import os
import json
import logging
import asyncio
from typing import Dict, Any, Optional
from google import genai
from google.genai import types
from sqlalchemy import select
from app.db.session import SessionLocal
from app.models import SystemParameter

logger = logging.getLogger("AI-Service")

class AIService:
    """
    AI Service v1.2.4 - Production Ready
    - Robot 2 (Technical Enrichment) & Robot 3 (OCR)
    - Fix: JSON response cleaning and array-to-dict transformation.
    """
    api_key = os.getenv("GEMINI_API_KEY")
    client = genai.Client(api_key=api_key) if api_key else None
    PRIMARY_MODEL = "gemini-2.0-flash"

    @classmethod
    async def get_config_delay(cls) -> float:
        """Lekéri az adminisztrálható késleltetést az adatbázisból."""
        try:
            async with SessionLocal() as db:
                stmt = select(SystemParameter).where(SystemParameter.key == "AI_REQUEST_DELAY")
                res = await db.execute(stmt)
                param = res.scalar_one_or_none()
                return float(param.value) if param else 1.0
        except Exception:
            return 1.0

    @classmethod
    async def get_clean_vehicle_data(cls, make: str, raw_model: str, v_type: str) -> Optional[Dict[str, Any]]:
        """Robot 2: Gépjármű technikai adatok dúsítása."""
        if not cls.client:
            return None
        
        await asyncio.sleep(await cls.get_config_delay())

        prompt = f"""
        Jármű: {make} {raw_model} ({v_type}). 
        Adj technikai adatokat JSON formátumban. 
        FONTOS: A 'technical_code' mező NEM lehet üres. Ha nem tudod a gyári kódot, adj 'N/A' értéket!
        
        Várt struktúra:
        {{
            "marketing_name": "tiszta marketing név",
            "technical_code": "gyári kód vagy N/A",
            "ccm": egész szám,
            "kw": egész szám,
            "maintenance": {{
                "oil_type": "viszkozitás",
                "oil_qty": tizedes tört literben,
                "spark_plug": "gyertya típus",
                "coolant": "hűtőfolyadék"
            }}
        }}
        """
        config = types.GenerateContentConfig(
            system_instruction="Profi gépjárműtechnikus vagy. Kizárólag tiszta JSON-t válaszolsz.",
            response_mime_type="application/json",
            temperature=0.1
        )

        try:
            response = cls.client.models.generate_content(model=cls.PRIMARY_MODEL, contents=prompt, config=config)
            res_json = json.loads(response.text)
            
            if isinstance(res_json, list) and len(res_json) > 0:
                res_json = res_json[0]
            
            return res_json if isinstance(res_json, dict) else None
        except Exception as e:
            logger.error(f"❌ AI hiba ({make} {raw_model}): {e}")
            return None

    @classmethod
    async def analyze_document_image(cls, image_data: bytes, doc_type: str) -> Optional[Dict[str, Any]]:
        """Robot 3: Multimodális OCR elemzés (Képbeolvasás)."""
        if not cls.client:
            return None
            
        await asyncio.sleep(await cls.get_config_delay())
        
        prompts = {
            "identity": "Személyes okmány adatok.",
            "vehicle_reg": "Rendszám, alvázszám, technikai adatok.",
            "invoice": "Számla adatok, összegek, dátumok.",
            "odometer": "Csak a kilométeróra állása számként."
        }
        
        config = types.GenerateContentConfig(
            system_instruction="Profi OCR dokumentum-elemző vagy. Csak tiszta JSON-t válaszolsz.",
            response_mime_type="application/json"
        )
        
        try:
            response = cls.client.models.generate_content(
                model=cls.PRIMARY_MODEL,
                contents=[
                    f"Elemezd ezt a képet ({doc_type}): {prompts.get(doc_type, '')}",
                    types.Part.from_bytes(data=image_data, mime_type="image/jpeg")
                ],
                config=config
            )
            res_json = json.loads(response.text)
            if isinstance(res_json, list) and len(res_json) > 0:
                res_json = res_json[0]
            return res_json if isinstance(res_json, dict) else None
        except Exception as e:
            logger.error(f"❌ AI OCR hiba ({doc_type}): {e}")
            return None