"""Stufe 4 der Pipeline: LLM-Prüfung von Zielgröße und Annahmen; Entscheidung über Korrekturrunden."""
from pathlib import Path
from typing import List

from checks.model_checks import has_errors
from core.llm import LLMSession
from core.model_schema import AssumptionReview, CheckIssue, CheckSeverity, OptimizationModelSpecification

REVIEW_PROMPT_FILE = Path(__file__).parent / "Pruef-Prompt.txt"


def review_assumptions(session: LLMSession, task: str, spec: OptimizationModelSpecification) -> AssumptionReview:
    return session.create(
        AssumptionReview,
        [
            {"role": "system", "content": REVIEW_PROMPT_FILE.read_text(encoding="utf-8")},
            {
                "role": "user",
                "content": f"AUFGABENTEXT:\n{task}\n\nMODELLSPEZIFIKATION:\n{spec.model_dump_json(indent=2)}",
            },
        ],
        step="Prüfung",
    )


# Warnungen, die eine Korrekturrunde wert sind: keine Fehler (ein richtiges Ergebnis bleibt zuverlässig),
# aber in einer Runde billig zu beheben. Unerklärte Fachbegriffe kosten den Leser sonst das Verständnis.
REVISION_WORTHY_WARNINGS = {"UNEXPLAINED_JARGON", "UNUSED_FACTS"}


def needs_work(review: AssumptionReview, issues: List[CheckIssue]) -> bool:
    """Rechtfertigt der Stand eine Korrekturrunde?"""
    return (review.needs_revision or has_errors(issues)
            or any(i.code in REVISION_WORTHY_WARNINGS for i in issues))


def select_best(candidates: List[tuple]) -> int:
    """Index der besten (spec, issues, review)-Runde.

    Rangfolge: passende Zielgröße vor unpassender (sonst womöglich Fremdproblem), keine Check-Errors vor Errors,
    Prüfung ohne Beanstandung vor Beanstandung, weniger Errors;
    bei Gleichstand gewinnt die spätere Runde. Verhindert, dass eine Korrekturrunde, die das Modell
    verschlechtert (z. B. halluziniertes Fremdproblem), die bessere frühere Fassung ersetzt.
    """
    def score(index):
        _, issues, review = candidates[index]
        errors = sum(1 for i in issues if i.severity == CheckSeverity.ERROR)
        return (not review.objective_check.matches, errors > 0, review.needs_revision, errors, -index)

    return min(range(len(candidates)), key=score)