"""AgentScope 智能体工厂模块。

提供统一的智能体创建接口，根据用户类型（员工/管理者/任务/文档）创建对应的 AI 智能体实例。
支持智能体缓存以减少重复创建的开销。
"""
from agentscope.agent import AgentBase
from agentscope.agent._react_agent import ReActAgent
from agentscope.model import OpenAIChatModel
from agentscope.formatter import OpenAIChatFormatter
from agentscope.tool import Toolkit
from agentscope.message import Msg
from config import settings
from .memory.user_memory import UserIsolatedMemory
from .hooks.rbac_hook import register_rbac_hooks_for_user


class AgentFactory:
    """智能体工厂类，负责创建和管理不同类型的 AI 智能体实例。

    采用类级别的单例模式缓存模型和格式化器实例，
    同时为每个用户缓存已创建的智能体，避免重复初始化。
    """
    _model: OpenAIChatModel | None = None  # 缓存的大语言模型实例
    _formatter: OpenAIChatFormatter | None = None  # 缓存的消息格式化器实例
    _agent_cache: dict[str, AgentBase] = {}  # 智能体缓存：{agent_type_user_id: AgentBase}
    _MAX_CACHE_SIZE = 50  # 智能体缓存上限

    @classmethod
    def _get_model(cls) -> OpenAIChatModel:
        """获取或创建全局共享的大语言模型实例。

        Returns:
            OpenAIChatModel: 配置好的大语言模型实例。
        """
        if cls._model is None:
            cls._model = OpenAIChatModel(
                config_name="enterprise_model",
                model_name=settings.LLM_MODEL,
                api_key=settings.LLM_API_KEY,
                api_base=settings.LLM_API_BASE,
            )
        return cls._model

    @classmethod
    def _get_formatter(cls) -> OpenAIChatFormatter:
        """获取或创建全局共享的消息格式化器实例。

        Returns:
            OpenAIChatFormatter: OpenAI 聊天格式化器实例。
        """
        if cls._formatter is None:
            cls._formatter = OpenAIChatFormatter()
        return cls._formatter

    @classmethod
    async def create_agent(
        cls,
        agent_type: str,
        user_id: str,
        user_name: str,
        department_id: str | None = None,
    ) -> AgentBase:
        """根据智能体类型和用户信息创建对应的 AI 智能体。

        优先从缓存中获取已存在的智能体实例，如果缓存中不存在则创建新实例。
        缓存满时会自动淘汰最旧的智能体实例。

        Args:
            agent_type: 智能体类型，支持 employee/manager/task/document。
            user_id: 用户唯一标识。
            user_name: 用户显示名称。
            department_id: 所属部门 ID（可选）。

        Returns:
            AgentBase: 创建或缓存的 AI 智能体实例。
        """
        cache_key = f"{agent_type}_{user_id}"  # 缓存键：智能体类型_用户ID
        if cache_key in cls._agent_cache:
            return cls._agent_cache[cache_key]

        model = cls._get_model()
        formatter = cls._get_formatter()

        if agent_type == "employee":
            agent = await cls._create_employee_agent(user_id, user_name, department_id, model, formatter)
        elif agent_type == "manager":
            agent = await cls._create_manager_agent(user_id, user_name, model, formatter)
        elif agent_type == "task":
            agent = await cls._create_task_agent(user_id, user_name, model, formatter)
        elif agent_type == "document":
            agent = await cls._create_document_agent(user_id, user_name, model, formatter)
        else:
            agent = await cls._create_employee_agent(user_id, user_name, department_id, model, formatter)

        if len(cls._agent_cache) >= cls._MAX_CACHE_SIZE:
            oldest_key = next(iter(cls._agent_cache))
            del cls._agent_cache[oldest_key]
        cls._agent_cache[cache_key] = agent
        return agent

    @classmethod
    async def _create_employee_agent(cls, user_id, user_name, department_id, model, formatter):
        """创建员工专属 AI 助手智能体。

        该智能体具备文档处理、通知发送、知识库查询等功能，
        数据权限范围限定为仅能访问员工自己的数据。

        Args:
            user_id: 用户唯一标识。
            user_name: 用户显示名称。
            department_id: 所属部门 ID。
            model: 大语言模型实例。
            formatter: 消息格式化器实例。

        Returns:
            ReActAgent: 配置好的员工 AI 智能体。
        """
        from .tools.wecom_tools import send_notification
        from .tools.document_tools import parse_document, format_correction

        toolkit = Toolkit()
        toolkit.register_tool_function(send_notification)  # 注册企业微信通知工具
        toolkit.register_tool_function(parse_document)  # 注册文档解析工具
        toolkit.register_tool_function(format_correction)  # 注册格式修正工具

        knowledge = None
        try:
            from modules.rag.knowledge import get_knowledge_base
            knowledge = get_knowledge_base()  # 尝试获取知识库
        except Exception:
            pass

        agent = ReActAgent(
            name=f"EmployeeAI_{user_name}",
            sys_prompt=f"""你是 {user_name} 的专属AI工作助手。

你可以:
1. 回答工作中的问题，提供专业建议
2. 帮助处理文档，修正格式
3. 查询知识库获取信息
4. 发送通知给相关人员

重要约束:
- 只能访问该员工权限范围内的数据和工具
- 涉及敏感操作需要二次确认
- 始终保持专业和友好的态度""",
            model=model,
            formatter=formatter,
            toolkit=toolkit,
            knowledge=knowledge,
            memory=UserIsolatedMemory(user_id=user_id),
            max_iters=8,
        )

        register_rbac_hooks_for_user(agent, {
            "user_id": user_id,
            "user_name": user_name,
            "role": "employee",
            "department_id": department_id or "",
            "data_scope": "self_only",  # 数据权限：仅限本人
        })

        return agent

    @classmethod
    async def _create_manager_agent(cls, user_id, user_name, model, formatter):
        """创建管理者专属 AI 分析助手智能体。

        该智能体具备下属管理、团队效率分析、任务统计等管理功能，
        数据权限范围限定为仅能访问其下属员工的数据。

        Args:
            user_id: 用户唯一标识。
            user_name: 用户显示名称。
            model: 大语言模型实例。
            formatter: 消息格式化器实例。

        Returns:
            ReActAgent: 配置好的管理者 AI 智能体。
        """
        from .tools.manager_tools import list_subordinates, get_employee_dashboard, generate_efficiency_report, get_task_statistics
        from .tools.wecom_tools import send_notification

        toolkit = Toolkit()
        toolkit.register_tool_function(list_subordinates)  # 注册下属列表查询工具
        toolkit.register_tool_function(get_employee_dashboard)  # 注册员工看板查询工具
        toolkit.register_tool_function(generate_efficiency_report)  # 注册效率报告生成工具
        toolkit.register_tool_function(get_task_statistics)  # 注册任务统计查询工具
        toolkit.register_tool_function(send_notification)  # 注册企业微信通知工具

        agent = ReActAgent(
            name=f"ManagerAI_{user_name}",
            sys_prompt=f"""你是 {user_name} 的管理分析助手。

你可以:
1. 查看下属员工列表和工作数据 (list_subordinates, get_employee_dashboard)
2. 生成团队效率报告 (generate_efficiency_report)
3. 统计分析任务完成情况 (get_task_statistics)
4. 向下属发送企业微信通知提醒 (send_notification)

重要约束:
- 只能查看你的直接和间接下属的数据
- 不能查看非下属或跨部门员工的数据
- 生成报告时注意数据隐私""",
            model=model,
            formatter=formatter,
            toolkit=toolkit,
            memory=UserIsolatedMemory(user_id=user_id),
            max_iters=8,
        )

        register_rbac_hooks_for_user(agent, {
            "user_id": user_id,
            "user_name": user_name,
            "role": "dept_manager",
            "data_scope": "subordinate_only",  # 数据权限：仅限下属
        })

        return agent

    @classmethod
    async def _create_task_agent(cls, user_id, user_name, model, formatter):
        """创建任务管理专属 AI 助手智能体。

        该智能体专注于任务的创建、查询、更新和通知推送，
        帮助用户高效管理日常工作事务。

        Args:
            user_id: 用户唯一标识。
            user_name: 用户显示名称。
            model: 大语言模型实例。
            formatter: 消息格式化器实例。

        Returns:
            ReActAgent: 配置好的任务管理 AI 智能体。
        """
        from .tools.task_tools import list_tasks, create_task, get_task, update_task
        from .tools.wecom_tools import send_notification

        toolkit = Toolkit()
        toolkit.register_tool_function(list_tasks)  # 注册任务列表查询工具
        toolkit.register_tool_function(create_task)  # 注册任务创建工具
        toolkit.register_tool_function(get_task)  # 注册任务详情查询工具
        toolkit.register_tool_function(update_task)  # 注册任务更新工具
        toolkit.register_tool_function(send_notification)  # 注册企业微信通知工具

        agent = ReActAgent(
            name=f"TaskAI_{user_name}",
            sys_prompt=f"""你是任务管理助手。帮助用户创建、跟踪和管理工作任务。

你可以:
1. 创建新任务并分配给指定人员 (create_task)
2. 查询任务状态和进度 (list_tasks, get_task)
3. 更新任务信息 (update_task)
4. 推送任务通知到企业微信 (send_notification)

重要约束:
- 创建任务前确保标题和负责人信息完整
- 修改任务状态前告知用户变更
- 优先级: low/medium/high/urgent""",
            model=model,
            formatter=formatter,
            toolkit=toolkit,
            memory=UserIsolatedMemory(user_id=user_id),
            max_iters=8,
        )

        return agent

    @classmethod
    async def _create_document_agent(cls, user_id, user_name, model, formatter):
        """创建文档处理专属 AI 助手智能体。

        该智能体专注于各类办公文档的解析、格式修正和内容提取，
        支持 PDF、Word、Excel 等常见格式。

        Args:
            user_id: 用户唯一标识。
            user_name: 用户显示名称。
            model: 大语言模型实例。
            formatter: 消息格式化器实例。

        Returns:
            ReActAgent: 配置好的文档处理 AI 智能体。
        """
        from .tools.document_tools import parse_document, format_correction

        toolkit = Toolkit()
        toolkit.register_tool_function(parse_document)  # 注册文档解析工具
        toolkit.register_tool_function(format_correction)  # 注册格式修正工具

        knowledge = None
        try:
            from modules.rag.knowledge import get_knowledge_base
            knowledge = get_knowledge_base()  # 尝试获取知识库
        except Exception:
            pass

        agent = ReActAgent(
            name=f"DocAI_{user_name}",
            sys_prompt=f"""你是文档处理专家。帮助用户处理各类文档。

你可以:
1. 解析PDF/Word/Excel/PPT等格式
2. 修正文档格式
3. 提取文档关键信息
4. 从知识库中检索文档内容
5. 格式转换""",
            model=model,
            formatter=formatter,
            toolkit=toolkit,
            knowledge=knowledge,
            memory=UserIsolatedMemory(user_id=user_id),
            max_iters=8,
        )

        return agent