"""中心服务端配置。

它和桌面端后端是两套东西：桌面端连 school_assistant 库、只看自己那所学校；
中心服务端连 school_assistant_hub 库，收所有学校报上来的经验草稿，审核后发布回去。
"""

from pathlib import Path

from pydantic_settings import BaseSettings, SettingsConfigDict

ROOT_DIR = Path(__file__).resolve().parent.parent
CONSOLE_DIST = ROOT_DIR / "dist" / "console"


class ServerSettings(BaseSettings):
    model_config = SettingsConfigDict(
        env_file=str(ROOT_DIR / ".env"),
        env_file_encoding="utf-8",
        env_prefix="HUB_",
        extra="ignore",
    )

    port: int = 8801
    # 中心库（与桌面端同一个 PostgreSQL 实例，不同数据库）
    pg_host: str = "127.0.0.1"
    pg_port: int = 15433
    pg_user: str = "assistant"
    pg_password: str = "assistant_dev_123"
    pg_database: str = "school_assistant_hub"
    # 维护库：建库时先连它（CREATE DATABASE 不能在目标库里执行）
    pg_maintenance_database: str = "postgres"

    # 后台登录口令。留空则只监听 127.0.0.1 且不校验，方便本机开发
    console_token: str = ""

    # 智能预审用的模型（不配就只做规则预审，不调模型）
    llm_provider: str = "deepseek"
    llm_api_key: str = ""
    llm_model: str = "deepseek-chat"
    llm_base_url: str = "https://api.deepseek.com/v1"

    # 智能采纳的门槛（见 server/autoreview.py）。只影响控件技巧 / 入口路径类，系统规则永远人审
    auto_min_schools: int = 2         # 跨校观察达到几所就认为成立
    auto_min_observations: int = 3    # 只有一所学校时，观察多少次才够
    auto_min_trials: int = 2          # Agent 在真实页面上验证相符几次算实测通过（唯一能解锁系统规则类的证据）
    auto_require_llm: bool = True     # 配了模型 Key 时是否要求模型也同意
    auto_reject: bool = True          # 是否自动清掉明显的垃圾（标记 auto，再上报会退回队列）
    auto_max_actions: int = 50        # 单次最多处理多少条
    # 上报后自动跑一遍智能采纳。默认关：先用后台按钮手动跑几次，看准了再打开
    auto_on_report: bool = False


settings = ServerSettings()