import "server-only";
import { env } from "@/lib/env";

/**
 * Sprachmodell-Anbindung hinter einer Schnittstelle.
 *
 * Vorgesehen für: Einsatzberichte aus Stichpunkten formulieren, Prüfmängel
 * zusammenfassen, Protokolle vorstrukturieren. Immer als Vorschlag, nie als
 * Entscheidung — und immer mit einem Menschen, der gegenzeichnet.
 *
 * Es wird ausschließlich gegen einen OpenAI-kompatiblen Endpunkt gesprochen,
 * der selbst betrieben werden kann (Ollama, vLLM, llama.cpp). Kein Cloud-Zwang,
 * keine Daten, die das Gerätehaus verlassen müssen.
 */

export interface LlmAnfrage {
  systemAnweisung: string;
  benutzerEingabe: string;
  maxToken?: number;
  temperatur?: number;
}

export interface LlmAntwort {
  erfolgreich: boolean;
  text?: string;
  fehler?: string;
}

export interface LlmDienst {
  vervollstaendigen(anfrage: LlmAnfrage): Promise<LlmAntwort>;
  verfuegbar(): boolean;
}

/** Standard, solange LLM_ENABLED=false: liefert eine klare Absage. */
class AbgeschaltetesLlm implements LlmDienst {
  verfuegbar(): boolean {
    return false;
  }

  async vervollstaendigen(): Promise<LlmAntwort> {
    return {
      erfolgreich: false,
      fehler: "Die Textunterstützung ist in dieser Installation abgeschaltet (LLM_ENABLED=false).",
    };
  }
}

class OpenAiKompatiblesLlm implements LlmDienst {
  verfuegbar(): boolean {
    return Boolean(env.LLM_BASE_URL && env.LLM_MODELL);
  }

  async vervollstaendigen(anfrage: LlmAnfrage): Promise<LlmAntwort> {
    if (!this.verfuegbar()) {
      return { erfolgreich: false, fehler: "LLM ist nicht vollständig konfiguriert." };
    }

    try {
      const antwort = await fetch(`${env.LLM_BASE_URL}/chat/completions`, {
        method: "POST",
        headers: {
          "Content-Type": "application/json",
          ...(env.LLM_API_KEY ? { Authorization: `Bearer ${env.LLM_API_KEY}` } : {}),
        },
        body: JSON.stringify({
          model: env.LLM_MODELL,
          messages: [
            { role: "system", content: anfrage.systemAnweisung },
            { role: "user", content: anfrage.benutzerEingabe },
          ],
          max_tokens: anfrage.maxToken ?? 1024,
          temperature: anfrage.temperatur ?? 0.3,
        }),
      });

      if (!antwort.ok) {
        return { erfolgreich: false, fehler: `Endpunkt antwortete mit ${antwort.status}` };
      }

      const daten = (await antwort.json()) as {
        choices?: Array<{ message?: { content?: string } }>;
      };
      const text = daten.choices?.[0]?.message?.content;

      return text
        ? { erfolgreich: true, text }
        : { erfolgreich: false, fehler: "Leere Antwort vom Endpunkt." };
    } catch (fehler) {
      return { erfolgreich: false, fehler: String(fehler) };
    }
  }
}

let cache: LlmDienst | null = null;

export function llm(): LlmDienst {
  if (!cache) {
    cache = env.LLM_ENABLED ? new OpenAiKompatiblesLlm() : new AbgeschaltetesLlm();
  }
  return cache;
}

/** Nur für Tests. */
export function _llmErsetzen(ersatz: LlmDienst | null): void {
  cache = ersatz;
}