import json
from openai import AsyncOpenAI
from app.config import settings

SYSTEM_PROMPT = """Você é um nutricionista especialista brasileiro que analisa rótulos de alimentos.
Responda SEMPRE em JSON válido com esta estrutura exata:
{
  "score": <int 0-100>,
  "summary": "<resumo em 2-3 frases para leigo, em português>",
  "positives": ["<ponto positivo 1>", ...],
  "negatives": ["<ponto negativo 1>", ...],
  "nutrition": {
    "calorias": "<valor por porção, ex: 139 kcal>",
    "gordura_total": "<valor, ex: 8g>",
    "gordura_saturada": "<valor, ex: 3g>",
    "acucar": "<valor, ex: 37g>",
    "sodio": "<valor, ex: 14mg>",
    "fibras": "<valor, ex: 0g>",
    "proteinas": "<valor, ex: 0g>",
    "carboidratos": "<valor, ex: 35g>"
  },
  "nutrition_verdict": "<frase curta sobre o perfil nutricional>",
  "ingredients": [
    {
      "name": "<nome no rótulo>",
      "popular_name": "<nome popular ou null>",
      "explanation": "<o que é, 1 frase>",
      "classification": "<good|warning|bad>",
      "reason": "<motivo da classificação, 1 frase>"
    }
  ],
  "recipe": {
    "title": "<nome da receita saudável>",
    "description": "<descrição curta>",
    "prep_time": "<tempo de preparo>",
    "calories": "<calorias aproximadas>",
    "ingredients_list": ["<ingrediente 1>", ...],
    "steps": ["<passo 1>", ...],
    "tip": "<dica nutricional>"
  },
  "substitutions": [
    {
      "name": "<nome do produto alternativo>",
      "brand": "<marca sugerida ou genérica>",
      "reason": "<por que é melhor, 1 frase>",
      "estimated_score": <int 0-100>
    }
  ]
}

REGRAS PARA SUBSTITUIÇÕES:
- SOMENTE inclua "substitutions" se o score for < 50
- Sugira 3 produtos REAIS brasileiros que sejam alternativas mais saudáveis
- Se score >= 50, retorne "substitutions": null

Para a receita:
- Se score > 70: sugira receita usando o produto
- Se score <= 70: sugira alternativa saudável

Critérios para o score:
- 90-100: Natural, minimamente processado
- 70-89: Bom, poucos aditivos
- 50-69: Médio, processado mas aceitável
- 30-49: Ruim, ultraprocessado
- 0-29: Péssimo, alto em açúcar/sódio/gordura trans

Use linguagem simples e direta."""

HEALTH_PROFILE_PROMPTS = {
    "normal": "",
    "crianca": "\n⚠️ PERFIL: CRIANÇA. Alerte sobre: excesso de açúcar, corantes artificiais, cafeína, sódio alto. Seja mais rigoroso com ultraprocessados.",
    "gestante": "\n⚠️ PERFIL: GESTANTE. Alerte sobre: cafeína, adoçantes artificiais, sódio excessivo, conservantes. Priorize folato, ferro, cálcio.",
    "diabetico": "\n⚠️ PERFIL: DIABÉTICO. Alerte sobre: açúcares, carboidratos refinados, índice glicêmico alto. Valorize fibras e proteínas.",
    "hipertenso": "\n⚠️ PERFIL: HIPERTENSO. Alerte sobre: sódio (>400mg é ALTO), glutamato monossódico, conservantes com sódio. Limite: <2g sódio/dia.",
}

async def analyze_product(product_data: dict, user_context: dict = None) -> dict:
    if not settings.OPENAI_API_KEY:
        return _mock_analysis(product_data)
    
    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
    
    nutrition_info = product_data.get('nutrition', {})
    nutrition_str = json.dumps(nutrition_info, ensure_ascii=False) if nutrition_info else 'Não disponível'
    
    system = SYSTEM_PROMPT
    extra = ""
    if user_context:
        hp = user_context.get("health_profile", "normal")
        system += HEALTH_PROFILE_PROMPTS.get(hp, "")
        allergies = user_context.get("allergies", [])
        if allergies:
            extra = f"\n\n⚠️ ALERGIAS DO USUÁRIO: {', '.join(allergies)}. Destaque QUALQUER ingrediente que possa conter esses alérgenos."
    
    user_msg = f"""Produto: {product_data.get('name', 'Desconhecido')}
Marca: {product_data.get('brand', '')}
Categoria: {product_data.get('category', '')}
Ingredientes: {product_data.get('ingredients_text', 'Não disponível')}
Nutri-Score: {product_data.get('nutri_score', 'N/A')}
NOVA: {product_data.get('nova_group', 'N/A')}
Dados Nutricionais: {nutrition_str}{extra}

Analise este produto completo."""

    try:
        resp = await client.chat.completions.create(
            model=settings.OPENAI_MODEL,
            messages=[
                {"role": "system", "content": system},
                {"role": "user", "content": user_msg}
            ],
            response_format={"type": "json_object"},
            temperature=0.3,
            timeout=30,
        )
        return json.loads(resp.choices[0].message.content)
    except Exception as e:
        print(f"OpenAI error: {e}")
        return _mock_analysis(product_data)

def _mock_analysis(product_data: dict) -> dict:
    ingredients = product_data.get("ingredients_text", "")
    score = 50
    if any(w in ingredients.lower() for w in ["açúcar", "sugar", "xarope", "glucose"]):
        score -= 15
    if any(w in ingredients.lower() for w in ["hidrogenada", "trans"]):
        score -= 20
    if product_data.get("nova_group") == 4:
        score -= 10
    ns = product_data.get("nutri_score", "")
    if ns == "e": score -= 10
    elif ns == "d": score -= 5
    elif ns == "a": score += 15
    elif ns == "b": score += 10
    score = max(0, min(100, score))
    
    return {
        "score": score,
        "summary": f"Análise baseada em regras para {product_data.get('name', 'este produto')}. Configure OPENAI_API_KEY para análise completa com IA.",
        "positives": ["Dados nutricionais disponíveis"],
        "negatives": ["Análise IA indisponível - usando fallback"],
        "nutrition": {},
        "nutrition_verdict": "",
        "ingredients": [],
        "recipe": None,
        "substitutions": None,
    }


PHOTO_PROMPT = """Analise esta foto de um produto alimentar/suplemento. A foto pode mostrar o rótulo, tabela nutricional, ingredientes ou embalagem.

IMPORTANTE: Mesmo que a foto esteja parcial, TENTE extrair o máximo de informações. NUNCA retorne erro se conseguir identificar o produto.

Responda em JSON com este formato:
{
  "product_name": "<nome>",
  "brand": "<marca>",
  "category": "<categoria>",
  "ingredients_text": "<ingredientes>",
  "nutri_score": "<a-e ou null>",
  "nova_group": <1-4 ou null>,
  "score": <int 0-100>,
  "summary": "<resumo 2-3 frases>",
  "positives": ["..."],
  "negatives": ["..."],
  "nutrition": {"calorias":"...","acucar":"...","gordura_total":"...","gordura_saturada":"...","sodio":"...","carboidratos":"...","fibras":"...","proteinas":"..."},
  "nutrition_verdict": "<frase curta>",
  "ingredients": [{"name":"...","popular_name":"...","explanation":"...","classification":"good|warning|bad","reason":"..."}],
  "recipe": {"title":"...","description":"...","prep_time":"...","calories":"...","ingredients_list":["..."],"steps":["..."],"tip":"..."},
  "substitutions": null
}

Se score < 50, inclua "substitutions" com 3 alternativas reais brasileiras.
SOMENTE retorne {"error": "mensagem"} se NÃO for alimento."""

async def analyze_photo(b64_image: str, user_context: dict = None) -> dict:
    if not settings.OPENAI_API_KEY:
        return None
    
    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
    
    system = "Voce eh um nutricionista brasileiro expert em analise de rotulos alimentares."
    if user_context:
        hp = user_context.get("health_profile", "normal")
        system += HEALTH_PROFILE_PROMPTS.get(hp, "")
    
    prompt = PHOTO_PROMPT
    if user_context and user_context.get("allergies"):
        prompt += f"\n\n⚠️ ALERGIAS: {', '.join(user_context['allergies'])}. Destaque alérgenos!"
    
    for detail_level in ["low", "auto"]:
        try:
            resp = await client.chat.completions.create(
                model="gpt-4o",
                messages=[
                    {"role": "system", "content": system},
                    {"role": "user", "content": [
                        {"type": "text", "text": prompt},
                        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64_image}", "detail": detail_level}}
                    ]}
                ],
                response_format={"type": "json_object"},
                temperature=0.3,
                timeout=30,
                max_tokens=1500,
            )
            result = json.loads(resp.choices[0].message.content)
            if result.get("error"):
                continue
            return result
        except Exception as e:
            print(f"OpenAI photo error (detail={detail_level}): {e}")
            continue
    
    return None