"""
LangGraph 节点日志工具模块
提供状态流转追踪和 LLM 输入输出打印功能
"""

from ..config import ENABLE_GRAPH_TRACE
from ..logger import debug, info


def log_state_change(node_name: str, state: dict, prefix: str = "进入"):
    """
    记录状态变化日志
    
    Args:
        node_name: 节点名称
        state: 当前状态
        prefix: 日志前缀（"进入" 或 "离开"）
    """
    from app.logger import info
    
    messages = state.get("messages", [])
    msg_count = len(messages)
    last_msg = messages[-1] if messages else None
    last_info = ""
    if last_msg:
        # 兼容 dict 和对象两种格式
        if isinstance(last_msg, dict):
            content_preview = str(last_msg.get("content", ""))[:10].replace("\n", " ")
            msg_type = last_msg.get("type", "unknown")
        else:
            content_preview = str(last_msg.content)[:10].replace("\n", " ")
            msg_type = getattr(last_msg, 'type', 'unknown')
        last_info = f"{msg_type.upper()}: {content_preview}"
    info(f"🔄 [{node_name}] {prefix} | 消息数:{msg_count} | 最后一条:{last_info}")


def print_llm_input(prompt_value):
    """
    RunnableLambda 回调函数：打印格式化后发送给 LLM 的完整消息
    
    Args:
        prompt_value: ChatPromptValue 对象，包含格式化后的消息列表
        
    Returns:
        原样返回 prompt_value，不影响链式调用
    """
    if not ENABLE_GRAPH_TRACE:
        return prompt_value

    messages = prompt_value.messages  # ChatPromptValue 提供 .messages 属性

    debug("\n" + "=" * 80)
    debug("📤 [LLM输入] 格式化后发送给大模型的完整消息:")
    debug(f"   总消息数: {len(messages)}")
    debug("-" * 80)
    for i, msg in enumerate(messages):
        content_preview = str(msg.content)  # 完整输出
        debug(f"   [{i}] {msg.type.upper():10s}: {content_preview}")
    debug("\n" + "=" * 80 + "\n")

    return prompt_value