"""封装本地 Ollama 视觉模型调用：给定一帧图片，从限定词表中分类出一个活动标签。

只做限定词表分类，不做开放式生成——分类结果直接落地为 events.label，取值域
必须严格落在词表内。VLM 输出格式不总是稳定（可能带标点/解释性文字），
所以要做防御性解析兜底，解析不出合法标签就归为"其他"，不让脏数据污染打标结果。
"""
import time

import cv2
import ollama

from analysis.config import ACTIVITY_LABELS, OLLAMA_MODEL

_FALLBACK_LABEL = "其他"
_MAX_RETRIES = 3
_RETRY_DELAY = 5.0  # 秒，Ollama 偶尔忙/模型加载中，退避重试


def _build_prompt():
    labels = "、".join(ACTIVITY_LABELS)
    return (
        "这是家中监控摄像头拍到的一帧画面。请判断画面里的人此刻最可能在做什么，"
        f"只能从下面这些词里选一个作为回答，不要输出任何其他文字或标点：{labels}"
    )


def _parse_label(raw_text):
    stripped = raw_text.strip()
    if stripped in ACTIVITY_LABELS:
        return stripped
    for label in ACTIVITY_LABELS:
        if label in raw_text:
            return label
    return _FALLBACK_LABEL


_MAX_FRAME_WIDTH = 640  # 摄像头原始分辨率最高2560x1440，直接送入会因视觉token过多超出上下文，
                        # 而"走动/进食/坐下"这类粗粒度分类不需要高分辨率细节，缩小后再送入


def _resize_for_vlm(frame_bgr):
    height, width = frame_bgr.shape[:2]
    if width <= _MAX_FRAME_WIDTH:
        return frame_bgr
    scale = _MAX_FRAME_WIDTH / width
    return cv2.resize(frame_bgr, (_MAX_FRAME_WIDTH, int(height * scale)))


def check_ollama_health():
    """检查 Ollama 服务是否可用、目标模型是否已拉取。返回 (ok, message)。"""
    try:
        models = ollama.list()
        model_names = [m.get("name", "") for m in models.get("models", [])]
        if not any(OLLAMA_MODEL in name for name in model_names):
            return False, f"模型 {OLLAMA_MODEL} 未拉取，请先运行: ollama pull {OLLAMA_MODEL}"
        return True, "ok"
    except Exception as e:
        return False, f"Ollama 服务不可用: {e}"


def classify_frame(frame_bgr):
    """frame_bgr: OpenCV BGR格式的numpy帧。返回 (标签, 原始回复文本)。"""
    ok, buf = cv2.imencode(".jpg", _resize_for_vlm(frame_bgr))
    if not ok:
        return _FALLBACK_LABEL, ""

    last_error = None
    for attempt in range(_MAX_RETRIES):
        try:
            response = ollama.chat(
                model=OLLAMA_MODEL,
                messages=[{
                    "role": "user",
                    "content": _build_prompt(),
                    "images": [buf.tobytes()],
                }],
                options={"num_ctx": 2048},  # 单帧分类不需要8192上下文，省显存提速
            )
            raw_text = response["message"]["content"].strip()
            return _parse_label(raw_text), raw_text
        except Exception as e:
            last_error = e
            if attempt < _MAX_RETRIES - 1:
                time.sleep(_RETRY_DELAY)
    # 全部重试失败，归为"其他"而不是抛异常中断整个批次
    return _FALLBACK_LABEL, f"[ollama_error] {last_error}"