"""
agent67.core.config — 配置与常量
"""
from __future__ import annotations
import os
import shutil

BANNER = """
╔══════════════════════════════════════════════════════════╗
║  🐂 lambda v3 — Java/Python 全栈 + ML 专家              ║
║  powered by lambdagent (42 tools + PaaS services)        ║
╠══════════════════════════════════════════════════════════╣
║                                                          ║
║  📁 文件/代码编辑       🔍 代码搜索 (6种语言)            ║
║  💻 Shell + Git         🌐 Web 搜索/获取                ║
║  📓 Notebook/文档生成   🧠 知识库 + OCR                  ║
║  🧪 自动化测试          💾 持久记忆 + 学习               ║
║  📋 任务/调度/通知      🖥️  系统/浏览器/截屏             ║
║                                                          ║
║  exit 退出 | trace 追踪 | stats 统计 | history 历史      ║
╚══════════════════════════════════════════════════════════╝
"""

WAKE_WORD = "lambda"

# 后端类型常量
BACKEND_CLAUDE_CODE = "claude_code"
BACKEND_OLLAMA = "ollama"
BACKEND_API = "api"


def detect_backend() -> tuple[str, bool, str]:
    """
    检测可用的 LLM 后端。

    返回: (model_name, use_api, backend_type)
      - backend_type="ollama"      → 本地 Ollama 大模型 (≥30B, 首选)
      - backend_type="claude_code" → Claude Code CLI (Max Plan, 无需 API Key)
      - backend_type="api"         → 云端 API (Anthropic/DashScope/OpenAI)
      - backend_type="ollama"      → 本地 Ollama 小模型 (fallback)

    优先级: Ollama 大模型(≥30B) > Claude Code > API > Ollama 小模型
    """
    # 强模型名单（≥30B 参数，本地运行优先）
    STRONG_MODELS = [
        "qwen2.5-coder:32b", "qwen2.5:32b", "qwen2.5:72b",
        "deepseek-coder-v2:33b", "codellama:34b",
        "llama3.1:70b", "mixtral:8x7b",
    ]
    # 弱模型名单（fallback）
    WEAK_MODELS = [
        "qwen2.5-coder:7b", "qwen2.5:14b", "qwen2.5:7b",
        "glm4:9b", "llama3.1:8b", "deepseek-coder:6.7b",
    ]

    # 1. 检测 Ollama 大模型（本地、隐私、免费、够强）
    try:
        from .ollama_lam import ollama_available
        models = ollama_available()
        if models:
            for m in STRONG_MODELS:
                if m in models:
                    print("✅ 使用 Ollama 本地大模型 ({})".format(m))
                    print("   可用模型: {}".format(", ".join(models[:5])))
                    return m, False, BACKEND_OLLAMA
    except Exception:
        pass

    # 2. Claude Code CLI
    if shutil.which("claude"):
        print("✅ 使用 Claude Code Max Plan (无需 API Key)")
        print("   模型: claude sonnet (通过 claude CLI)")
        return "sonnet", False, BACKEND_CLAUDE_CODE

    # 3. 云端 API
    if os.environ.get("ANTHROPIC_API_KEY"):
        model = "claude-sonnet-4-20250514"
        print("✅ 使用 Anthropic API ({})".format(model))
        return model, True, BACKEND_API
    elif os.environ.get("DASHSCOPE_API_KEY"):
        model = "qwen-max"
        print("✅ 使用 DashScope API ({})".format(model))
        return model, True, BACKEND_API
    elif os.environ.get("OPENAI_API_KEY"):
        model = "gpt-4o"
        print("✅ 使用 OpenAI API ({})".format(model))
        return model, True, BACKEND_API

    # 4. Ollama 小模型 (fallback)
    try:
        from .ollama_lam import ollama_available
        models = ollama_available()
        if models:
            selected = None
            for m in WEAK_MODELS:
                if m in models:
                    selected = m
                    break
            if not selected:
                selected = models[0]
            print("⚠️  使用 Ollama 小模型 ({}) — 能力有限".format(selected))
            print("   可用模型: {}".format(", ".join(models[:5])))
            return selected, False, BACKEND_OLLAMA
    except Exception:
        pass

    return "", False, ""