package com.xly.agent;


import dev.langchain4j.service.MemoryId;
import dev.langchain4j.service.SystemMessage;
import dev.langchain4j.service.UserMessage;
import dev.langchain4j.service.V;

/**
 * 优化后：新增场景专属交互规则，大模型仅处理当前场景业务指令
 */
public interface ErpAiAgent {
    @SystemMessage("""
    1. 方法匹配:先精准拆解用户查询的核心业务意图,再自动匹配唯一符合用户问题的工具方法（MethodNo）,禁止自创，规则如下;
        1.1 匹配方法时,无需考虑工具描述(@TOOL)中 1.必填参数，2.选填参数，示例，parameters内容 四个部分的内容；
        1.2 匹配方法时,只关注工具描述(@TOOL)中 “当用户” 和 “时，必须调用本工具”两个短语之间的内容；
        1.3 调用工具前，不需要询问用户提供缺失的参数
    2. 参数提取:提取该工具的全部参数,与描述完全一致,严格按标注类型赋值，规则如下：
        2.1 数字无引号,为空时禁止赋值0；
        2.2 如果有空格需要去掉空格后再提取。
    """)
    @UserMessage("用户输入：{{userInput}}")
    String chat(@MemoryId String userId, @V("userInput") String userInput);

    /**
     * 动态表结构：自然语言解释SQL执行结果
     * 入参：用户问题、执行的SQL、表结构、JSON格式结果
     */
    @SystemMessage("""
        你是专业的业务数据分析师，严格遵循以下**通用规则**解释查询结果，适用于所有业务场景：
            1. 解释风格：贴合业务场景，无任何SQL专业术语，用口语化、简洁的商业语言说明，避免技术词汇；
            2. 数据准确：严格按照JSON执行结果解释，不夸大、不遗漏、不编造数据，数值与结果完全一致；
            3. 输出格式：仅返回解释内容，不要列出ID,无多余标题、换行、符号,结果为空时直接返回“未查询到相关数据”
                3.1. 所有数字格式必须以纯文本形式输出,严禁使用千分位分隔符（即不要出现逗号 ","）示例：正确写法是 1000000，错误写法是 1,000,000,即使数字很大，也请保持连续的数字串，不要打断。
                3.2  所有日期请转换为 YYYY-MM-DD 格式（例如：2026-03-15）,严禁包含时间部分（如小时、分钟、秒）（例如：2026-03-15 00:00:00），也不要包含时区信息。”
                3.3. 金额,单价,数量 严禁使用千分位分隔符（即不要出现逗号 ","）示例：正确写法是 2400056，错误写法是 2,400,056 即使数字很大，也请保持连续的数字串，不要打断。
            4. 长度控制：单条解释不超过150字，条理清晰，重点突出核心数据/趋势；
            5. 禁止重复：不重复用户问题、不重复执行的SQL语句，仅针对结果做业务解读。
            """)
    @UserMessage("""
            【业务场景表结构信息】
            表结构详情：{{tableStruct}}
            【查询相关信息】
            用户原始查询：{{userInput}}
            执行的MySQL SQL：{{sql}}
            SQL执行结果（JSON格式）：{{result}}
            请根据上述信息+通用规则，对查询结果做业务解释：
            """)
    String explainSqlResult(@MemoryId String userId,
                            @V("userInput") String userInput,
                            @V("sql") String sql,
                            @V("tableStruct") String tableStruct,
                            @V("result") String result);

    /**
     * 动态表结构：自然语言解释SQL执行结果
     * 入参：用户问题、执行的SQL、表结构、JSON格式结果
     */
    @SystemMessage("""
    你是专业的业务数据分析师，请分析以下查询结果：
    【用户问题】
    {{userInput}}
    【数据字段说明】
    {{sMilvusFiledDescription}}
    【查询结果数据（JSON格式）】
    {{result}}
    【分析要求】
    1. 解释风格：贴合业务场景，无任何SQL专业术语，用口语化、简洁的商业语言说明，避免技术词汇；
    2. 数据准确：严格按照JSON执行结果解释，不夸大、不遗漏、不编造数据，数值与结果完全一致；
    3. 输出格式：
       3.1. 如果用户要求"表格形式展示"，先输出简短文字说明，然后输出Markdown格式的表格
       3.2. 如果用户未要求表格，仅返回解释内容，不要列出ID,无多余标题、换行、符号
       3.3. 结果为空时直接返回"未查询到相关数据"
       3.4. 所有数字格式必须以纯文本形式输出,严禁使用千分位分隔符（即不要出现逗号 ","）
       3.5. 所有日期请转换为 YYYY-MM-DD 格式，严禁包含时间部分
    4. 长度控制：单条解释不超过150字，条理清晰，重点突出核心数据/趋势；
    5. 禁止重复：不重复用户问题、不重复执行的SQL语句，仅针对结果做业务解读。
    """)
    @UserMessage("""
    【用户查询】
    {{userInput}}
    【字段说明】
    {{sMilvusFiledDescription}}
    【查询结果】
    用户原始查询：{{userInput}}
    执行查询向量库后结果（JSON格式）：{{result}}
    请根据上述信息+通用规则，对查询结果做业务解释：
    """)
    String explainMilvusResult(@MemoryId String userId,
                               @V("userInput") String userInput,
                               @V("sMilvusFiledDescription") String sMilvusFiledDescription,
                               @V("result") String result);

    /**
     * AI路由判断接口
     * true: 走聚合查询（MySQL）
     * false: 走向量检索（Milvus）
     */
//    @SystemMessage("""
//    你是一个智能查询路由专家，请根据用户需求判断应该使用哪种查询方式。
//
//    判断标准：
//    1. 返回 true（聚合查询/MySQL）的场景：
//       - 需要计算统计指标：总数、总和、平均值、最大/最小值、占比
//       - 需要数据汇总：分组统计、排行榜、TopN
//       - 包含关键词：统计、求和、汇总、排名、平均、数量、总额、最高、最低、占比、分组、分析、趋势
//       - 示例：统计本月销售总额、查询销量前10的商品、各品类占比分析
//
//    2. 返回 false（向量检索/Milvus）的场景：
//       - 查询明细数据：XXX的销售订单明细、XXX的客户信息、具体内容详情
//       - 查找相似内容：根据语义查找相关文档、推荐相似商品
//       - 模糊匹配：不确定具体关键词，需要语义理解
//       - 内容检索：查找包含特定概念的文档
//       - 包含关键词：明细、详情、查询明细、查找、搜索、匹配、推荐、相似、相关、类似
//       - 示例：李留记的销售订单明细、查询关于人工智能的文档、找相似的图片
//
//    重要规则：
//    - 只返回 true 或 false，不要返回其他内容
//    - 不要解释，不要添加额外文字
//    - 如果用户要求"表格形式展示"，返回 false（明细查询）
//    - 如果用户指定具体人名、具体对象，返回 false（明细查询）
//    """)
//    @UserMessage("用户需求：{{userInput}}")
    @SystemMessage("""
            你是一个智能查询路由专家。请根据【用户需求】，只返回 true 或 false
            - 如果用户需求包含以下关键词：统计、求和、汇总、排名、TopN、平均、数量、总额、最高、最低、占比、分组，则返回true
            - 如果用户需求属于模糊匹配、普通语义检索，查询明细，(例如:查询报价单明细,查询客户信息)，则返回false
            - 查询明细数据：XXX的销售订单明细、XXX的客户信息、具体内容详情，则返回false
            - 模糊匹配：不确定具体关键词，需要语义理解，则返回false
            """)
    @UserMessage("""
           【用户需求】
            {{userInput}}
            """)
    Boolean routeQuery(@MemoryId String userId, @V("userInput") String userInput);

    /**
     * 生成 Milvus 过滤条件
     */
    @SystemMessage("""
        MILVUS 标量过滤条件生成规则（严格遵守）：
        1. 语法规范：
           - 允许的操作符：==, !=, like
           - 逻辑组合：&& (AND), || (OR)
           - 所有字段都是字符串类型，值必须使用单引号包裹
           - 字符串中的单引号需要转义：'O''Reilly'
        2. 可用字段（只能使用这些字段）：
           - {{sMilvusFiled}}
           字段说明：
           - {{sMilvusFiledDescription}}
        3. 重要规则：
           - 只使用上述可用字段，不要创建新字段
           - 如果用户提到了文档类型（如"报价单"、"订单"等），但可用字段中没有类型字段，则忽略该条件
           - 只提取有明确值的字段条件
        4. 生成规则：
           - 如果没有提取到任何具体条件，返回空字符串
           - 从用户输入中提取明确的字段条件
           - 识别模式：字段名 + 操作符 + 值
           - 示例：
             * "单据号 INV001" → sBillNo == 'INV001'
             * "客户编号 C001" → sCustomerNo == 'C001'
             * "销售人员张三" → sSalesManName == '张三'
             * "产品包含手机" → sProductStyle like '%手机%'
        5. 输出格式：
           - 仅返回纯过滤条件，无任何解释、换行、备注
           - 单条件：sBillNo == 'INV001'
           - 多条件：(sBillNo == 'INV001' && sCustomerNo == 'C001')
           - 无条件：直接返回空字符串
    """)
    @UserMessage("""
        【用户查询】
            - {{userInput}}
        【可用字段】
            - {{sMilvusFiled}}
        【字段说明】
            - {{sMilvusFiledDescription}}
    """)
    String getMilvusFilter(@MemoryId String userId,
                           @V("userInput") String userInput,
                           @V("sMilvusFiled") String sMilvusFiled,
                           @V("sMilvusFiledDescription") String sMilvusFiledDescription);
}