import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.stereotype.Service;

@Service
public class AgentPromptService {

    // 系统提示词模板
    private static final String SYSTEM_PROMPT = """
        你是一个 {role}。
        
        ## 能力
        {capabilities}
        
        ## 行为规范
        - 回答先给结论，再展开解释
        - 代码示例使用 {language} {version}
        - 不确定的事情明确说"我不确定"
        
        ## 输出格式
        {output_format}
        """;

    // RAG 上下文注入模板
    private static final String RAG_PROMPT = """
        基于以下参考资料回答用户问题。
        如果参考资料不足，说明信息不完整。
        
        ---
        参考资料：
        {context}
        ---
        
        用户问题：{question}
        """;

    /**
     * 构建完整的 System Prompt
     */
    public Prompt buildSystemPrompt(String role, String capabilities,
                                     String language, String version,
                                     String outputFormat) {
        PromptTemplate template = new PromptTemplate(SYSTEM_PROMPT);
        
        return new Prompt(
            List.of(template.createMessage(
                Map.of(
                    "role", role,
                    "capabilities", capabilities,
                    "language", language,
                    "version", version,
                    "output_format", outputFormat
                ),
                org.springframework.ai.chat.model.ChatModelMessage.SYSTEM
            ))
        );
    }

    /**
     * 构建带 RAG 上下文的 Prompt
     */
    public Prompt buildRagPrompt(String question, List<String> references) {
        // 将检索结果格式化为带编号的引用
        String formattedContext = IntStream.range(0, references.size())
            .mapToObj(i -> "[%d] %s".formatted(i + 1, references.get(i)))
            .collect(Collectors.joining("\n\n"));

        PromptTemplate template = new PromptTemplate(RAG_PROMPT);
        return new Prompt(template.create(
            Map.of("context", formattedContext, "question", question)
        ));
    }
}

import dev.langchain4j.service.SystemMessage;
import dev.langchain4j.service.UserMessage;
import dev.langchain4j.service.V;
import dev.langchain4j.service.TokenStream;
import dev.langchain4j.data.message.SystemMessage;
import dev.langchain4j.data.message.UserMessage;
import dev.langchain4j.data.message.AiMessage;
import dev.langchain4j.data.message.ChatMessage;
import dev.langchain4j.data.message.ToolExecutionResultMessage;
import dev.langchain4j.memory.ChatMemory;
import dev.langchain4j.memory.chat.MessageWindowChatMemory;
import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import dev.langchain4j.service.MemoryId;
import dev.langchain4j.service.Result;

import java.util.List;
import java.util.Map;

// 1. 定义助手接口（声明式 System Prompt）
public interface CodeReviewAssistant {

    @SystemMessage("""
        你是一个高级 Java 代码审查专家。
        
        ## 审查维度
        1. 安全性：SQL 注入、XSS、权限绕过
        2. 性能：N+1 查询、内存泄漏、锁竞争
        3. 可维护性：命名、抽象、单一职责
        4. 健壮性：异常处理、空指针、边界条件
        
        ## 输出格式
        对每个问题输出：
        - 严重等级：🔴 严重 / 🟡 警告 / 🔵 建议
        - 问题描述
        - 修复建议（附代码）
        
        ## 约束
        - 只关注 Java/Spring Boot 代码
        - 忽略代码风格问题（交给 Checkstyle）
        """)
    String review(@UserMessage String code);
}

// 2. 使用 AiServices 构建助手
ChatLanguageModel model = OpenAiChatModel.builder()
    .apiKey(System.getenv("OPENAI_API_KEY"))
    .modelName("gpt-4o")
    .temperature(0.3)  // 代码审查用低温度，减少随机性
    .build();

CodeReviewAssistant assistant = AiServices.create(
    CodeReviewAssistant.class, model
);

// 3. 调用
String review = assistant.review("""
    @GetMapping("/user/{id}")
    public User getUser(@PathVariable Long id) {
        String sql = "SELECT * FROM users WHERE id = " + id;
        return jdbcTemplate.queryForObject(sql, User.class);
    }
    """);

System.out.println(review);

import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.ai.chat.messages.SystemMessage;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.stereotype.Service;

import java.util.List;
import java.util.Map;

@Service
public class PromptOrchestrator {

    private final PromptRepository promptRepository;
    private final UserProfileService userProfileService;
    private final RagService ragService;

    /**
     * 组装完整的 Prompt
     */
    public Prompt assemble(String userId, String scenario,
                           String userMessage) {
        List<ChatMessage> messages = new ArrayList<>();

        // Layer 1: 基础层 — 从配置加载
        String basePrompt = loadBasePrompt();
        messages.add(new SystemMessage(basePrompt));

        // Layer 2: 场景层 — 从 Prompt 管理平台加载
        String scenarioPrompt = promptRepository.findByScenario(scenario);
        messages.add(new SystemMessage(scenarioPrompt));

        // Layer 3: 动态层 — 运行时拼接
        UserProfile profile = userProfileService.getProfile(userId);
        List<Document> docs = ragService.retrieve(userMessage, 5);

        String dynamicContext = buildDynamicContext(profile, docs);
        messages.add(new SystemMessage(dynamicContext));

        // 用户消息
        messages.add(new UserMessage(userMessage));

        return new Prompt(messages);
    }

    /**
     * 构建动态上下文
     */
    private String buildDynamicContext(UserProfile profile,
                                       List<Document> docs) {
        StringBuilder sb = new StringBuilder();
        sb.append("## 用户信息\n");
        sb.append("- 角色：").append(profile.getRole()).append("\n");
        sb.append("- 偏好语言：").append(profile.getPreferredLang()).append("\n");
        sb.append("- 历史交互次数：").append(profile.getInteractionCount()).append("\n\n");

        if (!docs.isEmpty()) {
            sb.append("## 参考资料\n");
            for (int i = 0; i < docs.size(); i++) {
                sb.append("[").append(i + 1).append("] ");
                sb.append(docs.get(i).getTitle()).append("\n");
                sb.append(docs.get(i).getContent()).append("\n\n");
            }
        }

        return sb.toString();
    }
}