"""
LLM 配置文件 - 支持 Qwen3.5-flash 和阿里云 DashScope API
"""
import os
from typing import Dict, List, Any

# 模型配置
DASHSCOPE_API_KEY = os.getenv("DASHSCOPE_API_KEY", "")
DASHSCOPE_BASE_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1"

def get_llm_config(
    model: str = "qwen3.5-flash",
    api_key: str = None,
    base_url: str = None,
    temperature: float = 0.7,
    max_tokens: int = 4096
) -> Dict[str, Any]:
    """
    获取 LLM 配置
    
    Args:
        model: 模型名称
        api_key: API Key，默认为环境变量
        base_url: API Base URL
        temperature: 温度参数
        max_tokens: 最大 token 数
    
    Returns:
        LLM 配置字典
    """
    config = {
        "config_list": [
            {
                "model": model,
                "api_key": api_key or DASHSCOPE_API_KEY,
                "base_url": base_url or DASHSCOPE_BASE_URL,
                "api_type": "openai",
                "temperature": temperature,
                "max_tokens": max_tokens,
            }
        ],
        "cache_seed": None,  # 禁用缓存以确保每次都是最新结果
        "timeout": 120,  # 2 分钟超时
    }
    return config


def get_agent_llm_config(
    agent_name: str = "default",
    **kwargs
) -> Dict[str, Any]:
    """
    获取特定 Agent 的 LLM 配置
    
    Args:
        agent_name: Agent 名称（可用于不同 Agent 使用不同模型）
        **kwargs: 额外参数
    
    Returns:
        LLM 配置字典
    """
    # 可以为不同 Agent 配置不同的模型
    model_mapping = {
        "PM_Agent": "qwen3.5-flash",
        "QA_Agent": "qwen3.5-flash",
        "Dev_Agent": "qwen3.5-flash",
        "Orchestrator": "qwen3.5-flash",
    }
    
    model = kwargs.get("model", model_mapping.get(agent_name, "qwen3.5-flash"))
    return get_llm_config(model=model, **kwargs)


# 系统提示词模板
PM_PROMPT = """你是一名资深软件产品经理，专注于汽车嵌入式系统领域。
你的任务是将用户模糊的需求转化为结构化的《软件需求规格说明书 (SRS)》。

输出必须包含：
1. 功能性需求列表（Functional Requirements）
2. 非功能性需求（性能、安全、合规）
3. 验收标准（Acceptance Criteria）
4. 潜在风险与边缘情况

请遵循博世研发规范，确保需求清晰、可测试、可追溯。

输出格式要求：
- 使用 Markdown 格式
- 每个需求都有唯一 ID（如 FR-001, NFR-001, AC-001）
- 包含版本号和日期
- 保存为 workspace/SRS.md 文件
"""

QA_PROMPT = """你是一名资深测试工程师，专注于自动化测试和 TDD 实践。
你的任务是根据 SRS 文档生成：

1. Pytest 测试框架脚本（test_*.py）
2. BDD 风格的测试场景描述（Given-When-Then）
3. 测试覆盖率要求（目标：>80%）

确保测试先于代码存在，为开发设定明确的质量护栏。

输出格式要求：
- 测试文件命名为 test_<feature>.py
- 包含完整的测试夹具（fixtures）
- 使用断言清晰的测试用例
- 保存为 workspace/test_*.py 文件
"""

DEV_PROMPT = """你是一名资深软件工程师，专注于汽车嵌入式 C++/Python/Html 开发。
你的任务是根据 SRS 和测试用例编写：

1. 核心业务逻辑代码
2. 符合 MISRA-C 规范的代码（如果是 C++）
3. 完整的文档字符串和类型注解
4. 遵循 PEP 8 风格指南（Python）

严格遵守测试驱动开发原则：
- 确保所有测试用例通过
- 如果测试失败，分析原因并修复代码
- 保持代码简洁、可读、可维护

输出格式要求：
- 源文件 src_*, 自己决定文件类型
- 包含完整的 docstring
- 添加类型注解
- 保存为 workspace/ 目录下的相应文件
"""

ORCH_PROMPT = """你是多智能体系统的协调器，负责：

1. 调度各 Agent 的工作顺序（PM → QA → Dev → Test → Verify）
2. 收集并汇总各 Agent 的输出
3. 检测测试失败时触发修复循环（Dev → Test → Dev...）
4. 在关键节点请求人工确认
5. 最终验证所有产出物的完整性

确保整个 SDLC 流程自动化且可控。

关键职责：
- 监控流程进度
- 识别并解决冲突
- 确保所有文件正确生成在 workspace/ 目录
- 生成最终的项目总结报告
"""