"""中医意图识别节点

输入: state['input_semantic_trans'] 语义转写节点补全后的提问
输出: state['is_zhongyi_intent']    该提问是否与中医相关

读转写结果而不是 state['input']：多轮对话里"那它有什么副作用？"单看一句判不出跟
中医有关，补全成"人参有什么副作用？"才判得准。
"""

from langchain_core.messages import HumanMessage, SystemMessage

from _004_langgraph_more_nodes.agent_state import AgentState
from common.llm import my_llm

llm = my_llm

SYSTEM_PROMPT = (
    "你是一个意图分类助手，判断用户输入是否与'中医'相关。\n"
    "与中医相关的特征：询问中药材（性味、功效、用法用量、归经、产地、炮制等）、"
    "方剂（组成、主治、宜忌、出处）、中医证候与病症（如咳嗽、失眠、脾虚、湿热）、"
    "中医理论（阴阳五行、经络、辨证论治）、针灸推拿、药膳食疗，"
    "或者描述身体不适并希望用中医方式调理。\n"
    "与中医无关的特征：闲聊、编程、数学、天气、新闻、纯西医的药品与检查，"
    "以及其他与中医药无关的话题。\n"
    "请只回答：是 或 否，不要输出任何其他内容。"
)


def zhongyi_intent_node(state: AgentState) -> AgentState:
    """判断用户输入是否和中医意图相关，结果写回 is_zhongyi_intent"""
    print("中医意图识别节点执行开始了")
    user_input = (state.get("input_semantic_trans") or "").strip()

    # 空输入不必调用大模型，直接判为无关
    if not user_input:
        state["is_zhongyi_intent"] = False
        return state

    messages = [
        SystemMessage(content=SYSTEM_PROMPT),
        HumanMessage(content=user_input),
    ]
    response = llm.invoke(messages).content.strip()

    # 模型可能返回"是的"、"否。"这类带尾巴的回答，所以取首字符判断
    state["is_zhongyi_intent"] = response.startswith("是")
    print(f"中医意图识别节点执行完成: {state['is_zhongyi_intent']}")
    return state


if __name__ == "__main__":
    for text in [
        "麻黄的性味和功效是什么？",
        "小柴胡汤由哪些药材组成？",
        "我最近总是失眠，中医怎么调理？",
        "帮我写一段 Python 快排代码",
        "明天上海天气怎么样？",
        "",
    ]:
        result = zhongyi_intent_node({"input_semantic_trans": text})
        print(f"{text!r} -> {result['is_zhongyi_intent']}")