//! 模型探测器 — 纯逻辑子模块(F-01 阶段2)
//!
//! 从 `model_probe.rs` 抽离的纯函数实现(预设表加载 / 启发式推断 / 词素判定)。
//! 无 IO、无外部状态,crate 内经 `model_probe::probe` 间接复用 —
//! 对齐 `model_fetch_helpers` 拆分先例(private mod,外部零直接路径需求)。
//!
//! 设计来源:docs/02-架构设计/已编号方案/F-01-模型能力系统与智能路由设计-2026-06-16.md §4

use std::sync::OnceLock;

use df_ai_core::model::{
    Capability, CostTier, IntelligenceTier, Modality, ModelConfig,
};

// ────────────────────────────────────────────────────────────
// 预设表:编译期嵌入(include_str! 相对 crate 根),零运行时文件依赖
// ────────────────────────────────────────────────────────────

/// 预设表原始 JSON(编译期从 `crates/df-ai/presets/models.json` 嵌入)。
pub(super) const PRESETS_JSON: &str = include_str!("../presets/models.json");

/// 解析后的预设表(进程内单例,首次访问惰性解析一次)。
pub(super) fn presets() -> &'static [ModelConfig] {
    static PRESETS: OnceLock<Vec<ModelConfig>> = OnceLock::new();
    PRESETS.get_or_init(|| {
        // include_str! 内容由仓库控制,解析失败属编译期/仓库错误,panic 合理。
        serde_json::from_str::<Vec<ModelConfig>>(PRESETS_JSON)
            .expect("presets/models.json 解析失败 — 检查 JSON 格式与 ModelConfig serde 映射")
    })
}

// ────────────────────────────────────────────────────────────
// 启发式推断(模型名命名模式 → 4 维度)
// ────────────────────────────────────────────────────────────

/// 模型名启发式推断。仅推断功能性维度(modalities/capabilities),
/// cost_tier / intelligence 一律返中性默认(Medium / Standard)。
///
/// 取舍:B-260618-04 — 模型名关键词猜档位(flash→Lite、4o→High、pro→Plus)无依据,
/// 厂商定价/智力与命名无关,瞎填会污染路由器过滤(intelligence >= min / cost_tier <= max)。
/// 改中性默认,真实档位由用户手填或更高阶探测源(如厂商 API/定价表)提供。
///
/// 规则(任务规格,设计文档 §4.4 模糊匹配规则对齐):
/// - `embed`/`embedding`/`e-`(前缀) → Embedding 模型:capabilities=[Embedding],modalities=[](去 Text)
/// - `v`/`vision`/`vl`(词素) → modalities 加 Vision
/// - `code`/`coder` → capabilities 加 CodeGen
/// - cost_tier / intelligence → 中性默认 Medium / Standard(不靠名字猜)
pub(super) fn heuristic_infer(model_id: &str) -> ModelConfig {
    let name = model_id.to_lowercase();
    let mut modalities: Vec<Modality> = Vec::new();
    let mut capabilities: Vec<Capability> = Vec::new();
    // 中性默认:不靠模型名猜档位(B-260618-04)
    let cost_tier = CostTier::Medium;
    let intelligence = IntelligenceTier::Standard;

    // —— Embedding 优先判定(改变模态集合,且通常独占) ——
    // 规则:含 embed / embedding / 以 "e-" / "embedding-" 起首
    let is_embedding = name.contains("embed")
        || name.contains("embedding")
        || name.starts_with("e-")
        || name.starts_with("embedding-")
        || name.starts_with("text-embedding");

    if is_embedding {
        capabilities.push(Capability::Embedding);
        // embedding 模型不走对话模态,modalities 留空(设计 §4.4 embedding-3 例:modalities=[])
        return ModelConfig {
            model_id: model_id.to_string(),
            enabled: true,
            label: None,
            modalities,
            capabilities,
            cost_tier,
            intelligence,
            weight: 50,
            context_window: 8192,
            probe_source: None,
        };
    }

    // —— 对话模型默认 Text 模态 ——
    modalities.push(Modality::Text);

    // —— Vision 词素:含 "v"(独立词素:glm-4v / qwen-vl)、"vision"、"vl" ——
    // 注:裸 "v" 子串误伤大(如 "review"),故仅在边界词素命中:
    //   以 "v" 结尾、含 "-v" / "v-" 分隔、含 "vl" / "vision"
    if has_vision_token(&name) {
        modalities.push(Modality::Vision);
    }

    // —— CodeGen:含 code / coder ——
    if name.contains("code") || name.contains("coder") {
        capabilities.push(Capability::CodeGen);
    }

    // —— 对话模型默认 ToolUse(主流支持 function calling) ——
    capabilities.push(Capability::ToolUse);

    ModelConfig {
        model_id: model_id.to_string(),
        enabled: true,
        label: None,
        modalities,
        capabilities,
        cost_tier,
        intelligence,
        weight: 50,
        context_window: 8192,
        probe_source: None,
    }
}

// —— 词素判定助手(命名约定式启发式,集中维护便于增删) ——

/// Vision 词素:`-v`(尾缀如 glm-4v)、以 `v` 结尾、含 `vl` / `vision`。
/// 不直接 `contains('v')`(避免误伤 review/verbal 等)。
pub(super) fn has_vision_token(name: &str) -> bool {
    name.contains("vision") || name.contains("vl") || name.ends_with('v') || name.contains("-v")
}