//! AI 聊天 API — IPC invoke 封装 + 事件监听

import { invoke } from '@tauri-apps/api/core'
import { listen, type UnlistenFn } from '@tauri-apps/api/event'
import type { AiChatEvent, AiConversationDetail, AiConversationSummary, AiProviderConfig, ModelConfig, SkillInfo } from './types'

export const aiApi = {
  /** 发送消息（非阻塞，通过 ai-chat-event 流式返回）；skill 传技能名则注入其 SKILL.md */
  sendMessage(message: string, language?: string, skill?: string, modelOverride?: string | null): Promise<string> {
    return invoke('ai_chat_send', {
      message,
      language: language || 'zh-CN',
      skill: skill || null,
      modelOverride: modelOverride || null,
    })
  },

  /** 强制发送（B-260616-02: 复位 generating 残留后走 send 同款流程） */
  forceSend(message: string, language?: string, skill?: string, modelOverride?: string | null): Promise<string> {
    return invoke('ai_chat_force_send', {
      message,
      language: language || 'zh-CN',
      skill: skill || null,
      modelOverride: modelOverride || null,
    })
  },

  /**
   * 重新生成最后一条 AI 回复(UX-02)。
   * 后端:占用 generating → 弹出末尾 AI 回复(保留触发它的 user 消息)→ 重跑 agentic loop。
   * 前端消费:与 sendMessage 一样需本地 push 空气泡占位 + 置 streaming(见 useAiSend.regenerate)。
   */
  regenerate(conversationId: string, language?: string, modelOverride?: string | null): Promise<string> {
    return invoke('ai_regenerate', {
      conversationId,
      language: language || 'zh-CN',
      modelOverride: modelOverride || null,
    })
  },

  /**
   * 编辑最后一条 user 消息并重新生成(UX-09)。
   * 后端:占用 generating → 替换末条 user content → 其后消息标 truncated(软删)→ 重跑 agentic loop。
   * 前端消费:调 editMessage 前需移除被编辑消息之后的所有消息(视图截断)+ push 空气泡占位 + 置 streaming。
   * 中间 user 消息编辑被后端拒绝(只允许末条)。
   */
  editMessage(conversationId: string, newMessage: string, language?: string, modelOverride?: string | null): Promise<string> {
    return invoke('ai_chat_edit', {
      conversationId,
      newMessage,
      language: language || 'zh-CN',
      modelOverride: modelOverride || null,
    })
  },

  /** 批准/拒绝工具调用 */
  approve(toolCallId: string, approved: boolean): Promise<string> {
    return invoke('ai_approve', { toolCallId, approved })
  },

  /**
   * 续跑 agentic 循环(F-260616-03:达 max_iterations 暂停态点继续)。
   * 后端 ai_continue_loop:复位 stop_flag → try_continue_agent_loop 重新 spawn
   * run_agentic_loop(iteration 从 0 重计,再跑 max_iterations 轮)。
   */
  continueLoop(conversationId: string): Promise<string> {
    return invoke('ai_continue_loop', { conversationId })
  },

  /**
   * 停止 agentic 循环并走完成流程(F-260616-03:达 max_iterations 暂停态点停止)。
   * 后端 ai_stop_loop:复位 generating + emit AiCompleted(暂停前已 save)。
   */
  stopLoop(conversationId: string): Promise<string> {
    return invoke('ai_stop_loop', { conversationId })
  },

  /** 查询某对话积压的待审批工具(重启后恢复 toolCard pending_approval 态用) */
  pendingToolCalls(convId: string): Promise<{ tool_call_id: string; conversation_id: string | null }[]> {
    return invoke('ai_pending_tool_calls', { convId })
  },

  /** 清空对话 */
  clearChat(): Promise<void> {
    return invoke('ai_chat_clear')
  },

  /** 停止当前生成 */
  stopChat(): Promise<void> {
    return invoke('ai_chat_stop')
  },

  // ── F-15 阶段2: 手动上下文管理(清空 / 压缩) ──
  // 后端经 ai-chat-event emit 生命周期事件:
  //   ai_context_cleared { conversation_id }              — 清空完成
  //   ai_compressing { conversation_id }                  — 压缩开始(loading)
  //   ai_compressed { conversation_id, summary }          — 压缩成功(摘要随事件到前端)
  //   ai_error { message, conversation_id }               — 压缩失败
  // 历史消息落库时 status 标 archived_segment(清空)/ compressed(压缩),
  // 前端按 status 折叠成"已归档/已压缩"分隔条(可展开看原文)。

  /** 清空当前对话上下文(历史消息归档保留,DB 不删;新对话不受影响) */
  clearContext(conversationId: string): Promise<void> {
    return invoke('ai_chat_clear_context', { conversationId })
  },

  /** 压缩当前对话上下文(LLM 摘要落 system 消息 + 历史消息标 compressed 归档) */
  compressContext(conversationId: string, language: string): Promise<void> {
    return invoke('ai_chat_compress_context', { conversationId, language })
  },

  /** 列出所有 AI 提供商 */
  listProviders(): Promise<AiProviderConfig[]> {
    return invoke('ai_list_providers')
  },

  /** 保存 AI 提供商 */
  saveProvider(input: {
    id?: string
    name: string
    providerType: string
    baseUrl: string
    apiKey: string
    defaultModel: string
  }): Promise<string> {
    return invoke('ai_save_provider', {
      id: input.id,
      name: input.name,
      providerType: input.providerType,
      baseUrl: input.baseUrl,
      apiKey: input.apiKey,
      defaultModel: input.defaultModel,
    })
  },

  /** 设置活跃提供商 */
  setProvider(providerId: string): Promise<void> {
    return invoke('ai_set_provider', { providerId })
  },

  /**
   * 更新 provider 负载均衡池配置(F-260614-04c):仅 UPDATE enabled/weight + 重建 per_provider caps。
   * 走轻量分支,不经 ai_save_provider 全量 INSERT OR REPLACE(避免空 api_key 触发 R-PD-1 密钥迁移)。
   * 后端 weight clamp [0,100];落库后立即 reload_provider_caps,下条消息即按新配置 acquire。
   */
  updateProviderPool(providerId: string, enabled: boolean, weight: number): Promise<void> {
    return invoke('ai_update_provider_pool', { providerId, enabled, weight })
  },

  /** 删除 AI 提供商 */
  deleteProvider(providerId: string): Promise<void> {
    return invoke('ai_delete_provider', { providerId })
  },

  /**
   * 测试连接并拉取厂商模型列表(F-01 阶段5)。
   * 后端:DB 取 provider → FR-S1 内存解析 api_key → fetch_and_probe
   * (网络拉模型名 + 探测 4 维度)→ 写回 model_configs → 返回。
   * 返回值 ModelConfig 不含 api_key(FR-S1 闭环)。
   * 需已落库的 providerId(新建态先保存再拉取)。
   */
  fetchModels(providerId: string): Promise<ModelConfig[]> {
    return invoke('ai_fetch_models', { providerId })
  },

  /**
   * 单模型探测(F-01 阶段5):纯 CPU 启发式 + 预设表,无网络。
   * 返回填充了 probe_source 的 ModelConfig。用途:手动补模型名后探测能力维度。
   */
  probeModel(modelId: string): Promise<ModelConfig> {
    return invoke('ai_probe_model', { modelId })
  },

  /** 设置 LLM 调用并发上限（全局 / 单对话，运行时即时生效；软收敛不中断进行中调用） */
  setConcurrencyConfig(globalLimit: number, perConvLimit: number): Promise<void> {
    return invoke('ai_set_concurrency_config', { globalLimit, perConvLimit })
  },

  /** 设置 Agentic 循环最大轮次（运行时调整；loop 入口锁定边界，热改下次发消息生效） */
  setAgentMaxIterations(value: number): Promise<void> {
    return invoke('ai_set_agent_max_iterations', { value })
  },

  /** 设置流式对话失败自动重试次数（F-260616-07：只重试流前失败，0=不重试，默认3，上限10） */
  setAgentMaxRetries(value: number): Promise<void> {
    return invoke('ai_set_agent_max_retries', { value })
  },

  /** 列出本机 Claude 技能（skills + commands + plugins） */
  listSkills(): Promise<SkillInfo[]> {
    return invoke('ai_list_skills')
  },

  /** 监听 AI 聊天事件 */
  onEvent(callback: (event: AiChatEvent) => void): Promise<UnlistenFn> {
    return listen<AiChatEvent>('ai-chat-event', (e) => {
      callback(e.payload)
    })
  },

  // ── 对话管理 ──

  /** 创建新对话 */
  createConversation(): Promise<{ id: string }> {
    return invoke('ai_conversation_create')
  },

  /** 列出对话（摘要；limit 默认 50，includeArchived 默认 false 隐藏归档） */
  listConversations(limit?: number, includeArchived?: boolean): Promise<AiConversationSummary[]> {
    return invoke('ai_conversation_list', {
      limit: limit ?? null,
      includeArchived: includeArchived ?? false,
    })
  },

  /** 切换到指定对话 */
  switchConversation(conversationId: string): Promise<AiConversationDetail> {
    return invoke('ai_conversation_switch', { conversationId })
  },

  /** 删除对话 */
  deleteConversation(conversationId: string): Promise<void> {
    return invoke('ai_conversation_delete', { conversationId })
  },

  /** 重命名对话标题 */
  renameConversation(conversationId: string, title: string): Promise<void> {
    return invoke('ai_conversation_rename', { conversationId, title })
  },

  /** 归档/取消归档对话 */
  archiveConversation(conversationId: string, archived: boolean): Promise<void> {
    return invoke('ai_conversation_archive', { conversationId, archived })
  },

  /** 置顶/取消置顶对话(UX-17) */
  setPinnedConversation(conversationId: string, pinned: boolean): Promise<void> {
    return invoke('ai_conversation_set_pinned', { conversationId, pinned })
  },

  /**
   * 导出对话为指定格式(UX-18:对话导出;消费 batch46 ai_conversation_export IPC)。
   * 后端返回导出内容 String(markdown/json/txt),前端落 Blob 下载或复制剪贴板。
   * @param format 'markdown' | 'json' | 'txt'
   */
  exportConversation(conversationId: string, format: 'markdown' | 'json' | 'txt'): Promise<string> {
    return invoke('ai_conversation_export', { conversationId, format })
  },
}