访问过的页面里提炼"下次同类任务能直接复用的操作知识"
草稿写入 learned_entries(status=draft)，用户在桌面端采纳后才会注入 prompt。
"""

import json
from typing import Any

from backend.browser.llm_factory import get_llm_config
from backend.nlu import _call_llm

ARTIFACT_KEYS = {
    "entry_url": "入口地址",
    "form_fields": "表单字段",
    "menus": "菜单结构",
}
MAX_ENTRIES = 8


def _is_submit_step(step: dict) -> bool:
    return bool(step.get("human_confirm_before") or step.get("on_success_status") == "submitted")


def _from_artifacts(artifacts: dict, step: dict) -> list[dict]:
    entries = []
    for art_key, learned_key in ARTIFACT_KEYS.items():
        value = artifacts.get(art_key)
        if not value:
            continue
        # 填报类步骤的 form_fields 是本次填的具体值（班级、人名…），不是表单结构，不能当知识
        if art_key == "form_fields" and _is_submit_step(step):
            continue
        entries.append({"key": learned_key, "value": str(value).strip()[:2000], "category": "path"})
    return entries


def _build_prompt(
    business: dict, step: dict, summary: str, history: dict, existing: dict, existing_drafts: dict | None = None
) -> str:
    urls = history.get("urls") or []
    existing_lines = "\n".join(f"- {k}：{str(v)[:120]}" for k, v in existing.items()) or "（无）"
    draft_lines = "\n".join(f"- {k}：{str(v)[:120]}" for k, v in (existing_drafts or {}).items()) or "（无）"
    return "\n".join(
        [
            "你是学校办事助手的知识沉淀模块。下面是一次成功执行的记录，请提炼出「下次执行同类任务时能直接复用的操作知识」。",
            "",
            f"业务：{business.get('name', '')}",
            f"本步目标：{step.get('goal', '')}",
            f"访问过的页面（按顺序）：{json.dumps(urls[:20], ensure_ascii=False)}",
            f"执行步数：{history.get('steps')}，用时 {history.get('duration_s')} 秒",
            "",
            "Agent 的执行总结：",
            summary[:3000],
            "",
            "已经生效的知识（不要重复）：",
            existing_lines,
            "",
            "待审核的草稿（如果这次又观察到同一条知识，请沿用完全相同的 key，value 可以补充得更完整；这是它被多次验证的依据）：",
            draft_lines,
            "",
            "要求：",
            "1. 只记录操作知识：入口路径、控件操作技巧（如某个下拉要点文字容器才能选中、日期要键入后回车）、系统规则和前置条件、容易踩的坑",
            "2. 不要记录本次的具体业务数据：班级、日期、人名、课程名、填了什么内容都不要",
            "2b. 不要记录本次用户临时指令的处理方式：取消、测试、干跑、评测、不要提交这类都不是知识",
            "2c. 不要复述任务提示里已经写明的流程（如提交前要确认），只记录执行中新发现的东西",
            "3. 每条 key 用 4 到 12 个字的名词短语，value 用一到三句话，具体可执行",
            "4. 每条给 category：control_tip（控件操作技巧）/ path（入口路径、页面地址、菜单结构）/ rule（系统规则、前置条件、达标要求、审批流程）/ note（其他）",
            "5. 最多 5 条，没有新知识就返回空数组",
            '输出 JSON：{"entries": [{"key": "...", "value": "...", "category": "control_tip"}]}',
        ]
    )


async def draft_learned(
    business: dict,
    step: dict,
    artifacts: dict,
    history: dict | None,
    summary: str,
    existing: dict | None = None,
    existing_drafts: dict | None = None,
) -> tuple[list[dict], str]:
    """返回 (草稿列表, 备注)。每条 {key, value, category}。模型不可用时只返回产物映射的条目。"""
    existing = existing or {}
    entries: list[dict] = _from_artifacts(artifacts or {}, step)
    note = "产物映射"
    cfg = get_llm_config()
    if cfg.get("api_key"):
        try:
            result: Any = await _call_llm(
                _build_prompt(business, step, summary or "", history or {}, existing, existing_drafts), cfg
            )
            llm_entries = (result or {}).get("entries") or []
            for e in llm_entries:
                if not isinstance(e, dict):
                    continue
                key = str(e.get("key") or "").strip()
                value = str(e.get("value") or "").strip()
                category = str(e.get("category") or "note").strip()
                if key and value:
                    entries.append({"key": key[:128], "value": value[:2000], "category": category})
            note = f"产物映射 + 模型提炼 {len(llm_entries)} 条"
        except Exception as e:  # noqa: BLE001
            note = f"产物映射（模型提炼失败：{type(e).__name__}）"

    seen: set[str] = set()
    unique: list[dict] = []
    for e in entries:
        if e["key"] in seen:
            continue
        if existing.get(e["key"]) == e["value"]:
            continue
        seen.add(e["key"])
        unique.append(e)
    return unique[:MAX_ENTRIES], note