import json
from typing import Any

from app.llm.client import LLMClient
from app.projects.structuring import strip_markdown_json

MEAL_PROMPT = """
Преобразуй описание еды в JSON. Только JSON, без markdown.
Схема:
{
  "meal_type": "breakfast|lunch|dinner|snack",
  "description": "краткое описание",
  "calories": 0,
  "protein_g": 0,
  "fat_g": 0,
  "carbs_g": 0,
  "estimated": true
}
Правила:
- Оцени ккал и БЖУ по типичным значениям для России/СНГ.
- Все числа — float/int, метрическая система (г, ккал).
- meal_type угадай из контекста или snack.
- estimated всегда true для LLM-оценки.
""".strip()

WORKOUT_PROMPT = """
Преобразуй описание тренировки в JSON. Только JSON.
Формат:
{
  "title": "название",
  "activity_type": "ходьба|бег|силовая|велосипед|плавание|йога|hiit|другое",
  "duration_min": null,
  "active_calories": null,
  "met": null,
  "total_calories": null,
  "steps": null,
  "notes": "",
  "exercises": [
    {"name": "имя упраж", "sets": 3, "reps": 8, "weight_kg": 80}
  ]
}
Правила:
- weight_kg в кг, округляй разумно.
- active_calories — только если явно указаны в тексте, иначе null.
- duration_min — длительность в минутах, если можно оценить из текста.
- met — MET по Compendium of Physical Activities, если ккал не указаны (ходьба ~3.5, бег ~9.8, силовая ~6, велосипед ~7.5, плавание ~8, йога ~3, hiit ~8).
- activity_type — тип активности для расчёта MET.
- total_calories / steps — если упомянуты в тексте, иначе null.
- Если данных нет — null или пустой массив.
""".strip()

STEPS_PROMPT = """
Преобразуй запись о шагах в JSON. Только JSON.
Формат:
{
  "steps": 0,
  "active_calories": null,
  "notes": ""
}
Правила:
- steps — целое число шагов за день.
- active_calories — только если явно указаны.
""".strip()


async def structure_meal(raw_text: str) -> dict[str, Any]:
    llm = LLMClient()
    result = await llm.complete(
        [
            {"role": "system", "content": MEAL_PROMPT},
            {"role": "user", "content": raw_text},
        ],
        temperature=0.2,
    )
    raw = strip_markdown_json(result.get("content") or "")
    return json.loads(raw)


async def structure_workout(raw_text: str) -> dict[str, Any]:
    llm = LLMClient()
    result = await llm.complete(
        [
            {"role": "system", "content": WORKOUT_PROMPT},
            {"role": "user", "content": raw_text},
        ],
        temperature=0.2,
    )
    raw = strip_markdown_json(result.get("content") or "")
    return json.loads(raw)


async def structure_steps(raw_text: str) -> dict[str, Any]:
    llm = LLMClient()
    result = await llm.complete(
        [
            {"role": "system", "content": STEPS_PROMPT},
            {"role": "user", "content": raw_text},
        ],
        temperature=0.2,
    )
    raw = strip_markdown_json(result.get("content") or "")
    return json.loads(raw)