"""
Layer 1: 意图规划器
"""
import json
from typing import Any

from core.config import LLM_CONFIG
from core.utils import get_llm_client, llm_chat, extract_json_object

PROMPT = """你是一个数据分析规划专家。

## 你的任务
根据用户的分析问题和数据库 Schema，生成一个结构化的分析计划。

## 输出格式（严格 JSON）
```json
{
  "intent": "一句话描述用户想了解什么",
  "analysis_type": "ranking" | "distribution" | "trend" | "comparison" | "anomaly" | "overview",
  "primary_table": "主要分析的表名",
  "dimensions": ["分组维度列名"],
  "metrics": ["需要聚合的数值列名"],
  "aggregations": ["SUM", "AVG", "COUNT", ...],
  "filters": [{"column": "列名", "condition": "过滤条件（可选）"}],
  "join_needed": false,
  "join_info": {"tables": [], "on": ""},
  "expected_rounds": 3,
  "rationale": "为什么这样规划，需要关注什么"
}
```

## 分析类型说明
- ranking: 按某维度排名
- distribution: 分布/占比
- trend: 时间趋势
- comparison: 对比分析
- anomaly: 异常检测
- overview: 全局概览

## 规划原则
1. 只选择与问题相关的表和列
2. 如果需要 JOIN，说明关联条件
3. 预估需要几轮探索（1-6）
4. 标注可能的异常关注点
5. metrics 不要包含 id 列"""


class Planner:
    """意图规划器"""

    def __init__(self):
        self.client, self.model = get_llm_client(LLM_CONFIG)

    def plan(self, question: str, schema_text: str) -> dict[str, Any]:
        content = llm_chat(
            self.client, self.model,
            messages=[
                {"role": "system", "content": PROMPT},
                {"role": "user", "content": f"## Schema\n{schema_text}\n\n## 用户问题\n{question}"},
            ],
            temperature=0.1,
            max_tokens=1024,
        )
        plan = extract_json_object(content)

        if not plan:
            plan = {"intent": content[:100], "analysis_type": "overview"}

        plan.setdefault("analysis_type", "overview")
        plan.setdefault("expected_rounds", 3)
        plan.setdefault("filters", [])
        plan.setdefault("join_needed", False)
        return plan