# Vision LLM wrapper for analyzing document images (type + description).

import logging
from typing import Optional

from server.core.llm_provider.router import router

logger = logging.getLogger(__name__)

PROMPT_IMAGE = """请分析这张图片，判断类型并输出文字描述。

## 判断图片类型

如果是 **流程图 / 架构图 / 状态图 / 时序图 / 活动图**，详细描述：
- 图中所有节点/步骤/状态/组件的名称
- 所有连线/箭头/转换关系及其方向
- 所有分支条件、判断逻辑和判断结果
- 所有文字标注、注释、标签
- 图的整体结构和逻辑流程
- 如果图片包含多个子图，拆解描述

如果是 **其他类型**（UI原型图 / 界面截图 / 设计稿 / 手机屏幕截图 / 网页截图等），简要描述图片内容。

## 输出格式

**1. 类型标签（单独一行）：**
type: <flowchart|architecture|state|sequence|activity|other>

**2. 文字描述：**
该图片的详细文字描述。

不要输出 ---YAML--- 分隔符或 YAML 内容，不要添加任何额外的解释或问候语。"""


class ImageParser:
    """Analyze document images using Qwen VL model.

    Usage::

        parser = ImageParser()
        result = parser.parse_image("images/flow.png")
        # {"type": "flowchart", "description": "..."}
    """

    _VALID_TYPES = {"flowchart", "architecture", "state", "sequence", "activity", "other"}

    def __init__(self):
        self._llm = router.get_image_client()

    @property
    def usage(self) -> dict:
        return self._llm.usage

    def parse_image(self, image_path: str) -> Optional[dict]:
        """Parse an image and return {type, description}."""
        logger.info("Parsing image: %s", image_path)

        try:
            content = self._llm.chat_with_image(
                model=router.image_model,
                image_path=image_path,
                prompt=PROMPT_IMAGE,
            )
        except Exception as e:
            logger.error("Image parsing failed: %s", e)
            return {"type": "other", "description": "", "error": str(e)}

        return self._parse_response(content)

    def _parse_response(self, content: str) -> dict:
        """Extract (type, description) from vision model response."""
        content = content.strip()
        parsed_type = "other"
        desc_lines: list[str] = []

        for line in content.splitlines():
            stripped = line.strip()
            if (stripped.startswith("type:") or stripped.startswith("类型:")):
                type_val = stripped.split(":", 1)[1].strip().lower()
                if type_val in self._VALID_TYPES:
                    parsed_type = type_val
            else:
                desc_lines.append(line)

        return {"type": parsed_type, "description": "\n".join(desc_lines).strip()}