# 导入FastAPI核心框架 + HTTP异常处理类（用于抛出接口错误）
from fastapi import FastAPI, HTTPException
# 导入跨域中间件：解决前端页面调用后端接口的跨域问题
from fastapi.middleware.cors import CORSMiddleware
# 导入Pydantic数据模型：用于校验前端传来的请求数据格式
from pydantic import BaseModel
# 导入dotenv：用于加载 .env 文件中的私密配置（如API密钥）
from dotenv import load_dotenv
# 导入requests：发送HTTP请求调用AI接口；os：读取系统环境变量
import requests, os

# 加载项目根目录的 .env 环境变量文件（读取API密钥）
load_dotenv()
# 创建FastAPI应用实例，整个后端服务的核心
app = FastAPI()

@app.get("/")
def read_root():
    return {"message": "服务器运行正常！请调用 /ask 接口进行对话。"}

# ===================== 跨域配置（必须！前端/网页对接必备） =====================
app.add_middleware(
    CORSMiddleware,       # 启用跨域中间件
    allow_origins=["*"],  # 允许所有域名访问（生产环境可替换为指定域名）
    allow_methods=["*"],  # 允许所有请求方法（GET/POST/DELETE等）
    allow_headers=["*"]   # 允许所有请求头
)

# 全局字典：存储所有用户的对话历史
# key = session_id(会话ID)，value = 该会话的对话消息列表
sessions = {}  

# ===================== 定义请求数据格式（前端传参规则） =====================
class Question(BaseModel):
    # 用户的提问内容（必填字段，字符串类型）
    content: str
    # 会话ID：用于区分不同用户/对话，不传递则默认值为 default
    session_id: str = "default"

# ===================== 核心接口：用户提问AI =====================
@app.post("/ask")  # 定义POST接口，路径为 /ask
def ask(q: Question):
    # 1. 获取当前会话的对话历史
    # 如果session_id不存在，自动创建空列表；存在则直接返回历史
    history = sessions.setdefault(q.session_id, [])

    if not history:
        history.append({
            "role": "system", 
            "content": "你现在是三亚学院论坛的官方AI助手。你的回答要热情、幽默,经常使用'同学'来称呼对方。"
        })
    
    # 2. 将用户的提问，追加到对话历史中（角色：user=用户）
    history.append({"role": "user", "content": q.content})
    
    try:
        # 3. 发送请求调用 深度求索(DeepSeek) AI 接口
        res = requests.post(
            # DeepSeek官方API地址
            url=os.getenv("DEEPSEEK_URL"),
            # 请求头：携带API密钥进行身份验证
            headers={"Authorization": f"Bearer {os.getenv('DEEPSEEK_API_KEY')}"},
            # 请求体：指定AI模型 + 传递完整对话历史
            json={"model": "deepseek-chat", "messages": history},
            # 请求超时时间：30秒
            timeout=30
        )
        
        # 4. 解析AI返回的JSON数据，提取回复内容
        reply = res.json()["choices"][0]["message"]["content"]
        
        # 5. 将AI的回复，追加到对话历史中（角色：assistant=AI助手）
        history.append({"role": "assistant", "content": reply})
        
        # 6. 返回结果给前端：AI回复 + 当前会话ID
        return {"answer": reply, "session_id": q.session_id}
    
    # 异常捕获：网络错误、API密钥错误、AI服务故障等
    except Exception as e:
        # 抛出500服务器错误，并返回具体原因
        raise HTTPException(status_code=500, detail=f"AI 服务出错：{e}")

# ===================== 接口：清空指定会话的对话历史 =====================
@app.delete("/session/{session_id}")  # DELETE请求，路径参数：session_id
def clear(session_id: str):
    # 删除字典中对应的会话历史，不存在则不报错
    sessions.pop(session_id, None)
    # 返回清空成功的提示
    return {"message": "会话已清除"}