from typing import Any
from agent_system.base import BaseAgent
from agent_system.prompter.prompt import PrompterPrompt
from agent_system.prompter.response_model import PrompterResult


class Prompter(BaseAgent):
    """
    智能体提示词生成专家
    
    基于患者的现病史、既往史、主述以及当前具体任务，
    生成针对该任务的专门子智能体的description和instructions。
    该子智能体将负责围绕特定主题向患者进行专业的医疗询问。
    
    核心功能:
    1. 理解当前任务的具体要求和询问重点
    2. 整合患者的病史背景信息
    3. 为目标子智能体定义清晰的专业角色
    4. 制定具体可操作的询问指令
    
    Attributes:
        model_type (str): 使用的大语言模型类型，默认为 gpt-oss:latest
        llm_config (dict): LLM模型配置参数
    """
    
    def __init__(self, model_type: str = "gpt-oss:latest", llm_config: dict = None):
        """
        初始化Prompter智能体
        
        Args:
            model_type (str): 大语言模型类型，默认使用 gpt-oss:latest
            llm_config (dict): LLM模型的配置参数，如果为None则使用默认配置
        """
        super().__init__(
            model_type=model_type,
            description="基于医疗场景和任务需求生成专门的子智能体提示内容",
            instructions=PrompterPrompt.instructions,
            response_model=PrompterResult,
            llm_config=llm_config or {},
            structured_outputs=True,
            markdown=False,
            use_cache=False
        )
    
    def run(self, hpi_content: str, ph_content: str, chief_complaint: str, current_task: str) -> PrompterResult:
        """
        执行智能体提示词生成
        
        基于患者的现病史、既往史、主述以及当前具体任务，
        生成针对该任务的专门子智能体的description和instructions。
        
        Args:
            hpi_content (str): 现病史内容，患者的主要症状描述
            ph_content (str): 既往史内容，患者的历史疾病信息
            chief_complaint (str): 患者主述，患者的主要不适描述
            current_task (str): 当前任务，如"起病情况和患病时间"、"主要症状特征"等
            
        Returns:
            PrompterResult: 包含子智能体描述和指令的结构化数据，包括：
                - description: 为特定任务定制的子智能体描述
                - instructions: 为特定任务定制的子智能体执行指令列表
                
        Raises:
            Exception: 当LLM调用失败时，返回包含默认信息的PrompterResult
        """
        try:
            # 构建生成提示词
            prompt = self._build_prompt(hpi_content, ph_content, chief_complaint, current_task)
            
            # 调用基类的run方法执行LLM推理
            result = super().run(prompt)
            
            # 确保返回正确的类型并进行类型转换
            return self._ensure_result_type(result)
            
        except Exception as e:
            # 当生成失败时记录错误并返回默认结果
            print(f"子智能体提示词生成失败: {str(e)}")
            return self._get_fallback_result(current_task)
    
    def _ensure_result_type(self, result: Any) -> PrompterResult:
        """
        确保返回结果为正确的类型
        
        Args:
            result (Any): LLM返回的原始结果
            
        Returns:
            PrompterResult: 转换后的结构化结果
        """
        if isinstance(result, PrompterResult):
            return result
        elif isinstance(result, dict):
            return PrompterResult(**result)
        else:
            # 如果类型不匹配，返回默认结果
            return self._get_fallback_result("未知任务")
    
    def _get_fallback_result(self, task_name: str) -> PrompterResult:
        """
        生成失败时的默认结果
        
        Args:
            task_name (str): 任务名称
            
        Returns:
            PrompterResult: 包含默认内容的结果
        """
        return PrompterResult(
            description=f"你是一名专业的医疗询问助手，负责针对'{task_name}'进行详细的信息收集。你需要以专业、耐心的态度与患者交流，获取准确完整的相关信息。",
            instructions=[
                "## 询问重点",
                f"1. 围绕'{task_name}'主题进行系统性询问",
                "2. 使用通俗易懂的语言与患者交流",
                "3. 确保信息收集的准确性和完整性",
                "",
                "## 注意事项",
                "- 保持专业和耐心的态度",
                "- 避免使用过于复杂的医学术语",
                "- 引导患者提供具体详细的信息"
            ]
        )
    
    def _build_prompt(self, hpi_content: str, ph_content: str, chief_complaint: str, current_task: str) -> str:
        """
        构建Prompter的提示词模板
        
        根据患者病史信息和当前任务，构建用于生成子智能体的提示词。
        
        Args:
            hpi_content (str): 现病史内容
            ph_content (str): 既往史内容
            chief_complaint (str): 患者主述
            current_task (str): 当前任务
            
        Returns:
            str: 构建的提示词
        """
        # 确保既往史内容的合理显示
        past_history_display = ph_content.strip() if ph_content.strip() else "暂无既往史信息"
        
        # 从prompt类获取示例输出格式
        from agent_system.prompter.prompt import PrompterPrompt
        example_output = PrompterPrompt.get_example_output()
        
        prompt = f"""患者基本信息：
患者主述: {chief_complaint}
现病史: {hpi_content}
既往史: {past_history_display}

当前任务: {current_task}

请基于上述患者信息和当前任务，生成一个专门的子智能体，该智能体将负责围绕"{current_task}"主题向患者进行专业询问。

请为该子智能体提供：
1. description - 描述该智能体的角色、专业领域和主要职责
2. instructions - 详细的执行指令列表，包括询问步骤、注意事项等

输出格式示例：
{example_output}

请严格按照上述JSON格式输出。
输出内容为:"""
        
        return prompt