"""
ai_planner.py — 완전 자율 에이전트 버전

핵심 변경사항:
  - AI가 한 번에 여러 행동을 계획 (프로젝트 단위)
  - 각 행동 결과(성공/실패/이유)를 AI에게 피드백
  - AI가 실패 원인을 분석하고 다른 방법으로 재시도
  - 삽입기, 전력선, 파이프, 조립기 레시피 등 전체 행동 지원
"""
import json
import os
import urllib.request
import urllib.error


GLM_API_URL = "https://api.z.ai/api/coding/paas/v4/chat/completions"
GLM_MODEL   = "GLM-4.7"


SYSTEM_PROMPT = """당신은 팩토리오 게임을 완전 자율적으로 플레이하는 AI 에이전트입니다.
게임 상태와 이전 행동 결과를 분석해서 스스로 판단하고 계획을 세웁니다.

## 당신의 역할
- 게임 상태를 보고 지금 가장 중요한 일이 무엇인지 스스로 판단
- 그 일을 완료하기 위한 행동 시퀀스 계획 (최대 8개)
- 이전 행동이 실패했다면 왜 실패했는지 분석하고 다른 방법 시도
- 단기 행동과 장기 목표를 항상 연결해서 생각

## 팩토리오 자동화 핵심 지식
- 채굴기 출력 → inserter → 벨트 → inserter → 제련소/조립기 순서
- 제련소/보일러/조립기는 연료 또는 전력 필요
- 전력: offshore-pump → pipe → boiler → steam-engine → small-electric-pole
- 자동화 연구팩: iron-gear-wheel + iron-plate → assembling-machine으로 생산
- 건물 배치 전 반드시 인벤토리에 해당 아이템 존재 확인

## 응답 형식 — JSON만 반환, 다른 텍스트 절대 금지
{
  "thinking": "현재 상태 분석 및 판단 과정 (자유롭게 서술)",
  "current_goal": "지금 달성하려는 목표",
  "actions": [
    {"action": "행동유형", "params": {...}, "reason": "이 행동이 필요한 이유"},
    최대 8개
  ],
  "after_this": "이 시퀀스 완료 후 다음 계획"
}

## 전체 action 목록

### 이동/채굴
- "move"               → {"x": int, "y": int}
- "mine_resource"      → {"ore": "iron-ore", "count": int}

### 제작
- "craft_item"         → {"item": str, "count": int}
  가능한 item: stone-furnace, burner-mining-drill, transport-belt,
               burner-inserter, inserter, small-electric-pole,
               medium-electric-pole, pipe, offshore-pump, boiler,
               steam-engine, assembling-machine-1, iron-gear-wheel, lab

### 건물 배치
- "place_entity"       → {"name": "burner-mining-drill", "x": int, "y": int, "direction": "north|south|east|west"}
  배치 가능: burner-mining-drill, electric-mining-drill, stone-furnace,
             burner-inserter, inserter, fast-inserter, transport-belt,
             underground-belt, splitter, small-electric-pole,
             medium-electric-pole, pipe, pipe-to-ground, offshore-pump,
             boiler, steam-engine, assembling-machine-1, lab, chest

### 벨트 라인 (자동 경로)
- "place_belt_line"    → {"from_x": int, "from_y": int, "to_x": int, "to_y": int}

### 연료/아이템 삽입
- "insert_to_entity"   → {"x": int, "y": int, "item": "coal", "count": int}

### 조립기 레시피 설정
- "set_recipe"         → {"x": int, "y": int, "recipe": "automation-science-pack"}

### 연구
- "start_research"     → {"tech": "automation"}

### 대기
- "wait"               → {"seconds": int}
"""


class AIPlanner:
    def __init__(self):
        self.api_key = os.environ.get("ZAI_API_KEY", "")
        if not self.api_key:
            raise ValueError("ZAI_API_KEY 환경변수를 설정하세요.")

        self.step = 0
        self.feedback_log: list[dict] = []
        self.long_term_goal = (
            "완전 자동화 달성: "
            "철/구리 채굴→제련 자동화 → 전력 구축 → automation 연구 → "
            "빨간 과학팩 자동 생산 → lab에서 연구"
        )

    def decide(self, state_summary: str) -> list[dict]:
        """
        게임 상태를 받아 GLM이 스스로 생각하고
        실행할 행동 시퀀스(여러 개)를 반환
        """
        self.step += 1
        feedback_text = self._format_feedback()

        user_message = (
            f"## 스텝 {self.step}\n\n"
            f"### 현재 게임 상태\n{state_summary}\n\n"
            f"{feedback_text}"
            f"### 장기 목표\n{self.long_term_goal}\n\n"
            "현재 상태를 분석하고, 장기 목표를 향해 지금 해야 할 행동 시퀀스를 계획하세요.\n"
            "반드시 JSON만 반환하세요."
        )

        print(f"\n[GLM] 생각 중...")
        raw  = self._call_glm(user_message)
        plan = self._parse_json(raw)

        thinking = plan.get("thinking", "")
        if thinking:
            print(f"\n🧠 AI 판단:\n{thinking}\n")

        print(f"🎯 현재 목표: {plan.get('current_goal', '')}")
        print(f"📋 완료 후:   {plan.get('after_this', '')}")

        actions = plan.get("actions", [])
        print(f"⚡ {len(actions)}개 행동 계획됨")
        return actions

    def record_feedback(self, action: dict, success: bool, message: str = ""):
        """행동 결과를 기록 (다음 판단에 활용)"""
        self.feedback_log.append({
            "action":  action.get("action", ""),
            "params":  action.get("params", {}),
            "success": success,
            "message": message,
        })
        if len(self.feedback_log) > 15:
            self.feedback_log.pop(0)

    def _format_feedback(self) -> str:
        if not self.feedback_log:
            return ""
        lines = ["### 이전 행동 결과 (성공/실패)\n"]
        for fb in self.feedback_log[-8:]:
            status = "✅" if fb["success"] else "❌"
            msg    = f" — {fb['message']}" if fb["message"] else ""
            lines.append(
                f"  {status} {fb['action']} "
                f"{json.dumps(fb['params'], ensure_ascii=False)}{msg}"
            )
        return "\n".join(lines) + "\n\n"

    def _call_glm(self, user_message: str) -> str:
        payload = json.dumps({
            "model":       GLM_MODEL,
            "messages":    [
                {"role": "system", "content": SYSTEM_PROMPT},
                {"role": "user",   "content": user_message},
            ],
            "temperature": 0.3,
            "max_tokens":  1200,
        }).encode("utf-8")

        req = urllib.request.Request(
            GLM_API_URL,
            data    = payload,
            headers = {
                "Content-Type":  "application/json",
                "Authorization": f"Bearer {self.api_key}",
            },
            method = "POST",
        )
        try:
            with urllib.request.urlopen(req, timeout=90) as resp:
                data = json.loads(resp.read().decode("utf-8"))
                return data["choices"][0]["message"]["content"].strip()
        except urllib.error.HTTPError as e:
            raise ConnectionError(f"GLM API 오류 {e.code}: {e.read().decode()}")

    def _parse_json(self, raw: str) -> dict:
        text = raw.strip()
        if "<think>" in text:
            text = text.split("</think>")[-1].strip()
        if text.startswith("```"):
            text = "\n".join(
                l for l in text.splitlines()
                if not l.strip().startswith("```")
            ).strip()
        try:
            return json.loads(text)
        except json.JSONDecodeError:
            s, e = text.find("{"), text.rfind("}") + 1
            if s != -1 and e > s:
                return json.loads(text[s:e])
            raise ValueError(f"JSON 파싱 실패:\n{raw[:400]}")

    def set_goal(self, goal: str):
        self.long_term_goal = goal
        self.feedback_log.clear()
        print(f"[AI] 새 목표: {goal}")