"""
SOMA-анализ (LLM-as-judge) для оценки качества ответа.
Оценивает ответ по критериям: релевантность, полнота, отсутствие галлюцинаций,
стиль, полезность. Возвращает оценки и вердикт.
"""

import json
import logging
from typing import Dict, Any

from rag.services.giga_client import GigaClient
from rag.config_models import AppConfig

logger = logging.getLogger(__name__)


async def soma_evaluate(
    query: str,
    context: str,
    answer: str,
    config: AppConfig,
    giga: GigaClient,
    prompts: Dict[str, str],
) -> Dict[str, Any]:
    """
    Оценивает ответ LLM с помощью другого вызова GigaChat.

    Аргументы:
        query: исходный запрос пользователя.
        context: контекст из базы знаний (может быть пустым).
        answer: сгенерированный ответ.
        config: объект конфигурации.
        giga: клиент GigaChat для вызова.
        prompts: словарь с содержимым промптов (ключ 'soma_evaluate').

    Возвращает:
        dict с полями:
            scores: dict с оценками по критериям (числа от 1 до 5).
            overall_score: средняя оценка (float).
            verdict: 'pass' или 'fail' (в зависимости от порога).
            feedback: текстовое обоснование.
            error: строка ошибки (если есть).
    """
    default_result = {
        "scores": {
            "relevance": 3.0,
            "completeness": 3.0,
            "no_hallucination": 3.0,
            "style": 3.0,
            "usefulness": 3.0,
        },
        "overall_score": 3.0,
        "verdict": "fail",
        "feedback": "Оценка не удалась, возвращены значения по умолчанию.",
        "error": None,
    }

    prompt_template = prompts.get("soma_evaluate")
    if not prompt_template:
        logger.error("Промпт для SOMA-оценки не найден")
        default_result["error"] = "Отсутствует промпт soma_evaluate"
        return default_result

    full_prompt = prompt_template.format(
        query=query,
        context=context[:3000] if context else "Нет контекста",
        answer=answer,
    )

    temperature = getattr(config, 'soma_temperature', 0.1)
    timeout = getattr(config, 'soma_timeout', 30)

    try:
        response = await giga.chat(
            history=[],
            query=full_prompt,
            system_prompt=None,
            file_id=None,
            temperature=temperature,
            timeout=timeout,
        )
        data = json.loads(response.strip())
        scores = data.get("scores", {})
        feedback = data.get("feedback", "")

        for key in scores:
            try:
                scores[key] = float(scores[key])
            except (ValueError, TypeError):
                scores[key] = 3.0
        overall = sum(scores.values()) / len(scores) if scores else 3.0

        threshold = getattr(config, 'soma_threshold', 3.5)
        verdict = "pass" if overall >= threshold else "fail"

        return {
            "scores": scores,
            "overall_score": overall,
            "verdict": verdict,
            "feedback": feedback,
            "error": None,
        }

    except json.JSONDecodeError as e:
        logger.error(f"Ошибка парсинга JSON от GigaChat: {e}, ответ: {response[:200]}")
        default_result["error"] = f"Ошибка парсинга JSON: {e}"
        return default_result
    except Exception as e:
        logger.exception(f"Ошибка при вызове SOMA-оценки: {e}")
        default_result["error"] = str(e)
        return default_result