atrade/src/main/kotlin/network/RagService.kt

package network// src/main/kotlin/network/RagService.kt

import dev.langchain4j.community.rag.content.retriever.lucene.LuceneEmbeddingStore
import dev.langchain4j.data.document.Metadata
import dev.langchain4j.data.segment.TextSegment
import dev.langchain4j.exception.InternalServerException
import dev.langchain4j.model.openai.OpenAiChatModel
import dev.langchain4j.model.openai.OpenAiEmbeddingModel
import dev.langchain4j.service.AiServices
import dev.langchain4j.service.SystemMessage
import dev.langchain4j.store.embedding.EmbeddingSearchRequest
import dev.langchain4j.store.embedding.filter.MetadataFilterBuilder
import kotlinx.coroutines.Dispatchers
import kotlinx.coroutines.async
import kotlinx.coroutines.coroutineScope
import kotlinx.coroutines.delay
import kotlinx.coroutines.withContext
import kotlinx.serialization.Serializable
import kotlinx.serialization.json.Json
import kotlinx.serialization.json.add
import kotlinx.serialization.json.addJsonObject
import kotlinx.serialization.json.buildJsonObject
import kotlinx.serialization.json.jsonArray
import kotlinx.serialization.json.jsonObject
import kotlinx.serialization.json.jsonPrimitive
import kotlinx.serialization.json.put
import kotlinx.serialization.json.putJsonArray
import kotlinx.serialization.json.putJsonObject
import okhttp3.MediaType.Companion.toMediaType
import okhttp3.OkHttpClient
import okhttp3.Request
import okhttp3.RequestBody.Companion.toRequestBody
import org.apache.lucene.store.MMapDirectory
import org.slf4j.MDC.put
import service.FinancialAnalyzer
import service.InvestmentScores
import service.TechnicalAnalyzer
import service.TradingDecisionCallback
import service.UrlCacheManager
import java.nio.file.Paths
import java.time.Duration
import java.util.concurrent.TimeUnit

interface TradingAnalyst {
    @SystemMessage("""
        You are a Senior Stock Analyst. 
        Analyze the data and provide a decision in JSON format.
        You must respond ONLY with a valid JSON object.
    """)
    fun analyzeStock(@dev.langchain4j.service.UserMessage prompt: String): TradingDecision
}

object RagService {

    // 임베딩 모델 (8081) 및 채팅 모델 (8080) 설정
    private val embeddingModel = OpenAiEmbeddingModel.builder()
        .baseUrl("http://127.0.0.1:8081/v1")
        .apiKey("unused")
        .build()

    private val chatModel = OpenAiChatModel.builder()
        .baseUrl("http://127.0.0.1:8080/v1")
        .apiKey("unused")
        .temperature(0.0) // [중요] 0.0으로 설정하여 결정론적 응답 유도
        .timeout(Duration.ofSeconds(60))
//        .frequencyPenalty(1.1)
        .maxTokens(400) // 👈 루프 방지를 위해 반드시 짧게 제한!
        // 1.x 버전에서는 responseFormat이 아래처럼 바뀔 수 있으니 체크하세요
        .responseFormat("json_object")
        .build()

    private val analyst = AiServices.builder(TradingAnalyst::class.java)
        .chatModel(chatModel)
        .build()

    private val embeddingStore: LuceneEmbeddingStore by lazy {
        val path = Paths.get("db/lucene_idx")
        // FSDirectory.open(path)도 가능하지만, 64bit 시스템(Mac)에선 MMapDirectory가 가장 빠릅니다.
        val directory = MMapDirectory(path)

        // 제공해주신 소스의 Builder 사용
        LuceneEmbeddingStore.builder()
            .directory(directory)
            .build()

    }


    fun active() {
//        println("[Cache] Active")
        if (UrlCacheManager.isInitialized()) return
//        println("[Cache] initialize")
        UrlCacheManager.initialize(embeddingStore, embeddingModel)
    }



    /**
     * 텍스트를 임베딩하여 H2 DB에 저장합니다.
     */
    fun ingestWithChunking(
        text: String,
        newsLink: String = "",
        pubDate: String = "",
        stcokName: String,
        corpCode: String,
        corpName: String,
        stockCode: String
    ) {
        val MAX_CHUNK_SIZE = 500 // 안전하게 500자 내외로 설정

        // 1. 문단 단위로 먼저 분리
        val paragraphs = text.split(Regex("\n\n+"))
        val chunks = mutableListOf<String>()
        var currentChunk = StringBuilder()

        for (para in paragraphs) {
            // 현재 청크에 문단을 더했을 때 제한을 넘으면 지금까지의 내용을 확정
            if (currentChunk.length + para.length > MAX_CHUNK_SIZE && currentChunk.isNotEmpty()) {
                chunks.add(currentChunk.toString().trim())
                currentChunk = StringBuilder()
            }
            currentChunk.append(para).append("\n\n")

            // 문단 하나 자체가 너무 긴 경우 글자 수로 강제 분할
            if (currentChunk.length > MAX_CHUNK_SIZE) {
                val longPara = currentChunk.toString()
                longPara.chunked(MAX_CHUNK_SIZE).forEach { chunks.add(it.trim()) }
                currentChunk = StringBuilder()
            }
        }

        if (currentChunk.isNotEmpty()) chunks.add(currentChunk.toString().trim())

        // 2. 쪼개진 각 청크를 루씬에 개별 임베딩하여 저장
        chunks.forEachIndexed { index, chunk ->
            if (chunk.length > 10) { // 너무 짧은 노이즈 제외
                val metadata = Metadata()
                metadata.put("link", newsLink)
                metadata.put("date", pubDate)
                metadata.put("chunk_idx", index) // 순서 정보 유지
                metadata.put("stcokName",stcokName)
                metadata.put("corpCode",corpCode)
                metadata.put("corpName",corpName)
                metadata.put("stockCode",stockCode)

                val segment = TextSegment.from(chunk, metadata)
                val embedding = embeddingModel.embed(segment).content()
                embeddingStore.add(embedding, segment)
            }
        }
//        println("🔎 [Lucene] ${chunks.size}개의 청크로 인덱싱 완료")
    }

    object JsonSanitizer {
        fun formatJson(raw: String): String {
            // 실제 응답 로그 출력 (디버깅용)
            println("📥 [AI Raw Response]:\n$raw")

            val regex = Regex("""\{.*\}""", RegexOption.DOT_MATCHES_ALL)
            val match = regex.find(raw)?.value

            if (match == null) {
                println("⚠️ [JsonSanitizer] JSON 형식을 찾을 수 없습니다.")
                return "{}" // 빈 객체라도 반환하여 EOF 방지
            }

            return match.trim()
                .removePrefix("```json")
                .removePrefix("```")
                .removeSuffix("```")
                .trim()
        }
    }

    suspend fun processStock(currentPrice : Double , technicalAnalyzer: TechnicalAnalyzer,stockName: String,stockCode: String,result : TradingDecisionCallback) {
        // 1. 10분간의 데이터 가져오기 (API 호출)
        coroutineScope {
            try {
                var tradingDecision: TradingDecision = TradingDecision()
                tradingDecision.stockCode = stockCode
                tradingDecision.analyzer = technicalAnalyzer
                tradingDecision.currentPrice = currentPrice
                var corpInfo = DartCodeManager.getCorpCode(stockCode)
                corpInfo?.stockName = stockName
                tradingDecision.stockName = stockName
                tradingDecision.corpName = corpInfo?.cName ?: ""
                val financialDataDeferred = async { NewsService.fetchFinancialGrowth(corpInfo?.cCode ?: "") }

                tradingDecision.financialData = financialDataDeferred.await()

                val financialStmt = FinancialMapper.mapRawTextToStatement(tradingDecision.financialData ?: "")
                if (FinancialAnalyzer.isSafetyBeltMet(financialStmt)) {
                    corpInfo?.let {
                        try {
                            NewsService.fetchAndIngestNews(it)
                        } catch (e: Exception) {}
                    }

                    val financialScore = FinancialAnalyzer.calculateScore(financialStmt)
                    val scores = technicalAnalyzer.calculateScores(financialScore)

                    result(tradingDecision, false)

                    tradingDecision.techSummary = technicalAnalyzer.generateComprehensiveReport()
                    result(tradingDecision, false)

                    val question = "${corpInfo?.cName} $stockName[$stockCode]의 향후 실적 전망과 관련된 핵심 뉴스"
                    val questionEmbedding = embeddingModel.embed(question).content()
                    val searchResult = embeddingStore.search(
                        EmbeddingSearchRequest.builder()
                            .queryEmbedding(questionEmbedding)
                            .maxResults(3)
                            .build()
                    )
                    tradingDecision.newsContext = searchResult.matches().joinToString("\n") { it.embedded().text() }
                    result(tradingDecision, false)
                    result(decideTrading(stockCode, scores,financialStmt,tradingDecision), true)
                } else {
                    result(tradingDecision, false)
                }
            }catch (e: Exception) {
                e.printStackTrace()
            }
        }
    }

    fun isUrlAlreadyIndexed(url: String): Boolean {
        // 1. 메타데이터의 'link' 필드가 해당 URL과 일치하는지 필터 구성
        val filter = MetadataFilterBuilder.metadataKey("link").isEqualTo(url)

        // 2. 검색 요청 생성 (벡터 유사도와 상관없이 필터 조건에 맞는 것 1개만 찾음)
        // 주의: 인터페이스에 따라 더미 벡터(0,0,...)가 필요할 수 있습니다.
        val searchRequest = EmbeddingSearchRequest.builder()
            .filter(filter)
            .maxResults(1)
            .build()

        val result = embeddingStore.search(searchRequest)

        // 결과가 비어있지 않다면 이미 저장된 URL입니다.
        return result.matches().isNotEmpty()
    }

    /**
     * 질문과 가장 유사한 정보를 H2에서 검색하여 AI 답변을 생성합니다.
     */
//    fun askWithContext(question: String,
//                       corpInfo: String,
//                       financialData: String,
//                       days : List<CandleData>,
//                       weeks : List<CandleData>,
//                       monthly : List<CandleData>): String {
//        val questionEmbedding = embeddingModel.embed(question).content()
//        val searchResult = embeddingStore.search(
//            EmbeddingSearchRequest.builder()
//                .queryEmbedding(questionEmbedding)
//                .maxResults(5)
//                .build()
//        )
//        val newsContext = searchResult.matches().joinToString("\n") { it.embedded().text() }
//
//        // 2. 종합 분석 프롬프트 구성
//        val finalPrompt = """
//        <|begin_of_text|><|start_header_id|>system<|end_header_id|>
//        당신은 뉴스(심리), 재무(본질), 차트(추세)를 통합 분석하는 'AI 수석 애널리스트'입니다.
//        제공된 데이터를 바탕으로 아래 형식을 엄격히 지켜 분석 리포트를 작성하세요.
//
//        [데이터 세트]
//        1. 기업 기본 정보: $corpInfo
//        2. 재무 성장성: $financialData
//        3. 기술적 추세: ${monthly}, ${weeks}, ${days}
//        4. 최신 이슈(뉴스): $newsContext
//
//        [분석 요청 사항]
//        1. **업계 상황**: 해당 종목이 속한 업종의 현재 전체적인 흐름을 먼저 정리하세요.
//        2. **종목 이슈 분석**: 뉴스에서 포착된 핵심 키워드와 시장의 반응을 요약하세요.
//        3. **장기/단기 전략**:
//           - 장기(재무/월봉 기반): 추천 혹은 비추천 사유
//           - 단기(뉴스/일봉 기반): 추천 혹은 비추천 사유
//        4. **최종 결론**: '매수/관망/매도' 의견과 그에 따른 근거를 단호하게 제시하세요.
//        <|eot_id|>
//        <|start_header_id|>user<|end_header_id|>
//        질문: $question
//        <|eot_id|><|start_header_id|>assistant<|end_header_id|>
//    """.trimIndent()
//
//        val response = chatModel.chat(UserMessage.from(finalPrompt))
////        println(response)
//        return response.aiMessage().text()
//    }
    private const val LLM_API_URL = "http://127.0.0.1:8080/v1/chat/completions"

    private suspend fun callLlamaWithSchema(prompt: String): String {
        val jsonMediaType = "application/json; charset=utf-8".toMediaType()

        // 문자열 치환 대신 안전한 JSON 객체 빌더 사용
        val requestBodyJson = buildJsonObject {
            put("model", "local-model")
            put("temperature", 0.1) // 💡 루프 탈출을 위해 더 과감하게 설정
            put("top_p", 0.85) // 💡 추가
            put("top_k", 40)   // 💡 추가 (서버에서 지원할 경우)
//            put("frequency_penalty", 0.7) // 💡 반복 단어 억제 강화
//            put("presence_penalty", 0.5)

            put("max_tokens", 400)
            putJsonArray("messages") {
                addJsonObject {
                    put("role", "system")
                    put("content", "You are a helpful AI financial analyst. You must output responses ONLY in valid JSON format.")
                }
                addJsonObject {
                    put("role", "user")
                    put("content", prompt)
                }
            }

            // 💡 복잡한 json_schema를 지우고, 단순히 JSON 형식으로만 내보내라고 지시합니다.
            putJsonObject("response_format") {
                put("type", "json_object")
            }
        }.toString()
        println("requestBodyJson =>> $requestBodyJson")
        val request = Request.Builder()
            .url(LLM_API_URL)
            .post(requestBodyJson.toRequestBody(jsonMediaType))
            .build()

        return kotlinx.coroutines.Dispatchers.IO.let {
            kotlinx.coroutines.withContext(it) {
                httpClient.newCall(request).execute().use { response ->
                    if (!response.isSuccessful) throw Exception("LLM API Error: ${response.code} ${response.message}")

                    val responseBody = response.body?.string() ?: "{}"
                    val json = Json.parseToJsonElement(responseBody).jsonObject
                    json["choices"]?.jsonArray?.get(0)?.jsonObject?.get("message")?.jsonObject?.get("content")?.jsonPrimitive?.content ?: "{}"
                }
            }
        }
    }

    private val httpClient = OkHttpClient.Builder()
        .connectTimeout(60, TimeUnit.SECONDS)
        .readTimeout(120, TimeUnit.SECONDS)
        .build()

    suspend fun decideTrading(
        stockName: String,
        scores: InvestmentScores,
        financialStmt: FinancialStatement,
        tempDecision: TradingDecision
    ): TradingDecision? {

        var retryCount = 0
        val maxRetries = 2

        while (retryCount <= maxRetries) {

            // 1. 뉴스 데이터가 100자 이상일 때만 유효한 것으로 판단
            val validNews = tempDecision.newsContext?.takeIf { it.trim().length >= 100 }?.take(400)

            // 2. 뉴스 유무에 따른 동적 데이터 섹션 구성
            val newsDataSection = if (validNews != null) {
                "3. News Context: $validNews"
            } else {
                "3. News Context: No significant news available. Rely on financials."
            }


            val prompt = """
# Task: Senior AI Investment Analyst

Your goal is to provide a final trading decision based on STRICT data analysis. 


# Data (SOURCE OF TRUTH)
1. System Scores: Scalping(${scores.ultraShort}), Short(${scores.shortTerm}), Mid(${scores.midTerm}), Long(${scores.longTerm})

2. Financials: Operating Profit ${if(financialStmt.isOperatingProfitPositive) "PROFIT" else "LOSS"} (Growth: ${"%.2f".format(financialStmt.operatingProfitGrowth)}%), ROE: ${"%.2f".format(financialStmt.roe)}%, Debt: ${"%.2f".format(financialStmt.debtRatio)}%

$newsDataSection


# Step-by-Step Analysis Logic

1. Financial Review: First, evaluate the 'Financials' section for long-term stability.

2. News Verification: Second, check 'News Context' (if available) for immediate market sentiment or specific issues.

3. Synthesis: Finalize the 'decision' (BUY, SELL, HOLD) by combining the Financials and News analysis.

4. Confidence: Assign a confidence score (0-100) based on how clearly the data points to the decision.


# Strict Constraints

- SCORE INTEGRITY: You MUST copy the 'System Scores' into the output JSON exactly as provided. NO TRANSFORMATION.

- REASON LENGTH: The "reason" field MUST be written in KOREAN and MUST be between 10 to 50 characters.

- JSON ONLY: Output ONLY a valid JSON object. No markdown, no pre-text, no post-text.


# Output JSON Structure (STRICT NAMES)

{
  "ultraShortScore": ${scores.ultraShort},
  "shortTermScore": ${scores.shortTerm},
  "midTermScore": ${scores.midTerm},
  "longTermScore": ${scores.longTerm},
  "decision": "HOLD",
  "reason": "10자 이상 50자 이내의 한국어 분석 결과",
  "confidence": 0
}

""".trimIndent()
            try {
                val rawResponse = callLlamaWithSchema(prompt)
// 환각 및 루프 검사
                println("rawResponse $rawResponse")


                val sanitized = rawResponse.trim().removeSurrounding("```json", "```").trim()

                val decision = Json { ignoreUnknownKeys = true; isLenient = true }.decodeFromString<TradingDecision>(sanitized)

                // 2. 사유 길이 및 데이터 정합성 검증 (사용자 요청 반영)
                val reasonLen = decision.reason?.length ?: 0
                val isReasonValid = reasonLen in 5..60 // 약간의 마진 허용

                // 점수가 보존되었는지 확인 (Scalping 점수 대조)
                val isScorePreserved = decision.ultraShortScore == scores.ultraShort.toDouble()

                if (isReasonValid && isScorePreserved) {
                    return decision.apply {
                        this.stockCode = tempDecision.stockCode
                        this.stockName = tempDecision.stockName
                        this.corpName = tempDecision.corpName
                        this.financialData = tempDecision.financialData
                        this.newsContext = tempDecision.newsContext
                    }
                } else {
                    println("⚠️ [검증 실패] 사유길이($reasonLen) 또는 점수보존($isScorePreserved) 실패. 재시도 합니다.")
                    retryCount++
                }



            } catch (e: Exception) {
                println("❌ [파싱 오류] ${e.message} - 재시도 시도 중... (${retryCount + 1})")
                retryCount++
                delay(500)
            }
        }
        // 💡 [최종 탈출] 모든 재시도 실패 시 무한 루프를 돌지 않고 null 반환
        println("🚨 [시스템] $stockName 분석 재시도 횟수 초과. 분석을 스킵합니다.")
        return TradingDecision().apply {
            this.stockName = stockName
            this.decision = "HOLD"
            this.reason = "AI 분석 지연으로 인한 자동 관망 처리"
        }
    }



}


@Serializable
class TradingDecision {
    var corpName : String = ""
    var stockName : String = ""
    val ultraShortScore: Double = 0.0 // 초단기 (분봉/에너지)
    val shortTermScore: Double = 0.0  // 단기 (일봉/뉴스)
    val midTermScore: Double = 0.0    // 중기 (주봉/재무)
    val longTermScore: Double = 0.0
    // [추가] 화면 전환용 종목명
    var currentPrice: Double = 0.0
    var stockCode: String = ""
    var decision: String? = null
    var reason: String? = null
    var confidence: Double = 0.0
    var techSummary : String? = null
    var newsContext : String? = null
    var financialData : String? = null
    var analyzer : TechnicalAnalyzer? = null

    fun shortPossible() =
        listOf<Double>(ultraShortScore,
            shortTermScore).average()

    fun profitPossible() =
        listOf<Double>(ultraShortScore,
            shortTermScore,
            midTermScore,
            longTermScore).average()

    fun safePossible() =
        listOf<Double>(
            midTermScore,
            longTermScore).average()

    override fun toString(): String {
        return """
$corpName($stockName)
수익실현 가능성 : ${profitPossible()}
ultraShortScore :$ultraShortScore
shortTermScore :$shortTermScore
midTermScore :$midTermScore
longTermScore :$longTermScore
decision: $decision 
reason: $reason 
confidence: $confidence
기술 분석: $techSummary
뉴스: $newsContext
재무재표: $financialData
        """.trimIndent()
    }
}