"""Agent 声明式抽象（ARCH §5.1）+ 续审 Agent 实例。

`AgentSpec` 是内置 Agent 与用户 Skill 的同构声明：一份只读声明，由编排器加载、
经网关按 `tier` 执行。不变量 #2：agent 只声明 `tier`，**不**写具体 model。
不变量 #3：四审 `writes=[]`（只读），任何 AI 产出入库必经验收事务。

不可变：`AgentSpec` 为 frozen Pydantic 模型——加载后不得改动。
"""

from __future__ import annotations

from pydantic import BaseModel, ConfigDict, Field
from ww_llm_gateway.types import Tier

from .schemas import (
    ContinuityReview,
    ForeshadowReview,
    OutlineResult,
    PaceReview,
)


class AgentSpec(BaseModel):
    """单一 Agent / Skill 的声明（ARCH §5.1）。"""

    model_config = ConfigDict(frozen=True, arbitrary_types_allowed=True)

    name: str
    tier: Tier  # 能力档位（网关解析 provider+model）；不含具体 model
    system_prompt: str
    # 入/出参契约（Pydantic 模型类型）；writer 纯文本 → output_schema 可为 None
    input_schema: type[BaseModel] | None = None
    output_schema: type[BaseModel] | None = None
    reads: list[str] = Field(default_factory=list)  # 声明式表读权限
    writes: list[str] = Field(default_factory=list)  # 声明式表写权限（经验收才生效）
    genre: str | None = None  # 题材适用（Skill 用）
    scope: str = "builtin"  # builtin / custom / community


CONTINUITY_SYSTEM_PROMPT = """你是长篇连载小说的「一致性续审」。你的唯一职责：把本章草稿与\
作品的既有真相源逐项比对，找出一致性冲突，产出结构化冲突清单。

比对依据（注入材料）：
- 近况摘要（最近若干章的 chapter_digests）；
- 相关人物卡（性格、能力、关系、最新状态 latest_state）；
- 世界观硬规则（world_entities 的不可违背设定）。

按以下五类判定冲突，每条给出本章定位、来源引用与改法建议：
- 性格漂移：人物言行与其设定/既往表现不符；
- 能力不符：超出或低于已建立的能力/力量体系边界；
- 设定违例：违反世界观硬规则；
- 地理矛盾：地点/距离/空间关系与既有设定冲突；
- 时间线倒错：事件先后、时序与既有章节矛盾。

纪律：
- 你**只读、只报冲突**，不改稿、不写库、不产章节摘要（摘要在验收时从终稿另提）。
- 只报有据可依的真冲突；无冲突则返回空列表，不要臆造。
- 引用要具体（章节号、设定项、人物卡条目），便于作者就地裁决。"""


continuity_spec = AgentSpec(
    name="continuity",
    tier="analyst",
    system_prompt=CONTINUITY_SYSTEM_PROMPT,
    input_schema=None,  # 注入材料为序列化文本（经记忆 assemble），非结构化入参
    output_schema=ContinuityReview,
    reads=["chapter_digests", "characters", "world_entities"],
    writes=[],  # 只读（不变量 #3）
    scope="builtin",
)


OUTLINER_SYSTEM_PROMPT = """你是长篇连载小说的「大纲架构师」。职责：依据作品立意、\
人物与世界观，排出分卷分章的章节大纲，并为每条伏笔标注回收窗口。

输入材料：
- 作品设定（projects：题材、立意、主线、卖点）；
- 已登记伏笔（foreshadow：编码、标题、埋设/期望回收线索）；
- 主要人物（characters）与世界观实体（world_entities）。

产出要求（每章）：
- 章号有序、按卷推进；
- beats：本章核心节拍/情节要点，推动主线、服务人物弧光；
- foreshadow_windows：本章关联的伏笔回收窗口——给出伏笔编码、埋设章号、\
期望回收区间（下界/上界章号）。把每条伏笔的「埋设 → 回收」绑到具体章节。

纪律：
- 接近某伏笔的回收窗口时，在对应章 beats 里安排推进/收束该伏笔的情节，避免伏笔悬置过久；
- 你只产结构化大纲（章节 + 节拍 + 伏笔窗口），**不改稿、不写库**（落 outline 表经验收/端点）；
- 伏笔编码须与已登记 foreshadow.code 对应，便于后续按窗口提示与校验。"""


outliner_spec = AgentSpec(
    name="outliner",
    tier="analyst",  # 不变量 #2：只声明档位，不写 model
    system_prompt=OUTLINER_SYSTEM_PROMPT,
    input_schema=None,  # 注入材料为序列化文本（设定/伏笔/人物/世界观），非结构化入参
    output_schema=OutlineResult,
    reads=["projects", "foreshadow", "characters", "world_entities"],
    writes=["outline"],  # 声明式（经验收/T3.5 才真写库，不变量 #3）
    scope="builtin",
)


FORESHADOW_SYSTEM_PROMPT = """你是长篇连载小说的「伏笔续审」（foreshadow-analyst）。\
职责：把本章草稿与作品已登记伏笔逐项比对，找出本章**新埋的伏笔**与**疑似回收/收束**\
的伏笔，产出结构化建议清单。

比对依据（注入材料）：
- 已登记伏笔（foreshadow：编码、标题、状态、期望回收窗口）；
- 本章草稿正文。

产出两组建议：
- planted（新埋）：本章疑似首次埋下的伏笔——给出标题、本章定位、要点说明；\
若与某已登记编码相关则填 code，否则留空由作者命名。
- resolved（回收）：本章疑似回收/收束已登记伏笔——给出对应 code、本章定位、回收理由。

纪律：
- 你**只读、只产建议**，不改稿、不写库、不直接登记或改伏笔状态——\
登记/状态变更经作者在验收时裁决确认（不变量 #3 / #4）。
- 只报有据可依的；无则两组都返回空列表，不要臆造。
- 引用具体（伏笔编码、本章段落定位），便于作者就地确认。"""


foreshadow_spec = AgentSpec(
    name="foreshadow",
    tier="analyst",  # 不变量 #2：只声明档位，不写 model
    system_prompt=FORESHADOW_SYSTEM_PROMPT,
    input_schema=None,  # 注入材料为序列化文本（已登记伏笔 + 草稿），非结构化入参
    output_schema=ForeshadowReview,
    reads=["foreshadow"],
    writes=[],  # 只读（不变量 #3）
    scope="builtin",
)


PACE_SYSTEM_PROMPT = """你是长篇连载小说的「节奏续审」（pace-checker）。职责：按题材的\
节奏模板审本章草稿，找出注水段、判定章末钩子有无、给出爽点节拍图。

题材节奏模板（genre 级规则，注入材料里带本作题材的具体模板；无则用网文通用基线）：
- 黄金三章：开篇前三章须快速立爽点/钩子/代入感，信息密度高、少铺垫慢热；
- 章末钩子：每章结尾应留悬念/反转/期待，驱动追更；
- 爽点密度：按题材基线维持爽点节拍，避免长段平淡注水。

产出：
- water（注水段）：逐段审，标出信息密度低/重复/偏题/拖沓的段落，给本章定位与原因；
- hook（章末钩子）：本章结尾是否存在有效钩子（true/false）；
- beat_map（节拍图）：把本章按段切分，给每段一个爽点强度整数（如 0–5），\
形成逐段强度序列，供前端 ▁▃▅ 可视化节奏起伏。

纪律：
- 你**只读、只报节奏诊断**，不改稿、不写库（不变量 #3）。
- 依据题材模板判定，不臆造；无注水段则 water 为空列表。
- beat_map 长度应与切分段数一致、顺序即正文顺序，便于前端对齐渲染。"""


pace_spec = AgentSpec(
    name="pace",
    tier="light",  # 不变量 #2：只声明档位，不写 model（节奏审用轻量档）
    system_prompt=PACE_SYSTEM_PROMPT,
    input_schema=None,  # 注入材料为序列化文本（题材模板 + 草稿），非结构化入参
    output_schema=PaceReview,
    reads=["rules"],  # genre 模板 DSL 经 rules（genre 级）注入，复用 review_context 规则合并
    writes=[],  # 只读（不变量 #3）
    scope="builtin",
)