package com.xly.config;

import com.xly.agent.ReActAgent;
import com.xly.service.SystemPromptService;
import com.xly.tool.ErpReadTool;
import com.xly.tool.KgQueryTool;
import com.xly.tool.ProposeWriteTool;
import dev.langchain4j.memory.chat.MessageWindowChatMemory;
import dev.langchain4j.model.ollama.OllamaStreamingChatModel;
import dev.langchain4j.service.AiServices;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.time.Duration;

/**
 * 组装单一 ReAct agent（M1）。
 *
 * <p>= 流式 Ollama 模型 + 通用工具（当前只有 {@link KgQueryTool}）+ 每会话对话记忆
 * + 注入 L1 域图的 system prompt。取代旧的「每表单一个 ToolMeta 工具 + 8 场景路由」。
 */
@Configuration
public class AgentConfig {

    @Value("${langchain4j.ollama.base-url}")
    private String ollamaUrl;

    @Value("${langchain4j.ollama.chat-model-name}")
    private String chatModelName;

    /** 专供 agent 的流式模型：低温度利于稳定的工具调用，较大 numPredict 避免答复被截断。 */
    @Bean("agentStreamingModel")
    public OllamaStreamingChatModel agentStreamingModel() {
        return OllamaStreamingChatModel.builder()
                .baseUrl(ollamaUrl)
                .modelName(chatModelName)
                .temperature(0.1)
                .topP(0.9)
                .numPredict(2048)
                // qwen3 支持「思考」模式，但会显著拖慢交互；关闭它 -> 快，且思考不会混进回答
                .think(false)
                .returnThinking(false)
                .timeout(Duration.ofSeconds(180))
                .build();
    }

    @Bean
    public ReActAgent reActAgent(SystemPromptService systemPromptService,
                                 KgQueryTool kgQueryTool,
                                 ErpReadTool erpReadTool,
                                 ProposeWriteTool proposeWriteTool,
                                 RedisChatMemoryStore memoryStore) {
        String systemPrompt = systemPromptService.buildSystemPrompt();
        return AiServices.builder(ReActAgent.class)
                .streamingChatModel(agentStreamingModel())
                .tools(kgQueryTool, erpReadTool, proposeWriteTool)
                .chatMemoryProvider(memoryId -> MessageWindowChatMemory.builder()
                        .id(memoryId)
                        .maxMessages(30)
                        .chatMemoryStore(memoryStore)
                        .build())
                .systemMessageProvider(memoryId -> systemPrompt)
                .build();
    }
}