//! 应用全局状态 — 数据库、Repo、事件总线、节点注册表、AI 会话

use std::collections::HashMap;
use std::path::Path;
use std::sync::Arc;
use std::sync::atomic::AtomicUsize;

use anyhow::Result;
use serde::{Deserialize, Serialize};
use tokio::sync::{Mutex, Semaphore};

use df_ai::ai_tools::AiToolRegistry;
use df_storage::crud::{
    AiConversationRepo, AiProviderRepo, AiToolExecutionRepo, IdeaRepo, KnowledgeEventsRepo,
    KnowledgeRepo, NodeExecutionRepo, ProjectRepo, ReleaseRepo, SettingsRepo, TaskRepo,
    WorkflowRepo,
};
use df_storage::db::Database;
use df_workflow::eventbus::EventBus;
use df_workflow::registry::NodeRegistry;
use df_workflow::state::StateMachine;

use crate::commands::ai::AiSession;

// ============================================================
// 知识库配置(提取 + 注入)
// ============================================================

/// AI 提炼触发方式
#[derive(Debug, Clone, Serialize, Deserialize, PartialEq)]
#[serde(rename_all = "snake_case")]
pub enum ExtractTrigger {
    /// 对话正常完成时(默认)
    OnComplete,
    /// 对话闲置 N 秒后
    OnIdle,
    /// 仅手动按钮触发
    ManualOnly,
}

/// 知识库行为配置(存 AppState 内存,前后端通过 IPC 读写)
#[derive(Debug, Clone, Serialize, Deserialize)]
pub struct KnowledgeConfig {
    /// 提炼总开关,默认 true
    pub auto_extract: bool,
    /// 提炼触发方式,默认 OnComplete
    pub trigger_mode: ExtractTrigger,
    /// 最少消息数守卫(防闲聊噪音),默认 4
    pub min_messages: u32,
    /// 闲置触发超时(ms),默认 30000
    pub idle_timeout_ms: u64,
    /// 聊天时自动注入相关知识开关,默认 true
    pub auto_inject: bool,
    /// 语义检索(向量)总开关,默认 false——关闭时纯 LIKE 零外部依赖
    #[serde(default)]
    pub vector_enabled: bool,
    /// embedding 用的 provider id(仅 openai_compat 类型,Anthropic 无 embed API)
    #[serde(default)]
    pub embedding_provider_id: Option<String>,
    /// embedding 模型名(如 embedding-3 / text-embedding-3-small)
    #[serde(default)]
    pub embedding_model: Option<String>,
}

impl Default for KnowledgeConfig {
    fn default() -> Self {
        Self {
            auto_extract: true,
            trigger_mode: ExtractTrigger::OnComplete,
            min_messages: 4,
            idle_timeout_ms: 30_000,
            auto_inject: true,
            vector_enabled: false,
            embedding_provider_id: None,
            embedding_model: None,
        }
    }
}

// ============================================================
// LLM 调用并发控制（双层 Semaphore）
// ============================================================

/// LLM 调用并发控制 — 全局 + 单对话双层 Semaphore
///
/// 限流对象：所有真实 LLM 调用（主循环 stream_llm / 标题生成 / 知识提炼）。
/// 不限流本地工具执行（tools.execute）——本地操作无外部成本、不受 RPM 约束。
///
/// 运行时调整：tokio Semaphore 的 permits 数构造时固定、不可增减，
/// 故用 `Arc<Mutex<Arc<Semaphore>>>` 双层包装——替换内层 Arc 即重建 Semaphore。
/// 已持有旧 permit 的任务不受影响（permit 绑定旧 Semaphore，软收敛），
/// 新请求 lock 后克隆到最新 Arc、自动走新限制。旧 Semaphore 随最后 permit 释放而 drop。
///
/// 注意：per_conv 当前是应用级单一信号量(非 per-conv map)。因 AiSession 为单例 +
/// generating 互斥,同一时刻仅一个对话的 loop 在跑,per_conv 退化为"单对话内并发"
/// (主循环 stream_llm + 标题生成 + 知识提炼)。未来若支持多对话并发,
/// 需改为 HashMap<conv_id, Semaphore>。
#[derive(Clone)]
pub struct LlmConcurrency {
    global: Arc<Mutex<Arc<Semaphore>>>,
    per_conv: Arc<Mutex<Arc<Semaphore>>>,
}

impl LlmConcurrency {
    pub fn new(global: usize, per_conv: usize) -> Self {
        Self {
            global: Arc::new(Mutex::new(Arc::new(Semaphore::new(global)))),
            per_conv: Arc::new(Mutex::new(Arc::new(Semaphore::new(per_conv)))),
        }
    }

    /// 取全局并发 permit（重建后新请求自动走最新 Semaphore）
    pub async fn acquire_global(&self) -> tokio::sync::OwnedSemaphorePermit {
        let sema = self.global.lock().await.clone();
        sema.acquire_owned().await.expect("llm global semaphore closed")
    }

    /// 取单对话并发 permit
    pub async fn acquire_per_conv(&self) -> tokio::sync::OwnedSemaphorePermit {
        let sema = self.per_conv.lock().await.clone();
        sema.acquire_owned().await.expect("llm per_conv semaphore closed")
    }

    /// 重建全局 Semaphore（软收敛：旧 permit 不回收，待其释放后新限制完全生效）
    pub async fn set_global(&self, permits: usize) {
        *self.global.lock().await = Arc::new(Semaphore::new(permits));
    }

    /// 重建单对话 Semaphore
    pub async fn set_per_conv(&self, permits: usize) {
        *self.per_conv.lock().await = Arc::new(Semaphore::new(permits));
    }
}

/// 应用全局状态 — 通过 `app.manage()` 注入，command 中以 `State<'_, AppState>` 取用
pub struct AppState {
    /// 数据库句柄（Arc 包装，便于在异步任务中重建 Repo）
    pub db: Arc<Database>,
    /// 灵感表 Repo
    pub ideas: IdeaRepo,
    /// 项目表 Repo
    pub projects: ProjectRepo,
    /// 任务表 Repo
    pub tasks: TaskRepo,
    /// 发布表 Repo
    pub releases: ReleaseRepo,
    /// 工作流执行表 Repo
    pub workflows: WorkflowRepo,
    /// 节点执行表 Repo
    pub node_executions: NodeExecutionRepo,
    /// 工作流事件总线（tokio broadcast）
    pub event_bus: EventBus,
    /// 节点注册表（已注册内置节点）
    pub registry: Arc<NodeRegistry>,
    // ── AI ──
    /// AI 提供商配置 Repo
    pub ai_providers: AiProviderRepo,
    /// AI 对话历史 Repo
    pub ai_conversations: AiConversationRepo,
    /// AI 工具执行审计 Repo
    pub ai_tool_executions: AiToolExecutionRepo,
    /// AI 工具注册表
    pub ai_tools: Arc<AiToolRegistry>,
    /// AI 会话状态
    pub ai_session: Arc<Mutex<AiSession>>,
    // ── 知识库 ──
    /// 知识库 Repo
    pub knowledge: KnowledgeRepo,
    /// 知识生命线事件 Repo(产生/审核/引用/归档审计)
    pub knowledge_events: KnowledgeEventsRepo,
    /// 知识库行为配置(提取 + 注入)
    pub knowledge_config: Arc<Mutex<KnowledgeConfig>>,
    /// 通用应用设置 KV Repo(前端 localStorage 迁移目标)
    pub settings: SettingsRepo,
    // ── LLM 并发控制 ──
    /// LLM 调用并发上限（全局 + 单对话双层 Semaphore，运行时可调）
    pub llm_concurrency: LlmConcurrency,
    // ── Agentic 循环轮次上限 ──
    /// Agentic 循环最大轮次（前端 Settings 数字配置 → AppState 字段 → 热改 command →
    /// loop 入口 load 快照透传形参；当前 loop 锁定边界，热改下次发消息生效）。
    /// 默认 10，与 agentic.rs::DEFAULT_MAX_AGENT_ITERATIONS 对齐。
    pub agent_max_iterations: Arc<AtomicUsize>,
    // ── 流式对话失败自动重试 ──
    /// 流式对话失败自动重试次数（F-260616-07 / 决策 a1：只重试流前失败 Init Err——未输出
    /// 任何 token；流中途失败 MidStream Partial 保文不重试。退避复用 retry::backoff_delay +
    /// is_status_retryable Fatal 分类 + 30s 总预算,详见 agentic.rs 重试循环。默认 3）。
    pub agent_max_retries: Arc<AtomicUsize>,
    // ── 工作流执行状态 ──
    /// 工作流执行 → 节点状态机注册表
    ///
    /// run_workflow 创建执行器后注册其 state_machine（StateMachine 内部 Arc<Mutex>，
    /// clone 共享底层 HashMap，与下沉到 NodeContext.node_status 的是同一份）；
    /// cancel_workflow_node IPC 经 execution_id 取出后 set_cancelled，
    /// 直达运行中 HumanNode 的 is_cancelled 轮询。执行完成（成功/失败）后移除条目。
    pub workflow_state_registry: Arc<Mutex<HashMap<String, StateMachine>>>,
}

impl AppState {
    /// 初始化应用状态：打开（或创建）数据库并执行迁移，构建各 Repo 与节点注册表
    pub async fn init(db_path: &Path) -> Result<Self> {
        let db = Arc::new(Database::open(db_path).await?);
        let ai_tools = Arc::new(crate::commands::ai::build_ai_tool_registry(&db));
        // build_registry 需注入 Arc<Database>(TaskAdvanceNode 持 db)。
        // 在 struct 字段 `db` move 前 clone,避免 E0382。
        let registry = Arc::new(build_registry(db.clone()));
        let state = Self {
            ideas: IdeaRepo::new(&db),
            projects: ProjectRepo::new(&db),
            tasks: TaskRepo::new(&db),
            releases: ReleaseRepo::new(&db),
            workflows: WorkflowRepo::new(&db),
            node_executions: NodeExecutionRepo::new(&db),
            ai_providers: AiProviderRepo::new(&db),
            ai_conversations: AiConversationRepo::new(&db),
            ai_tool_executions: AiToolExecutionRepo::new(&db),
            ai_session: Arc::new(Mutex::new(AiSession::new())),
            knowledge: KnowledgeRepo::new(&db),
            knowledge_events: KnowledgeEventsRepo::new(&db),
            knowledge_config: Arc::new(Mutex::new(KnowledgeConfig::default())),
            settings: SettingsRepo::new(&db),
            llm_concurrency: LlmConcurrency::new(3, 2),
            agent_max_iterations: Arc::new(AtomicUsize::new(
                crate::commands::ai::agentic::DEFAULT_MAX_AGENT_ITERATIONS,
            )),
            agent_max_retries: Arc::new(AtomicUsize::new(
                crate::commands::ai::agentic::DEFAULT_MAX_AGENT_RETRIES,
            )),
            workflow_state_registry: Arc::new(Mutex::new(HashMap::new())),
            db,
            event_bus: EventBus::new(),
            registry,
            ai_tools,
        };
        // 启动恢复:重启前卡 pending 的工具审批(内存 pending_approvals 已丢)从审计表重建,
        // 使重启后待审批不丢。前端经 ai_pending_tool_calls + switchConversation 恢复 toolCard 态。
        crate::commands::ai::restore_pending_approvals(&state).await;
        Ok(state)
    }
}

/// 构建节点注册表 — 注册内置节点
///
/// 注意：不使用 `NodeRegistry::default()`，其 script 工厂为占位实现（会 panic），
/// 这里注册 df-nodes 提供的真实 HumanNode / AiNode。
///
/// "script" 节点不注册：ScriptNode 走 cmd /C | sh -c 执行 config.command 原始串，
/// 前端可构造任意 DagDef 触达无审批 shell（R-PD-2）。DevFlow 工作流当前为纯演示
/// 功能（前端唯一构造点 ProjectDetail.vue demoDag 三步 echo），无真实构建/部署脚本
/// 需求。需要脚本执行能力时新建独立 BuildNode（白名单 + 项目目录锚定 + 复用 AI 工具
/// RiskLevel 审批链），而非回头启用 ScriptNode + 黑名单。
/// 详见 docs/02-架构设计/工作流脚本执行边界-2026-06-15.md。
fn build_registry(db: Arc<Database>) -> NodeRegistry {
    let mut registry = NodeRegistry::new();
    registry.register("human", |_config| {
        Box::new(df_nodes::human_node::HumanNode)
    });
    // AiNode(df_nodes::ai_node, impl Node trait):
    //   决策 a(AiNode 自审闭环)步骤②:AiNode 持 Arc<Database>,execute 完成后若有 task_id
    //   则把产出落 task.output_json。工厂闭包 move 捕获 db 句柄(Arc clone 廉价)。
    let ai_db = db.clone();
    registry.register("ai", move |_config| {
        Box::new(df_nodes::ai_node::AiNode::new(ai_db.clone()))
    });
    // AiSelfReviewNode(df_nodes::ai_node, impl Node trait):
    //   决策 a 步骤③:四维度自审(prompt 固定+JSON 解析兜底),写回 output_json 加 review 子字段,
    //   review 摘要塞 NodeOutput.data 供下游 human_review 经 DAG inputs 透传。
    //   testing 模板 ai_self_review 节点类型对齐此注册 key。
    let review_db = db.clone();
    registry.register("ai_self_review", move |_config| {
        Box::new(df_nodes::ai_node::AiSelfReviewNode::new(review_db.clone()))
    });
    // TaskAdvanceNode(df_nodes::task_advance_node, impl Node trait):
    //   推进链阶段 2 工作流联动入口 — DAG 内触发 advance_task。
    //   持有 Arc<Database> 在此构造时注入(NodeRegistry::register 工厂闭包 move 捕获 db,
    //   Arc clone 廉价),Node::execute 从 NodeContext.config 读 task_id/target_status。
    //   D-260616-03: 推进链/状态机/闸门走 df-nodes Node trait,非复活 df-task。
    registry.register("task_advance", move |_config| {
        Box::new(df_nodes::task_advance_node::TaskAdvanceNode::new(db.clone()))
    });
    registry
}