"""持仓分析 prompt 生成器。

根据最近 5 个交易日的主力持仓排名生成结构化分析 prompt，
按席位属性（家人/大户/其他/噪音）分类汇总，聚焦资金风向变化。
"""

from collections import defaultdict
from datetime import date, timedelta

from app.database import SessionLocal
from app.models import PositionRanking, Contract


# ── 席位分类 ──
FAMILY_NAMES = [
    "东方财富", "徽商期货", "方正中期", "中信建投", "平安期货",
]
WHALE_NAMES = [
    "永安期货", "中信期货", "国泰君安", "海通期货", "华泰期货",
    "高盛期货", "乾坤期货", "摩根大通", "中粮期货",
]
NOISE_NAMES = ["东证期货"]

TYPE_LABEL = {"volume": "成交量", "long": "多单持仓", "short": "空单持仓"}


def _classify(inst: str) -> str:
    """匹配席位分类，返回 家人/大户/噪音/其他。"""
    for kw in FAMILY_NAMES:
        if kw in inst:
            return "家人"
    for kw in WHALE_NAMES:
        if kw in inst:
            return "大户"
    for kw in NOISE_NAMES:
        if kw in inst:
            return "噪音"
    return "其他"


def _build_legend() -> str:
    """生成席位分类图例。"""
    lines = ["## 席位分类", ""]
    lines.append(f"- **家人席位（散户）**: {'、'.join(FAMILY_NAMES)}")
    lines.append(f"- **大户席位（产业/套保）**: {'、'.join(WHALE_NAMES)}")
    lines.append(f"- **噪音席位（忽略）**: {'、'.join(NOISE_NAMES)}")
    lines.append("- **其他席位**: 未归入以上三类的席位")
    lines.append("")
    return "\n".join(lines)


def _format_number(n: int) -> str:
    """数字格式化为万手。"""
    v = n / 10000
    sign = "+" if n > 0 else ""
    return f"{sign}{v:.2f}万"


def build_prompt(contract_code: str | None = None) -> str:
    """生成单个或全部活跃合约的持仓分析 prompt。

    Args:
        contract_code: 合约代码（如 FG2609），为 None 时分析所有活跃合约。

    Returns:
        可直接发送给 AI 进行分析的 prompt 文本。
    """
    db = SessionLocal()
    try:
        if contract_code:
            codes = [contract_code.upper()]
        else:
            codes = [
                r[0] for r in
                db.query(Contract.code)
                .filter(Contract.is_active == True)
                .order_by(Contract.code)
                .all()
            ]

        # 取最近 5 个有持仓数据的交易日
        all_dates = sorted({
            r[0] for r in
            db.query(PositionRanking.date)
            .filter(PositionRanking.contract_code.in_(codes))
            .distinct()
            .all()
        }, reverse=True)[:5]
        all_dates.reverse()  # 从旧到新

        if not all_dates:
            return "无持仓数据"

        # 拉取全部数据
        rankings = (
            db.query(PositionRanking)
            .filter(
                PositionRanking.contract_code.in_(codes),
                PositionRanking.date.in_(all_dates),
            )
            .order_by(PositionRanking.contract_code, PositionRanking.date, PositionRanking.data_type, PositionRanking.rank)
            .all()
        )

        # 按 contract → date → data_type 组织
        data: dict[str, dict] = defaultdict(lambda: defaultdict(lambda: defaultdict(list)))
        for r in rankings:
            data[r.contract_code][r.date][r.data_type].append(r)

        parts = [_build_legend()]

        for code in codes:
            if code not in data:
                continue
            cd = data[code]
            parts.append(f"## {code}")
            parts.append("")
            parts.append(f"分析区间: {min(all_dates)} → {max(all_dates)}（共 {len(all_dates)} 个交易日）")
            parts.append("")

            # ── 每日明细 ──
            for d in all_dates:
                if d not in cd:
                    continue
                parts.append(f"### {d} {_weekday_zh(d)}")
                parts.append("")

                for dtype in ["volume", "long", "short"]:
                    rows = cd[d].get(dtype, [])
                    if not rows:
                        continue
                    parts.append(f"**{TYPE_LABEL[dtype]} Top 20**")
                    parts.append("")
                    parts.append("| 排名 | 席位 | 分类 | 持仓量 | 增减 |")
                    parts.append("|------|------|------|--------|------|")
                    for r in rows[:20]:
                        tag = _classify(r.institution)
                        if tag == "噪音":
                            continue  # 跳过东证
                        parts.append(
                            f"| {r.rank} | {r.institution} | {tag} | "
                            f"{_format_number(r.value)} | {_format_number(r.change)} |"
                        )
                    parts.append("")

            # ── 每日家人 vs 大户汇总 ──
            parts.append(f"### {code} 分类资金变化汇总")
            parts.append("")
            parts.append("| 日期 | 家人多单增减 | 家人空单增减 | 大户多单增减 | 大户空单增减 | 其他多单增减 | 其他空单增减 |")
            parts.append("|------|-------------|-------------|-------------|-------------|-------------|-------------|")

            for d in all_dates:
                if d not in cd:
                    continue
                cat_changes = defaultdict(lambda: defaultdict(int))
                for dtype in ["long", "short"]:
                    for r in cd[d].get(dtype, []):
                        tag = _classify(r.institution)
                        if tag == "噪音":
                            continue
                        cat_changes[tag][dtype] += r.change

                parts.append(
                    f"| {d} "
                    f"| {_format_number(cat_changes['家人']['long'])} "
                    f"| {_format_number(cat_changes['家人']['short'])} "
                    f"| {_format_number(cat_changes['大户']['long'])} "
                    f"| {_format_number(cat_changes['大户']['short'])} "
                    f"| {_format_number(cat_changes['其他']['long'])} "
                    f"| {_format_number(cat_changes['其他']['short'])} |"
                )
            parts.append("")

            # ── 5日累计 ──
            parts.append(f"### {code} 5日累计资金变化")
            parts.append("")
            total_cat = defaultdict(lambda: defaultdict(int))
            for d in all_dates:
                if d not in cd:
                    continue
                for dtype in ["long", "short"]:
                    for r in cd[d].get(dtype, []):
                        tag = _classify(r.institution)
                        if tag == "噪音":
                            continue
                        total_cat[tag][dtype] += r.change

            parts.append("| 分类 | 5日多单累计 | 5日空单累计 | 净多（多-空） |")
            parts.append("|------|------------|------------|--------------|")
            for tag in ["家人", "大户", "其他"]:
                net = total_cat[tag]["long"] - total_cat[tag]["short"]
                net_str = _format_number(net)
                parts.append(
                    f"| {tag} | {_format_number(total_cat[tag]['long'])} "
                    f"| {_format_number(total_cat[tag]['short'])} | {net_str} |"
                )
            parts.append("")

        # ── 分析引导 ──
        parts.append("---")
        parts.append("")
        parts.append("请基于以上数据进行分析，重点关注：")
        parts.append("")
        parts.append("1. **家人席位动向**: 5日内多空增减趋势，散户情绪偏多还是偏空，"
                      "是否有明显的追涨杀跌行为。")
        parts.append("2. **大户席位动向**: 产业资金和套保资金的布局方向，"
                      "多空增减是否与家人席位形成对手盘。")
        parts.append("3. **多空力量对比**: 各分类的净多/净空方向，"
                      "整体市场情绪偏向。")
        parts.append("4. **异常信号**: 单日大幅增减的席位，"
                      "分类资金出现明显分歧的交易日。")
        parts.append("5. **行情预判**: 结合席位资金流向，"
                      "对下一交易日走势给出偏多/偏空/震荡的判断及理由。")

        return "\n".join(parts)
    finally:
        db.close()


def _weekday_zh(d: date) -> str:
    return ["周一", "周二", "周三", "周四", "周五", "周六", "周日"][d.weekday()]


if __name__ == "__main__":
    import sys
    sys.path.insert(0, "/app")
    from app.prompt_builder import build_prompt
    prompt = build_prompt()
    print(prompt)