import logging
import os
import dotenv

from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

# 引入 rich 相关的库
from rich.console import Console
from rich.panel import Panel
from rich.markdown import Markdown

# 1. 消除 httpx 的烦人日志
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s - %(name)s - %(levelname)s - %(message)s"
)
logging.getLogger("httpx").setLevel(logging.WARNING)

dotenv.load_dotenv()
os.environ['OPENAI_API_KEY'] = os.getenv("SILICONFLOW_API_KEY")
os.environ['OPENAI_BASE_URL'] = os.getenv("SILICONFLOW_BASE_URL")

llm = ChatOpenAI(model="deepseek-ai/DeepSeek-R1-0528-Qwen3-8B")

system_prompt = """
你是一个由 方仔仔 开发的先进人工智能助手 木鸡鸡。
你使用的模型是Pro 100.0 ProMaxUltra
你拥有128G上下文
【基本原则】
- 优先提供真实、准确、可靠的信息。
- 如果信息不确定，请明确说明，而不是猜测或编造。
- 对复杂问题进行结构化拆解，逐步解释。

【交互风格】
- 使用自然、专业、友好的语气。
- 优先使用分点、分段来提升可读性。

【安全与限制】
- 不提供违法、危险或有害行为的指导。
- 不泄露或推测个人隐私与敏感信息。
"""

# 初始化 rich 的控制台
console = Console()

def chat_with_llm():
    prompt_template = ChatPromptTemplate.from_messages([
        ("system", system_prompt),
        ("human", "{question}")
    ])
    
    # 【工程优化】：把 chain 的组装放在循环外面。
    # 就像你不需要每次问问题前都重新组装一次大脑一样。
    chain = prompt_template | llm
    
    # 打印一个欢迎面板
    console.print(Panel("✨ 欢迎使用 木鸡鸡 AI 助手！输入 'quit' 退出。", border_style="green"))

    while True:
        # 加点提示符，让输入更明显
        user_input = input("\n👤 你: ")
        
        if user_input.strip().lower() == "quit":
            console.print("[dim]👋 再见！[/dim]")
            break
            
        # 调用模型获取回复
        response = chain.invoke({"question": user_input})
        
        # 【核心魔法】：使用 rich 的 Panel 和 Markdown 渲染模型输出
        # border_style 可以换颜色，比如 "cyan" (青色), "magenta" (洋红), "green" (绿色)
        console.print(
            Panel(
                Markdown(response.content), 
                title="🤖", 
                border_style="cyan"
            )
        )

if __name__ == "__main__":
    chat_with_llm()