import os
from typing import List

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


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

    title: str = Field(..., description="Название задания одной фразой")
    subject: str = Field(..., description="Учебная дисциплина или тема")
    deadline_hint: str | None = Field(
        None,
        description="Срок выполнения в произвольной форме, если упомянут",
    )
    deliverable_type: str = Field(
        ...,
        description="Что нужно сдать: отчёт, код, презентация и т.п.",
    )
    grading_hints: List[str] | None = Field(
        default_factory=list,
        description="Критерии оценки, которые явно названы в тексте",
    )


def run(raw_text: str) -> None:
    output_parser = PydanticOutputParser(pydantic_object=AssignmentCard)

    template = PromptTemplate(
        template=(
            "Прочитай описание учебного задания и заполни все поля карточки.\n\n"
            "Описание:\n{raw_text}\n\n"
            "Верни ответ строго в JSON без лишних пояснений.\n"
            "{format_instructions}"
        ),
        input_variables=["raw_text"],
        partial_variables={
            "format_instructions": output_parser.get_format_instructions()
        },
    )

    model = ChatOpenAI(model="gpt-4o-mini", temperature=0)

    chain = template | model | output_parser

    card: AssignmentCard = chain.invoke({"raw_text": raw_text})

    print("Валидированный объект:")
    print(card.model_dump())

    print("\nСводка:")
    print(
        f"Задание «{card.title}» по теме «{card.subject}». "
        f"Сдать: {card.deliverable_type}. "
        f"Дедлайн: {card.deadline_hint or 'не указан'}. "
        f"Оценивается: {', '.join(card.grading_hints) if card.grading_hints else 'критерии не указаны'}."
    )


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