import os
from dotenv import load_dotenv
from openai import OpenAI
from rich.console import Console
from rich.panel import Panel
from rich.markdown import Markdown
from rich.live import Live

load_dotenv()

# 1. 初始化 Rich 控制台
console = Console()

# 2. 初始化 OpenAI 客戶端 (指向本地 Ollama 或 SiliconFlow)
client = OpenAI(
    base_url=os.getenv("OLLAMA_BASE_URL"),
    api_key=os.getenv("OLLAMA_API_KEY") 
)

# 【核心架構 1】：維護一個對話歷史列表 (這就是 AI 的大腦記憶區)
# 確保一開始把人設 (System Prompt) 塞進去
chat_history = [
    {"role": "system", "content": "你是一個精通 Python 的高級工程師，請保持專業且友善的語氣。"}
]

# 印出漂亮的歡迎畫面
console.print(Panel("✨ 歡迎使用流式 AI 助手！輸入 'quit' 退出。", border_style="green"))

# 進入「你問我答」的無限循環
while True:
# 替换原来的单行 input()
    console.print("\n👤 [bold green]你 (支持多行输入，输入 '/send' 并回车发送，输入 'quit' 退出):[/bold green]")
    lines = []
    while True:
        line = input()
        if line.strip().lower() == 'quit':
            console.print("[dim]👋 再见！[/dim]")
            exit()  # 直接退出程序
        if line.strip() == '/send':
            break   # 结束输入，跳出收集循环
        lines.append(line)
    
    # 将多行列表拼接成一个包含真正换行符的完整字符串
    user_input = "\n".join(lines)
        
    # 將使用者的新問題，追加進對話歷史中
    chat_history.append({"role": "user", "content": user_input})
    
    # 呼叫大模型，並開啟流式輸出 (stream=True)
    # 注意這裡的 messages 傳入的是完整的 chat_history
    response_stream = client.chat.completions.create(
        model="gemma4:26b",  # 替換成你實際運行的模型名稱
        messages=chat_history,
        stream=True
    )
    
    full_response = ""
    
    # 【核心架構 3】：使用 Live 區塊進行 UI 即時渲染
    with Live(Panel("思考中...", title="🤖 AI", border_style="cyan"), refresh_per_second=15) as live:
        for chunk in response_stream:
            content = chunk.choices[0].delta.content
            if content is not None:
                full_response += content
                # 即時更新青色的對話框
                live.update(
                    Panel(
                        Markdown(full_response), 
                        title="🤖 AI", 
                        border_style="cyan"
                    )
                )
                
    # 【核心架構 4】：將 AI 剛剛吐出來的完整回答，存回對話歷史中
    # 這樣下一輪對話時，AI 才會「記得」它自己剛剛說過什麼
    chat_history.append({"role": "assistant", "content": full_response})