"""Эндпоинты для толстого клиента: скрипты и батчевая загрузка.

GET  /api/v1/script         — выдача скрипта диагностики
POST /api/v1/session/upload — приём батча, LLM-анализ, возврат диагноза
"""

import logging
from web.script_builder import build_default_script, build_full_script
from web.script_parser import parse_batch, format_no_llm

logger = logging.getLogger("elmer.script")


def _build_diagnosis_prompt(data: dict) -> str:
    """Строит промпт для LLM из распарсенных данных."""
    parts = ["## Данные диагностики\n"]

    if data["vin"]:
        parts.append(f"**VIN:** {data['vin']}")

    if data["dtc_stored"]:
        parts.append(f"\n**Сохранённые ошибки (mode 03):** {', '.join(data['dtc_stored'])}")
    if data["dtc_pending"]:
        parts.append(f"**Ожидающие ошибки (mode 07):** {', '.join(data['dtc_pending'])}")

    if data["parameters"]:
        parts.append("\n**Параметры в реальном времени:**")
        for p in data["parameters"]:
            parts.append(f"- {p['name']}: {p['value']}")

    if not data["vin"] and not data["dtc_stored"] and not data["parameters"]:
        parts.append("\n(данные не распознаны)")

    parts.append("\n**Сырые ответы ЭБУ:**")
    parts.extend(data["raw_log"])

    parts.append("\n---")
    parts.append("## Запрос на анализ")
    parts.append(
        "Дай ГЛУБОКИЙ, РАЗВЁРНУТЫЙ анализ на основе этих данных. "
        "Не ограничивайся кратким резюме — мне нужен полный технический разбор.\n"
        "1. Разбери КАЖДУЮ ошибку: все возможные причины, от частых к редким.\n"
        "2. Проанализируй КАЖДЫЙ параметр: норма/отклонение, на что влияет.\n"
        "3. Найди ВЗАИМОСВЯЗИ между ошибками и параметрами.\n"
        "4. Предложи КОНКРЕТНЫЙ план проверок: что сначала, что потом, как проверять.\n"
        "5. Если данных мало — скажи какие PID'ы досчитать и зачем.\n"
        "6. Дай оценки уверенности в ПРОЦЕНТАХ для каждой версии."
    )
    return "\n".join(parts)


def register(app):
    """Регистрирует эндпоинты скриптов на Flask-приложении."""

    @app.route("/api/v1/script", methods=["GET"])
    def get_script():
        from flask import jsonify, request
        mode = request.args.get("mode", "full")
        script = build_full_script() if mode == "full" else build_default_script()
        return jsonify(script)

    @app.route("/api/v1/session/upload", methods=["POST"])
    def upload_session():
        from flask import request, jsonify
        from elmer.config import load
        from elmer.diagnose import Diagnoser
        from elmer.prompts import SYSTEM_PROMPT

        data = request.get_json(silent=True)
        if not data or "responses" not in data:
            return jsonify({"error": "missing 'responses'"}), 400

        responses = data["responses"]
        logger.info(f"Upload: {len(responses)} responses")
        parsed = parse_batch(responses)

        cfg = load()
        api_key = cfg["llm"]["api_key"]

        if not api_key:
            return jsonify({
                "diagnosis": format_no_llm(parsed),
                "parsed": _summary(parsed),
            })

        diagnoser = Diagnoser(
            api_key=api_key,
            model=cfg["llm"].get("model", "gpt-oss-120b"),
            base_url=cfg["llm"].get("base_url", "https://api.aillm.ru/v1"),
        )
        try:
            answer = diagnoser.diagnose(SYSTEM_PROMPT, _build_diagnosis_prompt(parsed))
        except Exception as e:
            logger.warning(f"LLM failed: {e}")
            answer = format_no_llm(parsed) + f"\n\n(LLM недоступен: {e})"

        return jsonify({
            "diagnosis": answer,
            "parsed": _summary(parsed),
        })


def _summary(p: dict) -> dict:
    return {
        "vin": p["vin"],
        "dtc_stored": p["dtc_stored"],
        "dtc_pending": p["dtc_pending"],
        "parameters": p["parameters"],
    }