"""Agnes 翻译后端(通用 LLM 做翻译,作为 TMT/MaaS 之后的第三级 fallback)。

- 端点:settings.agnes_base_url/v1/chat/completions
- 模型:settings.agnes_chat_model(agnes-2.0-flash)
- 鉴权:Bearer AGNES_API_KEY
- 复用 LlmClient 的限速(interval_sec)

适用场景:
- TMT 月配额快满(>95%)时,先走 MaaS(u2)
- MaaS 不可用 / 失败时,降到 Agnes(通用 LLM 翻译,质量次之,但够用)
- Agnes 不可用时,本地 NLLB 最后兜底

注意:
- Agnes 不是翻译专用模型,翻译质量不如 TMT / MaaS u2
- 但 Agnes 的 commentary / image / classification 已经走它,客户端有相同 quota 计费体系
- 用一个特殊 system prompt 强约束:只输出译文
"""
from __future__ import annotations

import logging

from app.config import settings
from app.services.llm.client import LlmClient
from app.services.translation.base import BaseTranslator, TranslationResult

logger = logging.getLogger("news.translate.agnes")


# Agnes 做翻译的 system prompt。
# 关键约束:只输出译文,不要思考/分析/注释/标签。
# 这是通用 LLM 翻车最多的地方——会输出 "以下是中文翻译: ..." 前缀,要强约束。
_SYSTEM_PROMPT = """你是即时翻译引擎。把用户输入的文本翻译成简体中文。

严格规则:
1. 只输出译文本身,不要输出任何其他文字
2. 不要输出"以下是翻译"、"译文:"、"[Translation]"、引号、破折号等任何包裹
3. 不要分步思考、不要分析、不要注释、不要解释
4. 不要输出 <think>、<reasoning>、<analysis> 等内部标签
5. 如果输入已经是中文,直接原样返回
6. 保持原文段落结构(用换行分隔)"""


class AgnesTranslator(BaseTranslator):
    """Agnes 翻译(通用 LLM 兜底)。"""

    name = "agnes"

    def __init__(self):
        if not settings.agnes_api_key:
            raise RuntimeError("AGNES_API_KEY 未配置")
        # 用 chat_model,不复用 image_model
        self.client = LlmClient(
            base_url=settings.agnes_base_url,
            api_key=settings.agnes_api_key,
            chat_model=settings.agnes_chat_model,
            image_model=settings.agnes_image_model,
            interval_sec=settings.llm_interval_sec,
        )

    def is_configured(self) -> bool:
        return bool(settings.agnes_api_key)

    async def translate(
        self, text: str, source: str = "auto", target: str = "zh"
    ) -> TranslationResult:
        if not text.strip():
            return TranslationResult(text=text, engine=self.name, chars=0)

        if not self.is_configured():
            raise RuntimeError("AGNES_API_KEY 未配置")

        # 长文本截断保护:Agnes max_tokens 上限小,避免超限
        # 经验值:1 token ≈ 1.5 个英文 / 0.7 个中文字符
        # 默认 chat 接口 max_tokens=1500,我们给 4096 留余量
        # 输入截到 6000 字符(MaaS 的限制类似)
        max_input = 6000
        truncated = text[:max_input] if len(text) > max_input else text

        # 保留段落结构
        user = truncated

        # LlmClient.chat 已含 interval_sec 节流
        content = await self.client.chat(
            system=_SYSTEM_PROMPT,
            user=user,
            temperature=0.1,  # 翻译任务低温度更稳
            max_tokens=4096,
        )

        if not content or not content.strip():
            raise RuntimeError("Agnes 返回空 content")

        # 清洗:模型有时还会输出 markdown 代码块包裹
        cleaned = content.strip()
        if cleaned.startswith("```"):
            # 去掉代码块围栏
            lines = cleaned.split("\n")
            cleaned = "\n".join(
                l for l in lines if not l.strip().startswith("```")
            ).strip()

        # 去除已知的前缀模式(模型偶尔还是会犯)
        prefixes_to_strip = [
            "以下是译文:",
            "以下是中文翻译:",
            "译文:",
            "中文翻译:",
            "Translation:",
            "翻译结果:",
        ]
        for p in prefixes_to_strip:
            if cleaned.startswith(p):
                cleaned = cleaned[len(p):].lstrip()
                break

        return TranslationResult(
            text=cleaned, engine=self.name, chars=len(text), cached=False
        )