"""
智策综合研判引擎
整合各智能体分析，生成板块多空/轮动/热度预测
"""

from sector_strategy_agents import SectorStrategyAgents
from deepseek_client import DeepSeekClient
from typing import Dict, Any
import time
import json


class SectorStrategyEngine:
    """板块策略综合研判引擎"""
    
    def __init__(self, model="deepseek-chat"):
        self.model = model
        self.agents = SectorStrategyAgents(model=model)
        self.deepseek_client = DeepSeekClient(model=model)
        print(f"[智策引擎] 初始化完成 (模型: {model})")
    
    def run_comprehensive_analysis(self, data: Dict) -> Dict[str, Any]:
        """
        运行综合分析流程
        
        Args:
            data: 包含市场数据的字典
            
        Returns:
            完整的分析结果
        """
        print("\n" + "=" * 60)
        print("🚀 智策综合分析系统启动")
        print("=" * 60)
        
        results = {
            "success": False,
            "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
            "agents_analysis": {},
            "comprehensive_report": "",
            "final_predictions": {}
        }
        
        try:
            # 1. 运行四个AI智能体分析
            print("\n[阶段1] AI智能体分析集群工作中...")
            print("-" * 60)
            
            agents_results = {}
            
            # 宏观策略师
            print("1/4 宏观策略师...")
            macro_result = self.agents.macro_strategist_agent(
                market_data=data.get("market_overview", {}),
                news_data=data.get("news", [])
            )
            agents_results["macro"] = macro_result
            
            # 板块诊断师
            print("2/4 板块诊断师...")
            sector_result = self.agents.sector_diagnostician_agent(
                sectors_data=data.get("sectors", {}),
                concepts_data=data.get("concepts", {}),
                market_data=data.get("market_overview", {})
            )
            agents_results["sector"] = sector_result
            
            # 资金流向分析师
            print("3/4 资金流向分析师...")
            fund_result = self.agents.fund_flow_analyst_agent(
                fund_flow_data=data.get("sector_fund_flow", {}),
                north_flow_data=data.get("north_flow", {}),
                sectors_data=data.get("sectors", {})
            )
            agents_results["fund"] = fund_result
            
            # 市场情绪解码员
            print("4/4 市场情绪解码员...")
            sentiment_result = self.agents.market_sentiment_decoder_agent(
                market_data=data.get("market_overview", {}),
                sectors_data=data.get("sectors", {}),
                concepts_data=data.get("concepts", {})
            )
            agents_results["sentiment"] = sentiment_result
            
            results["agents_analysis"] = agents_results
            print("\n✓ 所有智能体分析完成")
            
            # 2. 综合研判
            print("\n[阶段2] 综合研判引擎工作中...")
            print("-" * 60)
            comprehensive_report = self._conduct_comprehensive_discussion(agents_results)
            results["comprehensive_report"] = comprehensive_report
            print("✓ 综合研判完成")
            
            # 3. 生成最终预测
            print("\n[阶段3] 生成最终预测...")
            print("-" * 60)
            predictions = self._generate_final_predictions(comprehensive_report, agents_results, data)
            results["final_predictions"] = predictions
            print("✓ 预测生成完成")
            
            results["success"] = True
            
            print("\n" + "=" * 60)
            print("✓ 智策综合分析完成！")
            print("=" * 60)
            
        except Exception as e:
            print(f"\n✗ 分析过程出错: {e}")
            import traceback
            traceback.print_exc()
            results["error"] = str(e)
        
        return results
    
    def _conduct_comprehensive_discussion(self, agents_results: Dict) -> str:
        """
        综合研判 - 整合各智能体的分析
        """
        print("  🤝 智能体团队正在综合讨论...")
        time.sleep(2)
        
        # 收集各分析师的报告
        macro_analysis = agents_results.get("macro", {}).get("analysis", "")
        sector_analysis = agents_results.get("sector", {}).get("analysis", "")
        fund_analysis = agents_results.get("fund", {}).get("analysis", "")
        sentiment_analysis = agents_results.get("sentiment", {}).get("analysis", "")
        
        prompt = f"""
你是智策系统的首席策略官，现在需要综合四位专业分析师的报告，形成全面的市场和板块研判。

【宏观策略师报告】
{macro_analysis}

【板块诊断师报告】
{sector_analysis}

【资金流向分析师报告】
{fund_analysis}

【市场情绪解码员报告】
{sentiment_analysis}

请基于以上四位分析师的专业报告，进行深度综合研判：

1. **观点一致性分析**
   - 四位分析师的核心观点有哪些一致之处？
   - 在哪些方面存在分歧或不同看法？
   - 如何理解这些分歧的合理性？

2. **多维度交叉验证**
   - 宏观环境、板块基本面、资金流向、市场情绪是否形成共振？
   - 哪些板块得到了多维度的支持？
   - 哪些板块存在多维度的风险信号？

3. **关键矛盾识别**
   - 当前市场和板块的主要矛盾是什么？
   - 哪些因素可能成为决定性因素？
   - 如何平衡不同维度的分析结论？

4. **综合判断**
   - 基于四个维度的综合分析，对市场整体趋势的判断
   - 对板块轮动方向的判断
   - 对市场风险收益比的评估
   - 当前最值得把握的机会在哪里？

5. **策略权重建议**
   - 在当前环境下，四个分析维度的重要性权重（宏观/板块/资金/情绪）
   - 应该重点参考哪个维度的建议？
   - 需要警惕哪个维度的风险？

请给出专业、全面的综合研判报告，体现多维度分析的价值。
"""
        
        messages = [
            {"role": "system", "content": "你是智策系统的首席策略官，需要整合多维度分析，形成全面的投资策略。"},
            {"role": "user", "content": prompt}
        ]
        
        report = self.deepseek_client.call_api(messages, max_tokens=5000)
        
        print("  ✓ 综合研判完成")
        return report
    
    def _generate_final_predictions(self, comprehensive_report: str, agents_results: Dict, raw_data: Dict) -> Dict:
        """
        生成最终预测 - 板块多空/轮动/热度
        """
        print("  📊 生成板块多空/轮动/热度预测...")
        time.sleep(2)
        
        # 提取板块列表用于预测
        sectors_list = []
        if raw_data.get("sectors"):
            sorted_sectors = sorted(raw_data["sectors"].items(), key=lambda x: abs(x[1]["change_pct"]), reverse=True)
            sectors_list = [name for name, _ in sorted_sectors[:30]]  # 取前30个活跃板块
        
        sectors_str = ", ".join(sectors_list) if sectors_list else "未知板块"
        
        prompt = f"""
基于前期的深度分析和综合研判，现在需要生成最终的板块预测报告。

【综合研判结论】
{comprehensive_report}

【参考板块列表】
{sectors_str}

请生成以下三类预测，并以JSON格式输出：

1. **板块多空情况**
   - 看多板块（5-8个）：综合判断未来1-2周看涨的板块
   - 看空板块（3-5个）：综合判断未来1-2周看跌的板块
   - 中性板块（2-3个）：走势不明朗的板块
   
   对每个板块给出：
   - 板块名称
   - 多空判断（看多/看空/中性）
   - 推荐理由（100字以内）
   - 信心度（1-10分）
   - 风险提示

2. **板块轮动预测**
   - 当前强势板块（正在走强的2-3个板块）
   - 潜力接力板块（可能轮动到的3-5个板块）
   - 衰退板块（正在走弱的2-3个板块）
   
   对每个板块给出：
   - 板块名称
   - 轮动阶段（强势/潜力/衰退）
   - 轮动逻辑（150字以内）
   - 预计时间窗口
   - 操作建议

3. **板块热度排行**
   - 最热板块TOP5（综合资金、情绪、涨幅）
   - 升温板块TOP5（热度快速上升的板块）
   - 降温板块TOP3（热度快速下降的板块）
   
   对每个板块给出：
   - 板块名称
   - 热度评分（0-100分）
   - 热度变化趋势（升温/降温/稳定）
   - 持续性评估（强/中/弱）

请严格按照以下JSON格式输出：
{{
    "long_short": {{
        "bullish": [
            {{
                "sector": "板块名称",
                "direction": "看多",
                "reason": "推荐理由",
                "confidence": 8,
                "risk": "风险提示"
            }}
        ],
        "bearish": [...],
        "neutral": [...]
    }},
    "rotation": {{
        "current_strong": [
            {{
                "sector": "板块名称",
                "stage": "强势",
                "logic": "轮动逻辑",
                "time_window": "1-2周",
                "advice": "操作建议"
            }}
        ],
        "potential": [...],
        "declining": [...]
    }},
    "heat": {{
        "hottest": [
            {{
                "sector": "板块名称",
                "score": 95,
                "trend": "升温",
                "sustainability": "强"
            }}
        ],
        "heating": [...],
        "cooling": [...]
    }},
    "summary": {{
        "market_view": "市场整体看法",
        "key_opportunity": "核心机会",
        "major_risk": "主要风险",
        "strategy": "整体策略建议"
    }}
}}

注意：
1. 所有板块名称必须从参考板块列表中选择
2. 分析要基于前期的多维度研判
3. 给出的建议要具体、可操作
4. 预测要客观、理性，避免过度乐观或悲观
"""
        
        messages = [
            {"role": "system", "content": "你是智策系统的预测引擎，需要生成专业、精准的板块预测报告。"},
            {"role": "user", "content": prompt}
        ]
        
        response = self.deepseek_client.call_api(messages, temperature=0.3, max_tokens=6000)
        
        # 尝试解析JSON
        try:
            import re
            json_match = re.search(r'\{.*\}', response, re.DOTALL)
            if json_match:
                predictions = json.loads(json_match.group())
                print("  ✓ 预测报告生成成功（JSON格式）")
                return predictions
            else:
                print("  ⚠ 未能解析JSON，返回文本格式")
                return {"prediction_text": response}
        except Exception as e:
            print(f"  ⚠ JSON解析失败: {e}，返回文本格式")
            return {"prediction_text": response}


# 测试函数
if __name__ == "__main__":
    print("=" * 60)
    print("测试智策综合研判引擎")
    print("=" * 60)
    
    # 创建模拟数据
    test_data = {
        "success": True,
        "sectors": {
            "电子": {"change_pct": 2.5, "turnover": 3.5, "top_stock": "某某科技", "top_stock_change": 5.0, "up_count": 80, "down_count": 20},
            "计算机": {"change_pct": 1.8, "turnover": 4.0, "top_stock": "某某软件", "top_stock_change": 4.5, "up_count": 70, "down_count": 30}
        },
        "market_overview": {
            "sh_index": {"close": 3200, "change_pct": 0.5},
            "total_stocks": 5000,
            "up_count": 3000,
            "up_ratio": 60.0
        },
        "news": [
            {"title": "测试新闻", "content": "测试内容", "publish_time": "2024-01-15"}
        ],
        "sector_fund_flow": {
            "today": [
                {"sector": "电子", "main_net_inflow": 100000, "main_net_inflow_pct": 2.0, "change_pct": 2.5, "super_large_net_inflow": 50000}
            ]
        },
        "north_flow": {
            "date": "2024-01-15",
            "north_net_inflow": 50000
        }
    }
    
    engine = SectorStrategyEngine()
    
    print("\n开始综合分析...")
    # 注意：这只是测试框架，实际运行需要真实数据和API key
    # results = engine.run_comprehensive_analysis(test_data)
    # print(f"\n分析结果: {results.get('success')}")