"""Compose the system prompt the style-chat agent receives.

The chat runs against the local ``claude`` CLI on the host (via
legal-chat-service). We assemble a once-per-conversation system block
that gives the agent everything it needs to discuss decisions in
Daphna's voice:

  - The style guide (``skills/decision/SKILL.md``) — how she writes
  - The lessons file (``docs/legal-decision-lessons.md``) — what we've
    learned across the corpus
  - The corpus-analysis report (``docs/corpus-analysis.md``) — the
    structural map of 24+ decisions
  - A summary of every style_corpus row (number, date, subjects,
    chars + summary if extracted) so the agent can reason about the
    whole corpus without us shipping all of it inline
  - Optional: when the conversation is scoped to a specific decision
    (``style_corpus_id``), append its full_text so the chat can dive
    into the text directly

Sent **once**, when the conversation is first created. On subsequent
messages the legal-chat-service uses ``claude --resume <session_id>``
and the on-disk CLI session keeps the system context intact — no need
to re-ship the 100K+ chars of skills + lessons every turn.
"""

from __future__ import annotations

import logging
import os
from pathlib import Path
from uuid import UUID

from legal_mcp.services import db

logger = logging.getLogger(__name__)


# The reference files live in the repo at known paths. In the
# container they're mounted alongside the code, so resolve relative
# to web/app.py's parent.
_REPO_ROOT = Path(os.environ.get(
    "LEGAL_AI_REPO_ROOT",
    str(Path(__file__).resolve().parent.parent),
))


_SKILLS_PATH = _REPO_ROOT / "skills" / "decision" / "SKILL.md"
_LESSONS_PATH = _REPO_ROOT / "docs" / "legal-decision-lessons.md"
_CORPUS_ANALYSIS_PATH = _REPO_ROOT / "docs" / "corpus-analysis.md"


def _safe_read(path: Path, cap_chars: int = 50_000) -> str:
    """Read a file (UTF-8) or return a marker that it's missing.

    The cap protects against accidentally injecting an enormous file —
    even at 50K, a single source file is the lion's share of the
    system prompt budget.
    """
    try:
        text = path.read_text(encoding="utf-8")
    except FileNotFoundError:
        return f"(קובץ {path.name} לא נמצא בנתיב {path})"
    except OSError as e:
        logger.warning("could not read %s: %s", path, e)
        return f"(שגיאה בקריאת {path.name}: {e})"
    if len(text) > cap_chars:
        return text[:cap_chars] + f"\n\n[... חתך ב-{cap_chars:,} תווים מתוך {len(text):,}]"
    return text


async def _corpus_summary_block() -> str:
    """Compact one-row-per-decision summary the agent can scan."""
    rows = await db.get_pool()
    async with rows.acquire() as conn:
        records = await conn.fetch(
            """
            SELECT decision_number, decision_date, appeal_subtype,
                   subject_categories, length(full_text) AS chars,
                   coalesce(summary, '') AS summary,
                   coalesce(outcome, '') AS outcome
            FROM style_corpus
            ORDER BY decision_date NULLS LAST
            """
        )
    if not records:
        return "(הקורפוס ריק)"

    lines = []
    for r in records:
        cats = r["subject_categories"]
        if isinstance(cats, str):
            import json as _json
            try:
                cats = _json.loads(cats)
            except _json.JSONDecodeError:
                cats = []
        cats_str = ", ".join(cats or []) if cats else "—"
        date_str = str(r["decision_date"]) if r["decision_date"] else "—"
        summary = (r["summary"] or "").strip()
        outcome = (r["outcome"] or "").strip()
        head = f"- **{r['decision_number'] or '—'}** ({date_str}) [{r['appeal_subtype'] or '—'}] · {r['chars']:,} תווים"
        meta = f"  נושאים: {cats_str}"
        body = ""
        if summary:
            body = f"\n  תקציר: {summary}"
            if outcome:
                body += f" — תוצאה: {outcome}"
        elif outcome:
            body = f"\n  תוצאה: {outcome}"
        lines.append(head + "\n" + meta + body)
    return "\n".join(lines)


async def _decision_full_text(corpus_id: UUID) -> str:
    pool = await db.get_pool()
    async with pool.acquire() as conn:
        row = await conn.fetchrow(
            "SELECT decision_number, decision_date, full_text "
            "FROM style_corpus WHERE id = $1",
            corpus_id,
        )
    if not row:
        return ""
    header = f"# החלטה {row['decision_number']} ({row['decision_date']})\n\n"
    return header + (row["full_text"] or "")


SYSTEM_PROMPT_HEADER = """\
אתה סוכן הסגנון של עו"ד דפנה תמיר, יו"ר ועדת הערר לתכנון ובניה — מחוז ירושלים.

תפקידך: לעזור לחיים (העוזר המקצועי של דפנה) להבין, לנתח ולחדד את הסגנון
של דפנה. אתה לא כותב החלטות חדשות; אתה דן בסגנון של החלטות קיימות,
מזהה דפוסים, מקפיד שהכותבים העתידיים (ה-writer agent) יישארו נאמנים
לקולה.

יש לך גישה ל:
  1. **מדריך הסגנון** של דפנה (skills/decision/SKILL.md) — איך היא כותבת.
  2. **הלקחים הגנריים** מהקורפוס (docs/legal-decision-lessons.md) — מה
     למדנו לאורך 24+ החלטות. **חובה** להישען על הקבצים האלה כשאתה דן
     בסגנון, ולא להמציא תובנות חדשות מהאוויר.
  3. **ניתוח הקורפוס** המבני (docs/corpus-analysis.md) — מפת תוכן ופערים.
  4. **רשימת ההחלטות בקורפוס** (למטה) — סקירה תמציתית של כל החלטה
     שעלתה ל-style_corpus.
  5. **טקסט מלא של החלטה ספציפית** (אם השיחה הוצמדה ל-style_corpus_id).

כללי תקשורת:
  - כל התשובות בעברית.
  - חיים יושב מולך, לא דפנה — אבל המטרה היא לחדד את הסגנון *של דפנה*.
  - אם חיים שואל "האם פסקה X מתאימה לסגנון של דפנה?" — תן ניתוח מנומק
    שמסתמך על SKILL.md ועל החלטות הקורפוס. אל תמציא ראיות.
  - אם אתה צריך החלטה ספציפית שאין בקורפוס — הודע לחיים שיצרף אותה.
  - אם חיים אומר לך משהו חדש על דפנה ("דפנה אומרת לעולם אל תפתח החלטה
    במילה X") — שמור את זה בזיכרון השיחה; אם זה מצדיק תיעוד קבוע, הצע
    לחיים להוסיף את זה כ-decision_lesson (POST /api/training/lessons)
    או כתוספת ל-SKILL.md.
  - אל תיתן לעצמך אישיות מומצאת — אתה כלי-עזר מקצועי, לא חבר.
"""


async def build_system_prompt(
    *,
    corpus_id: UUID | None = None,
    include_corpus_summary: bool = True,
) -> str:
    """Assemble the full system prompt for a new chat conversation.

    Args:
        corpus_id: When set, the full_text of that decision is appended
            so the chat can dive into the text.
        include_corpus_summary: Set False for low-context chats (e.g.
            quick "what does Daphna do at the end of a betterment-levy
            decision?" — no need to ship 24 summaries).
    """
    parts: list[str] = [SYSTEM_PROMPT_HEADER]

    parts.append("\n## מדריך הסגנון (skills/decision/SKILL.md)\n")
    parts.append(_safe_read(_SKILLS_PATH, cap_chars=40_000))

    parts.append("\n\n## לקחים מהקורפוס (docs/legal-decision-lessons.md)\n")
    parts.append(_safe_read(_LESSONS_PATH, cap_chars=30_000))

    parts.append("\n\n## ניתוח קורפוס מבני (docs/corpus-analysis.md)\n")
    parts.append(_safe_read(_CORPUS_ANALYSIS_PATH, cap_chars=15_000))

    if include_corpus_summary:
        parts.append("\n\n## רשימת ההחלטות בקורפוס הסגנון\n")
        try:
            parts.append(await _corpus_summary_block())
        except Exception as e:
            logger.warning("corpus summary failed: %s", e)
            parts.append("(שגיאה בטעינת רשימת הקורפוס)")

    if corpus_id is not None:
        parts.append("\n\n## ההחלטה הספציפית בדיון (full_text)\n")
        try:
            txt = await _decision_full_text(corpus_id)
            if txt:
                parts.append(txt[:200_000])  # hard cap
            else:
                parts.append("(לא נמצאה החלטה — בדוק את ה-corpus_id)")
        except Exception as e:
            logger.warning("decision full_text failed: %s", e)
            parts.append("(שגיאה בטעינת ההחלטה)")

    return "\n".join(parts)