"""
LLM-клиент для DrHider.

Используется в TwoPassObfuscator._scan_llm_ner() для обнаружения
имён, компаний, адресов и паспортных данных через LLM API.

Интерфейс:
    client = LLMClient()
    result = client.complete(prompt)  # str
"""

import os
import time
import httpx


class LLMClient:
    """Клиент для вызова LLM API (aillm.ru / OpenAI-совместимый).

    Использует переменные окружения:
        LLM_API_KEY или LLM_KEY — ключ API
        LLM_URL — URL эндпоинта (по умолчанию https://api.aillm.ru/v1/chat/completions)
        LLM_MODEL — модель (по умолчанию gpt-oss-120b)
    """

    def __init__(self):
        """Инициализировать клиент. httpx импортируется лениво.

        Ведёт кумулятивные счётчики за всё время жизни клиента:
            tokens_prompt        — суммарные входные токены
            tokens_completion    — суммарные выходные токены
            llm_sec              — суммарное время LLM-запросов (сек)

        Плюс флаг текущей активности (для live-таймера в UI):
            llm_active           — True пока идёт LLM-вызов
            llm_started          — time.time() начала текущего LLM-вызова
        """
        self._httpx = httpx
        self.tokens_prompt = 0
        self.tokens_completion = 0
        self.llm_sec = 0.0
        self.llm_active = False
        self.llm_started = 0.0

    @property
    def tokens_total(self) -> int:
        return self.tokens_prompt + self.tokens_completion

    def llm_elapsed_now(self) -> float:
        """Секунд с начала текущего LLM-вызова (0, если LLM не активен)."""
        if self.llm_active:
            return time.time() - self.llm_started
        return 0.0

    def complete(self, prompt: str) -> str:
        """Отправить промпт в LLM и вернуть текст ответа.

        Args:
            prompt: Текст промпта (инструкция + данные для анализа)

        Returns:
            Текстовый ответ модели (обычно JSON-строка)

        Raises:
            httpx.HTTPError: при ошибке HTTP
            KeyError: при неожиданном формате ответа
        """
        # Ключ API: сначала LLM_KEY, затем LLM_API_KEY (для совместимости)
        key = os.environ.get("LLM_KEY") or os.environ.get("LLM_API_KEY", "")

        # URL и модель с значениями по умолчанию
        url = os.environ.get("LLM_URL", "https://api.aillm.ru/v1/chat/completions")
        model = os.environ.get("LLM_MODEL", "gpt-oss-120b")

        # Пометим LLM-вызов как активный (для live-таймера в UI)
        self.llm_active = True
        self.llm_started = time.time()
        try:
            r = self._httpx.post(
                url,
                json={
                    "model": model,
                    "messages": [{"role": "user", "content": prompt}],
                    "max_tokens": 8000,
                    "temperature": 0.1,
                },
                headers={
                    "Authorization": f"Bearer {key}",
                    "Content-Type": "application/json",
                },
                timeout=120,
            )
            r.raise_for_status()

            # Время запроса (реальное время HTTP-вызова LLM)
            self.llm_sec += r.elapsed.total_seconds()

            data = r.json()
            # Счётчики токенов из usage (могут отсутствовать у некоторых прокси)
            usage = data.get("usage", {}) or {}
            self.tokens_prompt += int(usage.get("prompt_tokens", 0) or 0)
            self.tokens_completion += int(usage.get("completion_tokens", 0) or 0)

            return data["choices"][0]["message"]["content"]
        finally:
            self.llm_active = False