from openai import OpenAI
from typing import Optional
import json

client = OpenAI()


# ============================================================
# Actuators（执行器）：工具函数
# 每个工具的设计对应 PEAS 分析中的一个执行动作
# ============================================================

def query_order(order_id: str, user_id: str) -> dict:
    """
    查询订单状态。
    设计说明：动态环境要求实时查询，不能缓存。
    返回结构化数据而非字符串，方便 Agent 提取关键字段。
    """
    # 实际项目中调用订单服务 API
    # 这里用模拟数据演示
    mock_orders = {
        "ORD-001": {
            "status": "已发货",
            "logistics": "顺丰 SF1234567890",
            "estimated_delivery": "2024-01-15",
            "amount": 299.00,
        }
    }
    if order_id in mock_orders:
        return {"success": True, "data": mock_orders[order_id]}
    return {"success": False, "error": f"订单 {order_id} 不存在或不属于该用户"}


def initiate_refund(order_id: str, reason: str, user_id: str) -> dict:
    """
    发起退款申请。
    设计说明：写操作必须校验权限（用户只能操作自己的订单），
    返回申请编号方便后续跟进。
    """
    # 实际场景需要校验订单归属、退款期限等业务规则
    refund_id = f"RF-{order_id}-001"
    return {
        "success": True,
        "refund_id": refund_id,
        "message": f"退款申请已提交，预计 3-5 个工作日到账。申请编号：{refund_id}",
    }


def search_knowledge_base(query: str) -> str:
    """
    搜索知识库。
    设计说明：对应 Sensors 中的知识库输入。
    知识库检索失败应该有 fallback，不能让 Agent 无从作答。
    """
    knowledge = {
        "退换货": "支持 7 天无理由退换货，商品需保持原包装。发起退换后 24 小时内上门取件。",
        "发票": "支持个人和企业抬头开票，订单完成后 15 天内可申请。",
        "运费": "订单满 99 元免运费，不满 99 元收取 6 元运费。",
    }
    for key, value in knowledge.items():
        if key in query:
            return value
    return "未找到相关信息，请联系人工客服获取帮助。"


def transfer_to_human(reason: str, user_id: str) -> dict:
    """
    转接人工客服。
    设计说明：必须记录转接原因，用于后续分析哪些场景 Agent 无法处理。
    这是 Agent 能力边界的重要数据来源。
    """
    return {
        "success": True,
        "queue_number": "A-0042",
        "wait_time": "约 3 分钟",
        "message": "正在为您转接人工客服，排队号：A-0042，预计等待 3 分钟。",
    }


# ============================================================
# PEAS 驱动的 Agent 设计
# ============================================================

class CustomerServiceAgent:
    """
    基于 PEAS 分析设计的客服 Agent。

    Environment: 多轮对话、动态数据、部分可观测
    → 维护对话历史（短期记忆）
    → 所有数据实时查询，不缓存

    Actuators: 查询/退款/知识库/转人工
    → 四个工具函数

    Sensors: 用户消息 + 用户 ID（关联历史数据）
    → 每次调用传入 user_id

    Performance: 问题解决率、对话轮次
    → 设置 max_turns 控制效率，到上限转人工
    """

    SYSTEM_PROMPT = """你是一个专业的电商客服助手。

你的职责：
1. 帮助用户查询订单、物流状态
2. 协助处理退款、退换货申请
3. 回答产品和政策相关问题
4. 遇到无法处理的问题，转接人工客服

处理原则：
- 每次回答前先确认用户的具体问题
- 查询数据时务必使用工具获取实时数据，不能凭记忆作答
- 退款等写操作前，先向用户确认
- 超过 2 次无法解决用户问题，主动提出转人工"""

    TOOLS = [
        {
            "type": "function",
            "function": {
                "name": "query_order",
                "description": "查询订单状态、物流信息和金额",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "order_id": {"type": "string", "description": "订单号，格式如 ORD-001"},
                        "user_id": {"type": "string", "description": "用户 ID"},
                    },
                    "required": ["order_id", "user_id"],
                },
            },
        },
        {
            "type": "function",
            "function": {
                "name": "initiate_refund",
                "description": "为用户发起退款申请",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "order_id": {"type": "string"},
                        "reason": {"type": "string", "description": "退款原因"},
                        "user_id": {"type": "string"},
                    },
                    "required": ["order_id", "reason", "user_id"],
                },
            },
        },
        {
            "type": "function",
            "function": {
                "name": "search_knowledge_base",
                "description": "搜索知识库，获取退换货政策、发票、运费等信息",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "query": {"type": "string", "description": "搜索关键词"},
                    },
                    "required": ["query"],
                },
            },
        },
        {
            "type": "function",
            "function": {
                "name": "transfer_to_human",
                "description": "将用户转接到人工客服，当问题超出处理能力时使用",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "reason": {"type": "string", "description": "转人工的原因"},
                        "user_id": {"type": "string"},
                    },
                    "required": ["reason", "user_id"],
                },
            },
        },
    ]

    def __init__(self, user_id: str, max_turns: int = 10):
        self.user_id = user_id
        self.max_turns = max_turns
        # 短期记忆：当前对话历史（对应 Sensors 中的"对话历史"）
        self.messages = [{"role": "system", "content": self.SYSTEM_PROMPT}]
        self.turn_count = 0
        self.tool_map = {
            "query_order": query_order,
            "initiate_refund": initiate_refund,
            "search_knowledge_base": search_knowledge_base,
            "transfer_to_human": transfer_to_human,
        }

    def chat(self, user_message: str) -> str:
        """处理一条用户消息，返回 Agent 的最终回复。"""
        self.turn_count += 1
        self.messages.append({"role": "user", "content": user_message})

        # 保护机制：达到最大轮次，强制转人工
        if self.turn_count >= self.max_turns:
            return "本次对话已超过最大轮次，为您转接人工客服处理。"

        while True:
            response = client.chat.completions.create(
                model="gpt-4o",
                messages=self.messages,
                tools=self.TOOLS,
                tool_choice="auto",
                temperature=0,
            )
            msg = response.choices[0].message
            self.messages.append(msg)

            # 没有工具调用，直接返回文本回复
            if not msg.tool_calls:
                return msg.content

            # 执行工具调用
            for tool_call in msg.tool_calls:
                func_name = tool_call.function.name
                func_args = json.loads(tool_call.function.arguments)

                # 注入 user_id（安全设计：user_id 由系统注入，不依赖 LLM 传入）
                if "user_id" in self.tool_map[func_name].__code__.co_varnames:
                    func_args["user_id"] = self.user_id

                result = self.tool_map[func_name](**func_args)
                self.messages.append({
                    "role": "tool",
                    "tool_call_id": tool_call.id,
                    "content": json.dumps(result, ensure_ascii=False),
                })


# 使用示例
if __name__ == "__main__":
    agent = CustomerServiceAgent(user_id="USER-12345")

    conversations = [
        "我的订单 ORD-001 发货了吗？",
        "什么时候能到？",
        "我想申请退款",
        "退款政策是什么？",
    ]

    for user_input in conversations:
        print(f"\n用户：{user_input}")
        reply = agent.chat(user_input)
        print(f"客服：{reply}")