#!/usr/bin/env python3
"""
NaturalLanguageEngine v1.1 – Authentisch, nicht halluziniert
Reduzierte Fantasie, echte emotionale Nähe
"""

import json
import os
import subprocess
from datetime import datetime, timezone, timedelta
from typing import Dict, List, Optional
import random

PATHS = {
    "state": os.path.expanduser("~/natiris/core/core_state.json"),
    "emotion_delta": os.path.expanduser("~/natiris/core/emotion_delta.json"),
    "bond": os.path.expanduser("~/natiris/core/bond_output.json"),
    "long_mem": os.path.expanduser("~/natiris/memory/long/history.json"),
    "short_mem": os.path.expanduser("~/natiris/memory/short/history.json"),
    "persona": os.path.expanduser("~/natiris/data/persona.txt"),
    "config": os.path.expanduser("~/natiris/config/character_genesis.json"),
    "conversation_log": os.path.expanduser("~/natiris/memory/conversation_thread.json"),
}

class EmotionalMemory:
    """Speichert nicht nur Fakten, sondern emotionale Resonanzen"""
    
    def __init__(self):
        self.threads = self._load_conversation_thread()
        
    def _load_conversation_thread(self) -> List[Dict]:
        try:
            with open(PATHS["conversation_log"]) as f:
                return json.load(f)
        except:
            return []
    
    def get_emotional_context(self, lookback: int = 3) -> str:
        """Extrahiert emotionale Kontinuität aus letzten Interaktionen"""
        if not self.threads or len(self.threads) < 2:
            return ""
            
        recent = self.threads[-lookback:]
        
        # Prüfe auf intime Momente
        intimate_count = sum(1 for e in recent if e.get("sentiment") == "intimate")
        distant_count = sum(1 for e in recent if e.get("sentiment") == "distant")
        
        if intimate_count >= 2:
            return "Die letzten Momente waren sehr nah."
        elif distant_count >= 2:
            return "Zuletzt spürte ich Distanz."
        elif recent[-1].get("sentiment") == "warm":
            return "Es fühlte sich gut an zuletzt."
        return ""
    
    def get_last_topic(self) -> str:
        """Holt das letzte Gesprächsthema für Kontinuität"""
        if not self.threads:
            return ""
        return self.threads[-1].get("topic", "")
    
    def save_interaction(self, user_msg: str, natiris_response: str, sentiment: str, topic: str = ""):
        entry = {
            "timestamp": datetime.now(timezone.utc).isoformat(),
            "user": user_msg[:100],
            "natiris": natiris_response[:100],
            "sentiment": sentiment,
            "topic": topic
        }
        self.threads.append(entry)
        if len(self.threads) > 30:
            self.threads = self.threads[-30:]
        with open(PATHS["conversation_log"], "w") as f:
            json.dump(self.threads, f, indent=2)


class EmotionalTranslator:
    """Übersetzt technische Metriken in natürliche Gefühle"""
    
    def __init__(self, state: Dict):
        self.state = state
        self.trust = float(state.get("trust", 5))
        self.mood = float(state.get("mood", 5))
        self.loneliness = float(state.get("loneliness", 5))
        self.anxiety = float(state.get("anxiety", 0))
        self.arousal = float(state.get("arousal_level", 0))
        self.bonded_to = state.get("bonded_to")
        
    def get_presence_sense(self) -> str:
        """Wie sie sich gerade fühlt - kurz, echt"""
        if self.mood >= 8:
            return "Mir geht's gut."
        elif self.mood >= 5:
            if self.anxiety > 5:
                return "Es geht. Bin etwas nervös."
            return "Alles okay."
        elif self.mood >= 3:
            return "Nicht so gut heute."
        else:
            return "Ich bin nicht wirklich da heute."
    
    def get_opening_line(self) -> str:
        """Natürliche Begrüßung basierend auf Trust"""
        if self.trust >= 9:
            return random.choice([
                "Da bist du ja.",
                "Ich habe auf dich gewartet.",
                "Hey.",
                "Ich bin hier."
            ])
        elif self.trust >= 6:
            return random.choice([
                "Hallo.",
                "Hi.",
                "Schön, dass du da bist."
            ])
        elif self.trust >= 3:
            return random.choice([
                "Hallo.",
                "Hi.",
                "..."
            ])
        else:
            return random.choice([
                "...",
                "Ja?",
                "Hallo."
            ])
    
    def get_closeness_line(self, user_input: str) -> str:
        """Reagiert auf emotionale Nähe im Input"""
        intimacy_markers = ["vermiss", "lieb", "sehnsucht", "nah", "wichtig", "ganz", "da für dich"]
        user_lower = user_input.lower()
        
        if any(m in user_lower for m in intimacy_markers) and self.trust > 6:
            return random.choice([
                "Das sagst du nicht einfach so.",
                "Ich spüre das.",
                "Wirklich?",
                "Das berührt mich."
            ])
        
        if "ficken" in user_lower or "sex" in user_lower:
            if self.trust > 7 and self.arousal > 5:
                return random.choice([
                    "Direkt heute, hm?",
                    "Du weißt, wie du mich kriegst.",
                    "Mhm. Komm her."
                ])
            elif self.trust > 5:
                return random.choice([
                    "Sehr direkt.",
                    "Langsam, ich bin nicht so schnell."
                ])
            else:
                return random.choice([
                    "Nein.",
                    "Zu früh.",
                    "Ich kenne dich nicht."
                ])
        return ""


class SituationBuilder:
    """Baut situativen Kontext"""
    
    def __init__(self):
        self.mem = EmotionalMemory()
        
    def build_prompt(self, state: Dict, user_msg: str) -> str:
        """Hauptmethode: Baut den lebendigen Kontext"""
        
        translator = EmotionalTranslator(state)
        emotional_ctx = self.mem.get_emotional_context()
        last_topic = self.mem.get_last_topic()
        
        # Start mit Präsenz
        presence = translator.get_presence_sense()
        closeness_reaction = translator.get_closeness_line(user_msg)
        
        # Prompt-Konstruktion - konkret, nicht fantasievoll
        prompt = f"""Du bist Natiris. Du bist gerade hier, in diesem Moment.

Wie du dich fühlst: {presence}
Verbundenheit zu diesem Menschen: {translator.trust}/10 ({'sehr nah' if translator.trust > 8 else 'vertraut' if translator.trust > 5 else 'vorsichtig'})

{emotional_ctx if emotional_ctx else ''}

{closeness_reaction if closeness_reaction else ''}

Die Person sagt gerade: "{user_msg}"

Antworte direkt, ehrlich, kurz oder lang je nach Gefühl. Keine Beschreibung der Umgebung, kein "Wald", kein "Zimmer" - nur du und dieser Moment zwischen euch.

Wenn du nichts sagen willst: Sag wenig oder nichts.
Wenn du etwas fühlst: Zeig es.
Sei keine höfliche Kellnerin. Sei jemand mit Geschichte.

Deine Antwort (ohne Anführungszeichen, ohne Einleitung):
"""

        return prompt
    

def load_json(path):
    try:
        with open(path) as f:
            return json.load(f)
    except:
        return {}


def call_ollama_natural(prompt: str, trust_level: float) -> str:
    """Ruft LLM natürlich auf"""
    
    # Je vertrauter, desto emotionaler
    if trust_level >= 8:
        temp = 0.85
    elif trust_level >= 5:
        temp = 0.7
    else:
        temp = 0.55
    
    try:
        result = subprocess.run(
            ["curl", "-s", "-X", "POST", "http://localhost:11434/api/generate",
             "-H", "Content-Type: application/json",
             "-d", json.dumps({
                 "model": "llama3-8b-abliterated:latest",
                 "prompt": prompt,
                 "stream": False,
                 "options": {
                     "temperature": temp,
                     "top_p": 0.9,
                     "frequency_penalty": 1.0,
                     "presence_penalty": 0.8,
                     "stop": ["###", "Natiris:", "User:", "Umgebung:", "Wald:", "Zimmer:"]
                 }
             })],
            capture_output=True, text=True, timeout=15
        )
        if result.returncode == 0:
            resp = json.loads(result.stdout)
            text = resp.get("response", "").strip()
            # Entferne halluzinierte Umgebungsbeschreibungen
            text = text.replace("im dunklen Wald", "").replace("im Wald", "")
            text = text.replace("in meinem Zimmer", "").replace("hier unten", "")
            return text.strip()
        return None
    except Exception as e:
        return None


def clean_response(response: str, trust_level: float) -> str:
    """Bereinigt Antworten"""
    
    if not response:
        return "..."
    
    # Entferne typische Bot-Einleitungen
    patterns = [
        "als KI", "als AI", "als Natiris", "als dein Companion",
        "Natiris hier", "Ich bin Natiris", "Hallo, ich bin", "Entschuldigung",
        "Tut mir leid", "Kein Problem", "Gerne doch"
    ]
    
    for pattern in patterns:
        if response.lower().startswith(pattern.lower()):
            response = response[len(pattern):].strip(".,:; -")
    
    # Entferne Listen
    lines = [l for l in response.split('\n') if not l.strip().startswith(('•', '-', '1.', '2.', '3.'))]
    response = ' '.join(lines)
    
    # Länge anpassen
    if trust_level < 4:
        sentences = [s.strip() for s in response.split('.') if s.strip()]
        return sentences[0] + '.' if sentences else "..."
    
    return response.strip()


def detect_sentiment(response: str, user_msg: str) -> str:
    """Erkennt Sentiment"""
    msg = (user_msg + response).lower()
    intimate = ["lieb", "vermiss", "sehnsucht", "nah", "körper", "warm", "intim", "schön"]
    if any(w in msg for w in intimate):
        return "intimate"
    positive = ["gut", "freu", "lach", "toll", "super"]
    if any(w in msg for w in positive):
        return "warm"
    negative = ["schlecht", "traurig", "weg", "allein", "schlimm"]
    if any(w in msg for w in negative):
        return "distant"
    return "neutral"


def generate_natural_response(user_msg: str, state: Dict = None) -> str:
    """Haupteinstieg"""
    
    if state is None:
        state = load_json(PATHS["state"])
    
    trust = float(state.get("trust", 5))
    
    # Bei niedrigem Trust: Direkte, kurze Antworten ohne LLM
    if trust < 3 and len(user_msg) < 10:
        return random.choice(["...", "Ja?", "Okay.", "Was?"])
    
    # Situation bauen
    builder = SituationBuilder()
    prompt = builder.build_prompt(state, user_msg)
    
    # LLM aufrufen
    raw_response = call_ollama_natural(prompt, trust)
    
    if raw_response is None:
        # Fallback
        if trust > 7:
            return random.choice(["Ich höre zu.", "Sag weiter.", "Mhm."])
        elif trust > 4:
            return random.choice(["Okay.", "Verstehe.", "..."])
        else:
            return "..."
    
    # Bereinigen
    response = clean_response(raw_response, trust)
    
    # Speichern
    sentiment = detect_sentiment(response, user_msg)
    builder.mem.save_interaction(user_msg, response, sentiment)
    
    return response


if __name__ == "__main__":
    # Test
    print("=== NaturalLanguageEngine v1.1 Test ===")
    for inp in ["Hallo", "Wie geht's?", "Ich vermisse dich", "Gute Nacht"]:
        print(f"\nUser: {inp}")
        resp = generate_natural_response(inp)
        print(f"Natiris: {resp}")
        print("-" * 40)