"""Каркас ИИ-ассистента по документам (RAG): нарезка -> поиск -> запрос к LLM.

Это схема проекта, а не готовый продукт. Без ключей и без обращений к сети:
поиск работает локально (TF-IDF на стандартной библиотеке), вызов языковой
модели оставлен заглушкой `call_llm`. Подключение конкретного провайдера
(и его ключ из переменной окружения) делается под заказчика.

Запуск (покажет найденные фрагменты и текст запроса к модели, без вызова LLM):
    python rag_skeleton.py "сколько действует гарантия"
    python rag_skeleton.py --docs my_faq.txt "вопрос"

Формат документа: обычный текст, фрагменты разделены пустой строкой.
"""
import argparse
import math
import os
import re
import sys
from collections import Counter
from dataclasses import dataclass
from pathlib import Path

# --- 1. Нарезка на фрагменты ------------------------------------------------


@dataclass
class Chunk:
    id: int
    source: str
    text: str


def chunk_text(text, source="doc", max_chars=700):
    """Режет текст по пустым строкам; длинные абзацы режет по предложениям."""
    chunks = []
    for para in re.split(r"\n\s*\n", text):
        para = " ".join(para.split())
        if not para:
            continue
        while len(para) > max_chars:
            cut = para.rfind(". ", 0, max_chars)
            cut = cut + 1 if cut > 0 else max_chars
            chunks.append(Chunk(len(chunks), source, para[:cut].strip()))
            para = para[cut:].strip()
        if para:
            chunks.append(Chunk(len(chunks), source, para))
    return chunks


# --- 2. Поиск (упрощённый TF-IDF, префиксная основа слова вместо стемминга) --

STOP = set("и в во на не что как это для по из за от до или а но же ли бы к с со у о об то так".split())


def tokenize(text):
    words = re.findall(r"[a-zа-яё0-9]+", text.lower().replace("ё", "е"))
    return [w[:5] for w in words if len(w) > 2 and w not in STOP]


class Index:
    def __init__(self, chunks):
        self.chunks = chunks
        self.tf = [Counter(tokenize(c.text)) for c in chunks]
        df = Counter()
        for tf in self.tf:
            df.update(tf.keys())
        n = max(len(chunks), 1)
        self.idf = {t: math.log(1 + n / d) for t, d in df.items()}

    def search(self, query, k=3):
        q = set(tokenize(query))
        scored = []
        for chunk, tf in zip(self.chunks, self.tf):
            score = sum(tf[t] * self.idf.get(t, 0.0) for t in q if t in tf)
            if score > 0:
                scored.append((score, chunk))
        scored.sort(key=lambda x: -x[0])
        return scored[:k]


# --- 3. Запрос к языковой модели ---------------------------------------------

SYSTEM_PROMPT = (
    "Ты помощник службы поддержки. Отвечай только по приведённым фрагментам "
    "документов. Если ответа в них нет, так и скажи и предложи связаться с "
    "менеджером. Не выдумывай цены, сроки и условия."
)


def build_prompt(question, hits):
    context = "\n\n".join("[%d] %s" % (i + 1, c.text) for i, (_, c) in enumerate(hits))
    return "Фрагменты:\n%s\n\nВопрос: %s\nОтвет (укажи номера фрагментов):" % (context, question)


def call_llm(system_prompt, user_prompt):
    """ЗАГЛУШКА. Здесь вызывается выбранная заказчиком модель.

    Ключ читается из переменной окружения (не из кода), например:
        key = os.environ["LLM_API_KEY"]
    Провайдер, модель, лимиты и стоимость согласуются отдельно.
    """
    if not os.environ.get("LLM_API_KEY"):
        raise NotImplementedError("LLM не подключён: задайте провайдера и LLM_API_KEY")
    raise NotImplementedError("Вызов провайдера не реализован в каркасе")


# --- 4. Сборка ответа ---------------------------------------------------------


def answer(question, index, use_llm=False):
    hits = index.search(question)
    if not hits:
        return "В базе знаний ответа нет. Передаю вопрос менеджеру.", []
    if not use_llm:
        return hits[0][1].text, hits
    return call_llm(SYSTEM_PROMPT, build_prompt(question, hits)), hits


SAMPLE = """Гарантия на выполненные работы действует 30 дней (пример).

Заявки принимаются в мессенджере и по форме на сайте (пример).

Возврат оформляется по заявлению в течение 14 дней (пример)."""


def main(argv=None):
    p = argparse.ArgumentParser(description="Каркас RAG: поиск по документам")
    p.add_argument("question")
    p.add_argument("--docs", help="текстовый файл с документами (UTF-8)")
    p.add_argument("--llm", action="store_true", help="вызвать call_llm (заглушка)")
    args = p.parse_args(argv)
    text = Path(args.docs).read_text(encoding="utf-8") if args.docs else SAMPLE
    index = Index(chunk_text(text, source=args.docs or "sample"))
    reply, hits = answer(args.question, index, use_llm=args.llm)
    print("Найдено фрагментов: %d" % len(hits))
    for score, c in hits:
        print("  %.2f  [%s #%d] %s" % (score, c.source, c.id, c.text[:80]))
    if hits:
        print("\nПромпт для модели:\n" + build_prompt(args.question, hits))
    print("\nОтвет:\n" + reply)
    return 0


if __name__ == "__main__":
    sys.exit(main())
