#!/usr/bin/env python3
"""
Интеллектуальное юридическое ядро МКД «Домовой 2.0» (AI Legal Engine)
Работает на базе Gemini 2.5 Flash / Pro:
- Нативный слух (Gemini Multimodal Audio) без Whisper
- Прямой асинхронный REST API (высокая отказоустойчивость без конфликтов pydantic)
- Разграничение ролей: resident (соседский помощник), lawyer (претензионно-судебный), admin (глубокий аудит)
"""

import os
import sys
import logging
import asyncio
import aiohttp
import base64
from datetime import datetime
from pathlib import Path

log = logging.getLogger("ai_legal_engine")
class AILegalEngine:
    def __init__(self):
        raw_key = os.getenv("GOOGLE_API_KEY", "AIzaSyAJMfQ_mRZ1picRXVFNaeFJ7fpAkZxUKyk")
        self.api_key = raw_key.strip("\"'") if raw_key else ""
        self.client = None
        self.model_name = "gemini-2.5-flash"
        self.deep_model_name = "gemini-2.5-flash"
        self._init_sdk_client()

    def _init_sdk_client(self):
        if not self.api_key:
            log.warning("Gemini API Key missing! AI Legal Engine will run in offline mode.")
            return

        try:
            from google import genai
            self.client = genai.Client(api_key=self.api_key)
            log.info("Gemini SDK Client initialized.")
        except Exception as e:
            log.info(f"Using high-performance direct REST engine (SDK not active: {e})")

    def get_role_instructions(self, role: str) -> str:
        if role == "resident":
            return (
                "СТИЛЬ ОТВЕТА: Спокойный, понятный, без бюрократического канцелярита.\n"
                "ТРЕБОВАНИЯ:\n"
                "1. Суть ситуации простыми словами (1-2 абзаца).\n"
                "2. Пошаговый порядок действий (Шаг 1, Шаг 2, Шаг 3).\n"
                "3. Кто несет ответственность (УК, застройщик, поставщик ресурсов, совет дома).\n"
                "4. Образец краткого заявления при необходимости."
            )
        else:
            return (
                "СТИЛЬ ОТВЕТА: Сугубо юридический, строгий, аргументированный.\n"
                "ТРЕБОВАНИЯ:\n"
                "1. Правовая квалификация ситуации со ссылками на статьи нормативных актов РФ (ЖК РФ, ГК РФ, 59-ФЗ, ЗоЗПП, ПП РФ № 354, ПП РФ № 491, Госстрой № 170, СанПиН).\n"
                "2. Оценка рисков, перспектив в надзорных органах и суде.\n"
                "3. Четкий алгоритм действий (досудебная претензия, жалоба в ГЖИ / прокуратуру, иск).\n"
                "4. Готовый образец мотивировочной части претензии или заявления при необходимости."
            )
        return "Отвечай строго по существу."

    async def _query_rest_api(self, prompt: str, system_instruction: str, model: str, audio_path: str = None) -> str:
        """Прямой асинхронный REST запрос к Google Gemini API."""
        url = f"https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent?key={self.api_key}"
        parts = []

        # Аудио вложение
        if audio_path and os.path.exists(audio_path):
            with open(audio_path, "rb") as af:
                audio_b64 = base64.b64encode(af.read()).decode("utf-8")
            parts.append({
                "inlineData": {
                    "mimeType": "audio/ogg",
                    "data": audio_b64
                }
            })
            if not prompt:
                prompt = "Внимательно прослушай аудиосообщение жильца дома. Точно выдели юридическую суть и дай обоснованный ответ."

        parts.append({"text": prompt})

        payload = {
            "system_instruction": {
                "parts": [{"text": system_instruction}]
            },
            "contents": [
                {"parts": parts}
            ],
            "generationConfig": {
                "temperature": 0.2 if model == self.deep_model_name else 0.4
            }
        }

        async with aiohttp.ClientSession() as session:
            async with session.post(url, json=payload, timeout=aiohttp.ClientTimeout(total=45)) as resp:
                if resp.status != 200:
                    err_text = await resp.text()
                    raise RuntimeError(f"Gemini API HTTP {resp.status}: {err_text[:300]}")
                data = await resp.json()
                return data["candidates"][0]["content"]["parts"][0]["text"]

    async def transcribe_audio(self, audio_path: str) -> str:
        """Транскрибирует аудиосообщение жильца в текст через Gemini Multimodal Audio (Voice-to-Text)."""
        if not self.api_key or not audio_path or not os.path.exists(audio_path):
            return ""

        prompt = (
            "Дословно расшифруй аудиосообщение на русском языке. "
            "Не добавляй пояснений, не отвечай на вопрос и не искажай слова жильца. "
            "Выведи ТОЛЬКО расшифрованный текст."
        )
        system_instruction = "Ты — высокоточный модуль транскрибации речи (Speech-to-Text). Верни только произнесенный текст."

        for model_to_use in [self.model_name, "gemini-flash-latest", "gemini-2.5-flash"]:
            try:
                transcription = await self._query_rest_api(
                    prompt=prompt,
                    system_instruction=system_instruction,
                    model=model_to_use,
                    audio_path=audio_path
                )
                if transcription and transcription.strip():
                    return transcription.strip()
            except Exception as e:
                log.warning(f"Voice transcription attempt failed on {model_to_use}: {e}")
                await asyncio.sleep(0.5)

        return ""

    async def query_notebooklm(self, prompt: str) -> dict:
        """Прямой запрос к блокноту NotebookLM «ЛенКом37 Юрист» (RAG по документам дома № 37)."""
        import shutil
        notebook_id = os.getenv("NOTEBOOKLM_ID", "59c41b23-5858-4a74-bf60-4ce17e0ca710")
        candidates = [
            "/usr/local/bin/notebooklm",
            shutil.which("notebooklm"),
            "/home/matrixhasyou/swarm-services/domovoy-bot/venv-ai/bin/notebooklm",
            "notebooklm"
        ]
        nb_bin = None
        for b in candidates:
            if b and os.path.exists(b) and os.access(b, os.X_OK):
                try:
                    with open(b, "rb") as f:
                        first_line = f.readline()
                        if first_line.startswith(b"#!"):
                            interp = first_line[2:].strip().decode("utf-8", errors="ignore")
                            if not os.path.exists(interp):
                                continue
                except Exception:
                    pass
                nb_bin = b
                break
        if not nb_bin:
            nb_bin = "/usr/local/bin/notebooklm" if os.path.exists("/usr/local/bin/notebooklm") else "notebooklm"

        cmd = [
            nb_bin, "ask",
            "-n", notebook_id,
            prompt
        ]
        env = os.environ.copy()
        env["HOME"] = "/root" if os.path.exists("/root/.notebooklm") else os.environ.get("HOME", "/root")
        env["SSL_CERT_FILE"] = "/etc/ssl/certs/ca-certificates.crt"

        try:
            proc = await asyncio.create_subprocess_exec(
                *cmd,
                stdout=asyncio.subprocess.PIPE,
                stderr=asyncio.subprocess.PIPE,
                env=env
            )
            try:
                # Увеличенный лимит ожидания (до 300 сек для глубокого RAG-анализа смет и решений)
                stdout, stderr = await asyncio.wait_for(proc.communicate(), timeout=300.0)
            except asyncio.TimeoutError:
                try: proc.kill()
                except: pass
                return {
                    "success": False,
                    "error": "Таймаут обработки запроса к блокноту документов дома (более 300 сек)",
                    "source": "notebooklm"
                }

            out_str = stdout.decode('utf-8', errors='ignore').strip()
            err_str = stderr.decode('utf-8', errors='ignore').strip()

            if proc.returncode == 0 and out_str and "Authentication Error" not in out_str and "Not logged in" not in out_str:
                lines = [
                    l for l in out_str.splitlines()
                    if not l.startswith("Continuing conversation")
                    and not l.startswith("Resumed conversation")
                ]
                cleaned = "\n".join(lines).strip()
                if cleaned.startswith("Answer:"):
                    cleaned = cleaned[len("Answer:"):].strip()
                return {"success": True, "text": cleaned, "source": "notebooklm"}
            else:
                log.warning(f"NotebookLM non-zero or auth err: code={proc.returncode}, out={out_str[:250]}, err={err_str[:250]}")
                return {"success": False, "error": err_str or out_str, "source": "notebooklm"}
        except Exception as e:
            log.error(f"NotebookLM exec exception: {e}")
            return {"success": False, "error": str(e), "source": "notebooklm"}

    async def query(self, prompt: str, role: str = "resident", audio_path: str = None) -> dict:
        """
        Канонический метод запроса юридического помощника МКД «Домовой 2.0»:
        - Все ответы формируются СТРОГО на основе документов дома № 37 из блокнота NotebookLM.
        - Никаких общих абстрактных ответов или галлюцинаций Gemini!
        - При отправке аудиосообщения: Gemini выполняет ИСКЛЮЧИТЕЛЬНО распознавание голоса в текст (STT),
          после чего текст вопроса направляется в NotebookLM.
        """
        start_time = datetime.now()
        transcribed_text = None

        # 1. Если передано аудиосообщение — транскрибируем его через Gemini Multimodal в текст
        if audio_path:
            log.info(f"Received audio voice message ({audio_path}), transcribing via Gemini STT...")
            transcribed_text = await self.transcribe_audio(audio_path)
            if not transcribed_text:
                return {
                    "success": False,
                    "text": "❌ <b>Не удалось распознать голосовое сообщение.</b> Пожалуйста, напишите ваш вопрос текстом.",
                    "role": role,
                    "latency_sec": round((datetime.now() - start_time).total_seconds(), 2)
                }
            log.info(f"Audio voice successfully transcribed: '{transcribed_text[:120]}...'")
            prompt = transcribed_text

        if not prompt or not prompt.strip():
            return {
                "success": False,
                "text": "❌ Вопрос пустой. Пожалуйста, сформулируйте юридический вопрос.",
                "role": role,
                "latency_sec": 0.0
            }

        # 2. Обращение СТРОГО к блокноту NotebookLM (RAG по сметам, договорам и протоколам ОСС)
        nlm_res = await self.query_notebooklm(prompt)
        latency = round((datetime.now() - start_time).total_seconds(), 2)

        if nlm_res.get("success"):
            return {
                "success": True,
                "text": nlm_res["text"],
                "answer": nlm_res["text"],
                "role": role,
                "latency_sec": latency,
                "model": "NotebookLM: ЛенКом37 Юрист (Документы дома № 37)",
                "transcribed_question": transcribed_text
            }
        else:
            err_msg = nlm_res.get("error", "Неизвестная ошибка")
            log.error(f"NotebookLM legal query failed: {err_msg}")
            # Никакого fallback на обычный Gemini! Выдаем честное уведомление об обновлении базы
            return {
                "success": False,
                "text": "❌ <b>База документов дома № 37 временно обновляет сессию.</b>",
                "role": role,
                "latency_sec": latency,
                "error_detail": err_msg
            }

# Глобальный синглтон юридического ядра для роутеров бота
legal_engine = AILegalEngine()

if __name__ == "__main__":
    async def test():
        engine = AILegalEngine()
        res = await engine.query("Сравни за что мы голосуем на общих собраниях - за обрезку или глубокую обрезку деревьев во дворе. А в отчетах - как списывают?")
        print("Success:", res["success"])
        print("Latency:", res["latency_sec"])
        print("Model:", res.get("model"))
        print("Text snippet:\n", res["text"][:300])

    asyncio.run(test())