#!/usr/bin/env python3
"""review-cards skill：公共知识卡三角色审核（拆书流程常设步骤，MiniMax-M3 执行）。

创始人拍板（2026-07-13）：审核是流程内可复用资产——放量时每批卡由 M3 扮演
番茄作家/起点作家/主编三角色审核；fable/opus 只在起量前校准本 skill 质量
（金标准见 golden/），起量后做一次总审核。

流程：三角色各一次 M3 调用（全批卡）→ 三组评分汇总 → 判定（pass/revise/reject）
→ 写回 draft_payload.审核 节（可追溯）。--calibrate 与 golden 金标准对照输出一致性。
"""
import json
import pathlib
import statistics
import sys

import click
import psycopg

sys.path.insert(0, str(pathlib.Path(__file__).resolve().parents[2] / "llm" / "scripts"))
from llm import chat, extract_json  # noqa: E402

DSN = ("postgresql://root:f6710e2d0294eb1c10e26a805a64bc54@100.64.0.8:5433/muse-example"
       "?keepalives=1&keepalives_idle=15&keepalives_interval=5&keepalives_count=3")
TENANT, ACTOR = 1, "1"
GOLDEN = pathlib.Path(__file__).resolve().parents[1] / "golden"

# 三角色身份（与金标准评审同源）
ROLES = {
    "番茄作家": "番茄小说网顶级畅销作家（多本10亿+在读爆款）。独特视角：爽点节奏、读者留存、商业性——这卡能不能帮 AI 写出让人上头的东西。",
    "起点作家": "起点中文网白金作家（以结构工艺著称）。独特视角：长篇结构工艺——伏笔埋收距离、信息差维护成本、装置与主线耦合度。",
    "主编": "头部网文平台资深主编（二十年审稿）。独特视角：可复制性与指导价值——这卡进知识库是资产还是噪声；最懂垃圾写作课的套路话术。",
}

# 统一判定闸（自 opus 金标准三评审蒸馏的共性红线）
CRITERIA = """审查判定要点（每张卡都过一遍）：
1. 换书测试：抹掉书名/专名/具体数字，换一个完全不同题材（都市悬疑/古装宫斗），这卡还成立、还能指导落笔吗？不成立=一次性妙笔而非范式；
2. 命名黑话检测：卡名是"作者会说的话"还是"XX式YY化ZZ"的 AI 修饰语堆叠？摘要是通用手法陈述还是原书剧情复述？
3. 标签判定：装置类型是否乱贴（信息差=必须存在角色A知道而B/读者不知道的落差；契诃夫之枪=预先可见放置+后续引爆；身份错认=必须有人把A当成B）；
4. 伪精确检测："隔两章以上"这类数字是从原文数出来的还是编的？编的=危险的 false precision；
5. 同功重复：与本批其他卡是否同一手法换皮（先知降压/面瘫外化这类 family）；
6. 干货位检查：失败模式字段是否比手法本身更值钱（是→说明手法总结空洞）；
7. 专名泄漏：字段里出现原书人名/地名/数字/梗=破坏跨书复用；
8. 场景走位判定：间隔纪律/复用节奏写明「埋收同场景闭环」的，不是跨章装置而是场景内走位，
   可参考性上限 2 分（反例：某"借道具看直播"卡把单场走位包装成范式——金标准 2.67 分）。"""

# 机械降档（已知弱点双保险，fable 审查回测 19 卡零误伤）：
# pass 卡的间隔/节奏字段若声明同场景闭环 → 场景走位而非跨章装置，强制降 revise
SCENE_WALK_PAT = ("同一场景", "同场景内", "一两个段落", "同一场对话", "同一场戏")

SYSTEM_TMPL = """你是{role_desc}

背景：muse 是 AI 长篇创作系统，从经典网文拆出「公共范式卡」，未来 AI 写新书时检索这些卡作写作参考。你负责质量审核：内容是否成立、AI 创作时是否可用、是否可参考（跨书复用）。"""

REVIEW_PROMPT = """{criteria}

下面是本批 {n} 张卡（带序号）。逐卡评分（1-5 整数）并给一句毒舌判词。
输出规则（只输出一个 JSON 对象；idx=卡片序号原样带回——放量后 LLM 复述卡名易漂移，序号是唯一可靠匹配键）：
{{"reviews": [{{"idx": 序号, "cheng": 成立性, "yong": 可用性, "can": 可参考性, "verdict": "一句话判词"}}], "overall": "本批系统性问题一句话"}}

【卡片】
{cards}"""


def load_cards(conn, work_id=None):
    sql = """SELECT id, draft_payload FROM muse_knowledge_draft
             WHERE tenant_id=%s AND source_type='parse_book' AND deleted=FALSE"""
    args = [TENANT]
    if work_id:
        sql += " AND source_id=%s"
        args.append(work_id)
    return conn.execute(sql + " ORDER BY id", args).fetchall()


@click.group()
def cli():
    """公共知识卡三角色审核（M3 常设步骤）"""


@cli.command()
@click.option("--work-id", type=int, help="只审该书的卡；不给则全部")
@click.option("--batch", required=True, help="审核批次号")
@click.option("--model", default="MiniMax-M3", show_default=True)
@click.option("--dry-run", is_flag=True, help="只打印不写库")
def review(work_id, batch, model, dry_run):
    """三角色审核并写回 draft_payload.审核 节。判定：均分≥3.5 pass / ≥2.5 revise / 其余 reject。"""
    with psycopg.connect(DSN) as conn:
        rows = load_cards(conn, work_id)
        if not rows:
            click.echo("无待审卡")
            return
        # 分页 ≤30 卡/批：放量后单调用塞全库必爆；同批互见保 family 检出
        PAGE = 30
        all_reviews = {role: {} for role in ROLES}
        for p0 in range(0, len(rows), PAGE):
            page = rows[p0:p0 + PAGE]
            cards_json = json.dumps([{"idx": p0 + i + 1, **r[1]} for i, r in enumerate(page)],
                                    ensure_ascii=False, indent=1)
            for role, desc in ROLES.items():
                content, usage = chat(
                    REVIEW_PROMPT.format(criteria=CRITERIA, n=len(page), cards=cards_json),
                    model=model, system=SYSTEM_TMPL.format(role_desc=desc))
                data = extract_json(content)
                all_reviews[role].update(
                    {int(r["idx"]): r for r in data.get("reviews", []) if r.get("idx")})
                click.echo(f"[{role}] 批{p0 // PAGE + 1} 评 {len(data.get('reviews', []))} 卡 "
                           f"(in={usage.get('prompt_tokens')}) 总评: {data.get('overall', '')[:80]}")
        # 汇总判定并写库（按序号匹配）
        stats = {"pass": 0, "revise": 0, "reject": 0}
        for i, (cid, payload) in enumerate(rows):
            name = payload.get("名称")
            scores, per_role = [], {}
            for role in ROLES:
                r = all_reviews[role].get(i + 1)
                if r:
                    s = [r.get("cheng", 0), r.get("yong", 0), r.get("can", 0)]
                    scores += s
                    per_role[role] = {"分": s, "判词": r.get("verdict", "")}
            if not scores:
                continue
            avg = round(statistics.mean(scores), 2)
            verdict = "pass" if avg >= 3.5 else ("revise" if avg >= 2.5 else "reject")
            # 机械双保险：pass 但间隔/节奏字段声明同场景闭环 → 强制降 revise
            fields_text = json.dumps(payload.get("字段") or {}, ensure_ascii=False)
            if verdict == "pass" and any(p in fields_text for p in SCENE_WALK_PAT):
                verdict = "revise"
            stats[verdict] += 1
            click.echo(f"  {verdict:6s} {avg} 《{name}》")
            if dry_run:
                continue
            payload["审核"] = {"批次": batch, "模型": model, "均分": avg,
                              "判定": verdict, "角色": per_role}
            conn.execute("UPDATE muse_knowledge_draft SET draft_payload=%s, updater=%s WHERE id=%s",
                         (json.dumps(payload, ensure_ascii=False), ACTOR, cid))
        if not dry_run:
            conn.commit()
    click.echo(f"审核完成: pass {stats['pass']} / revise {stats['revise']} / reject {stats['reject']}"
               + ("（dry-run 未写库）" if dry_run else ""))


@cli.command()
@click.option("--work-id", type=int, help="限定书")
@click.option("--batch", required=True, help="要对照的审核批次号（先跑 review）")
def calibrate(work_id, batch):
    """与 golden/scores.json 金标准对照：输出逐卡偏差与整体一致性（起量前校准用）。"""
    golden = json.loads((GOLDEN / "scores.json").read_text())  # {卡名: 金标准均分}
    with psycopg.connect(DSN) as conn:
        rows = load_cards(conn, work_id)
    diffs, lines = [], []
    for _, payload in rows:
        name = payload.get("名称")
        audit = payload.get("审核") or {}
        if audit.get("批次") != batch or name not in golden:
            continue
        g, m = golden[name], audit["均分"]
        diffs.append(m - g)
        lines.append((abs(m - g), f"  Δ{m - g:+.2f}  M3={m} 金={g} 《{name}》"))
    for _, ln in sorted(lines, reverse=True):
        click.echo(ln)
    if diffs:
        click.echo(f"对照 {len(diffs)} 卡：平均偏差 {statistics.mean(diffs):+.2f}，"
                   f"平均绝对偏差 {statistics.mean(map(abs, diffs)):.2f}，最大 {max(map(abs, diffs)):.2f}")
        click.echo("校准合格线（拍板前建议）：平均绝对偏差 ≤0.5 且无 ≥1.5 的单卡背离")


if __name__ == "__main__":
    try:
        cli()
    except (psycopg.Error, RuntimeError) as e:
        click.echo(f"[错误] {type(e).__name__}: {e}", err=True)
        sys.exit(1)