"""Разбор сырого текста задания в плоскую карточку (LangGraph + Pydantic + OpenRouter)."""
from __future__ import annotations

import os
from typing import Any, TypedDict

from dotenv import load_dotenv
from langchain_core.output_parsers import PydanticOutputParser
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from langgraph.constants import END, START
from langgraph.graph import StateGraph
from pydantic import BaseModel, Field

load_dotenv()

OPENROUTER_BASE_URL = os.getenv("OPENROUTER_BASE_URL", "https://openrouter.ai/api/v1")
OPENROUTER_MODEL = os.getenv("OPENROUTER_MODEL", "poolside/laguna-m.1:free")

SAMPLE_TASK_TEXT = (
    "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
    "Оценка: за полноту и за пример кода."
)


class TaskCard(BaseModel):
    """Плоская карточка задания."""

    title: str = Field(description="Краткий заголовок задания")
    subject: str = Field(description="Предмет или тема (LangChain, Python и т.д.)")
    deadline_hint: str = Field(
        description="Подсказка по сроку в свободной форме (к пятнице, до 20 марта)"
    )
    deliverable_type: str = Field(
        description="Что нужно сдать: отчёт, код, презентация и т.п."
    )
    grading_hints: list[str] = Field(
        description="Список критериев или подсказок по оценке"
    )


class GraphState(TypedDict):
    task_text: str
    verdict_row: dict[str, Any] | None


def build_chain():
    parser = PydanticOutputParser(pydantic_object=TaskCard)
    prompt = PromptTemplate(
        template=(
            "Ты помощник студента. Из текста ниже извлеки структурированную карточку задания.\n"
            "Верни только данные в формате из инструкций, без пояснений.\n\n"
            "Текст задания:\n{task_text}\n\n"
            "{format_instructions}"
        ),
        input_variables=["task_text"],
        partial_variables={"format_instructions": parser.get_format_instructions()},
    )
    llm = ChatOpenAI(
        model=OPENROUTER_MODEL,
        base_url=OPENROUTER_BASE_URL,
        api_key=os.getenv("OPENAI_API_KEY"),
        temperature=0,
    )
    return prompt | llm | parser


def parse_task_text(task_text: str) -> TaskCard:
    chain = build_chain()
    return chain.invoke({"task_text": task_text})


def parse_to_verdict_node(state: GraphState) -> dict[str, Any]:
    """Узел графа: заполняет verdict_row для автопроверки."""
    card = parse_task_text(state["task_text"])
    return {"verdict_row": card.model_dump()}


def build_graph():
    """Собирает и компилирует граф (ожидается автопроверкой)."""
    builder = StateGraph(GraphState)
    builder.add_node("parse", parse_to_verdict_node)
    builder.add_edge(START, "parse")
    builder.add_edge("parse", END)
    return builder.compile()


# Экспорт для автопроверки: graph.invoke(...) -> {"verdict_row": {...}}
graph = build_graph()


def print_summary(card: TaskCard) -> None:
    print("\n--- Краткая сводка ---")
    print(f"title: {card.title}")
    print(f"subject: {card.subject}")
    print(f"deadline_hint: {card.deadline_hint}")
    print(f"deliverable_type: {card.deliverable_type}")
    print(f"grading_hints: {card.grading_hints}")


def main() -> None:
    print(f"Модель OpenRouter: {OPENROUTER_MODEL}")
    print(f"\nВход:\n{SAMPLE_TASK_TEXT}\n")

    result = graph.invoke(
        {"task_text": SAMPLE_TASK_TEXT, "verdict_row": None},
    )

    if not result.get("verdict_row"):
        raise RuntimeError("Граф не вернул verdict_row")

    card = TaskCard.model_validate(result["verdict_row"])

    print("\n--- Валидированный объект (model_dump) ---")
    print(card.model_dump())

    print_summary(card)


if __name__ == "__main__":
    main()