from __future__ import annotations

import os
from typing import List

from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import PydanticOutputParser
from pydantic import BaseModel, Field


class AssignmentCard(BaseModel):
    """Структурированная карточка задания."""

    title: str = Field(..., description="Краткое название задачи")
    subject: str = Field(..., description="Область знаний или предмет")
    deadline_hint: str | None = Field(
        None,
        description=(
            "Указание срока сдачи в свободной форме (например, «к пятнице»). "
            "Если не найдено – None"
        ),
    )
    deliverable_type: str = Field(..., description="Тип сдаваемого материала")
    grading_hints: List[str] = Field(
        default_factory=list,
        description=(
            "Ключевые критерии оценки, перечисленные в тексте. "
            "Если не найдено – пустой список"
        ),
    )


def build_chain() -> PromptTemplate:
    """Создаёт цепочку Prompt → LLM → Pydantic парсер."""
    parser = PydanticOutputParser(pydantic_object=AssignmentCard)

    prompt_template = (
        "Ниже приведено описание задания от преподавателя. "
        "Ваша задача – извлечь из него следующую информацию:\n"
        "- title: название задачи\n"
        "- subject: предмет/область знаний\n"
        "- deadline_hint: указание срока сдачи (если есть)\n"
        "- deliverable_type: что сдать (отчёт, код, презентация и т.д.)\n"
        "- grading_hints: список критериев оценки\n\n"
        "Ответ должен быть строго в формате JSON, соответствующем модели "
        f"{AssignmentCard.__name__}.\n"
        "{format_instructions}\n\n"
        "Текст задания:\n{assignment_text}"
    )

    prompt = PromptTemplate(
        template=prompt_template,
        input_variables=["assignment_text"],
        partial_variables={"format_instructions": parser.get_format_instructions()},
    )
    return prompt


def main() -> None:
    """Пример использования цепочки."""
    # Получаем ключ API из переменной окружения
    api_key = os.getenv("OPENAI_API_KEY")
    if not api_key:
        raise RuntimeError(
            "Переменная окружения OPENAI_API_KEY не установлена. "
            "Установите её перед запуском."
        )

    llm = ChatOpenAI(api_key=api_key, temperature=0)

    prompt = build_chain()
    parser = PydanticOutputParser(pydantic_object=AssignmentCard)
    chain = prompt | llm | parser

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

    result = chain.invoke({"assignment_text": assignment_text})

    # Выводим валидированный объект
    print("=== Валидированная карточка ===")
    print(result.model_dump())

    # Краткая человекочитаемая сводка
    summary = (
        f"Задача: {result.title}\n"
        f"Предмет: {result.subject}\n"
        f"Срок сдачи: {result.deadline_hint or 'не указан'}\n"
        f"Тип сдаваемого материала: {result.deliverable_type}\n"
        f"Критерии оценки: {', '.join(result.grading_hints) if result.grading_hints else 'нет'}"
    )
    print("\n=== Сводка ===")
    print(summary)


if __name__ == "__main__":
    main()