"""
OpenAI-compatible API Client for company profile generation
"""
import time
from typing import Dict, List, Optional
import openai


class CompanyProfileClient:
    def __init__(self, api_key: str, base_url: str, model: str = "gemini-1.5-flash"):
        """Initialize OpenAI client with API key, base_url and model"""
        self.client = openai.AsyncOpenAI(api_key=api_key, base_url=base_url)
        self.model_name = model
    
    async def generate_profile(
        self, 
        company_name: str, 
        ts_code: str,
        financial_data: Optional[Dict] = None
    ) -> Dict:
        """
        Generate company profile using OpenAI-compatible API (non-streaming)
        
        Args:
            company_name: Company name
            ts_code: Stock code
            financial_data: Optional financial data for context
            
        Returns:
            Dict with profile content and metadata
        """
        start_time = time.perf_counter_ns()
        
        # Build prompt
        prompt = self._build_prompt(company_name, ts_code, financial_data)
        
        # Call OpenAI-compatible API
        try:
            response = await self.client.chat.completions.create(
                model=self.model_name,
                messages=[{"role": "user", "content": prompt}],
            )
            
            content = response.choices[0].message.content if response.choices else ""
            usage = response.usage

            elapsed_ms = int((time.perf_counter_ns() - start_time) / 1_000_000)
            
            return {
                "content": content,
                "model": self.model_name,
                "tokens": {
                    "prompt_tokens": usage.prompt_tokens if usage else 0,
                    "completion_tokens": usage.completion_tokens if usage else 0,
                    "total_tokens": usage.total_tokens if usage else 0,
                } if usage else {"prompt_tokens": 0, "completion_tokens": 0, "total_tokens": 0},
                "elapsed_ms": elapsed_ms,
                "success": True,
            }
        except Exception as e:
            elapsed_ms = int((time.perf_counter_ns() - start_time) / 1_000_000)
            return {
                "content": "",
                "model": self.model_name,
                "tokens": {"prompt_tokens": 0, "completion_tokens": 0, "total_tokens": 0},
                "elapsed_ms": elapsed_ms,
                "success": False,
                "error": str(e),
            }
    
    def generate_profile_stream(
        self, 
        company_name: str, 
        ts_code: str,
        financial_data: Optional[Dict] = None
    ):
        """
        Generate company profile using Gemini API with streaming
        
        Args:
            company_name: Company name
            ts_code: Stock code
            financial_data: Optional financial data for context
            
        Yields:
            Chunks of generated content
        """
        import logging
        logger = logging.getLogger(__name__)
        
        logger.info(f"[CompanyProfile] Starting stream generation for {company_name} ({ts_code})")
        
        # Build prompt
        prompt = self._build_prompt(company_name, ts_code, financial_data)
        logger.info(f"[CompanyProfile] Prompt built, length: {len(prompt)} chars")
        
        # Call Gemini API with streaming
        try:
            logger.info("[CompanyProfile] Calling Gemini API with stream=True")
            # Generate streaming response (sync call, but yields chunks)
            response_stream = self.model.generate_content(prompt, stream=True)
            logger.info("[CompanyProfile] Gemini API stream object created")
            
            chunk_count = 0
            # Stream chunks
            logger.info("[CompanyProfile] Starting to iterate response stream")
            for chunk in response_stream:
                logger.info(f"[CompanyProfile] Received chunk from Gemini, has text: {hasattr(chunk, 'text')}")
                if hasattr(chunk, 'text') and chunk.text:
                    chunk_count += 1
                    text_len = len(chunk.text)
                    logger.info(f"[CompanyProfile] Chunk {chunk_count}: {text_len} chars")
                    yield chunk.text
                else:
                    logger.warning(f"[CompanyProfile] Chunk has no text attribute or empty, chunk: {chunk}")
            
            logger.info(f"[CompanyProfile] Stream iteration completed. Total chunks: {chunk_count}")
            
        except Exception as e:
            logger.error(f"[CompanyProfile] Error during streaming: {type(e).__name__}: {str(e)}", exc_info=True)
            yield f"\n\n---\n\n**错误**: {type(e).__name__}: {str(e)}"
    
    def _build_prompt(self, company_name: str, ts_code: str, financial_data: Optional[Dict] = None) -> str:
        """Build prompt for company profile generation"""
        prompt = f"""您是一位专业的证券市场分析师。请为公司 {company_name} (股票代码: {ts_code}) 生成一份详细且专业的公司介绍。开头不要自我介绍，直接开始正文。正文用MarkDown输出，尽量说明信息来源，用斜体显示信息来源。在生成内容时，请严格遵循以下要求并采用清晰、结构化的格式：

    1.  **公司概览**:
        * 简要介绍公司的性质、核心业务领域及其在行业中的定位。
        * 提炼并阐述公司的核心价值理念。

    2.  **主营业务**:
        * 详细描述公司主要的**产品或服务**。
        * **重要提示**：如果能获取到公司最新的官方**年报**或**财务报告**，请从中提取各主要产品/服务线的**收入金额**和其占公司总收入的**百分比**。请**明确标注数据来源**（例如："数据来源于XX年年度报告"）。
        * **严格禁止**编造或估算任何财务数据。若无法找到公开、准确的财务数据，请**不要**在这一点中提及具体金额或比例，仅描述业务内容。

    3.  **发展历程**:
        * 以时间线或关键事件的形式，概述公司自成立以来的主要**里程碑事件**、重大发展阶段、战略转型或重要成就。

    4.  **核心团队**:
        * 介绍公司**主要管理层和核心技术团队成员**。
        * 对于每位核心成员，提供其**职务、主要工作履历、教育背景**。
        * 如果公开可查，可补充其**出生年份**。

    5.  **供应链**:
        * 描述公司的**主要原材料、部件或服务来源**。
        * 如果公开信息中包含，请列出**主要供应商名称**，并**明确其在总采购金额中的大致占比**。若无此数据，则仅描述采购模式。

    6.  **主要客户及销售模式**:
        * 阐明公司的**销售模式**（例如：直销、经销、线上销售、代理等）。
        * 列出公司的**主要客户群体**或**代表性大客户**。
        * 如果公开信息中包含，请标明**主要客户（或前五大客户）的销售额占公司总销售额的比例**。若无此数据，则仅描述客户类型。

    7.  **未来展望**:
        * 基于公司**公开的官方声明、管理层访谈或战略规划**，总结公司未来的发展方向、战略目标、重点项目或市场预期。请确保此部分内容有可靠的信息来源支持。"""

        if financial_data:
            prompt += f"\n\n参考财务数据：\n{financial_data}"
        
        return prompt