"""
RAG 工具模块

将检索功能封装为 LangChain Tool，供 Agent 调用。
采用固定流水线：多路改写 → 并行检索 → RRF 融合 → 重排序 → 返回父文档。
"""
from typing import Callable
from langchain_core.tools import tool
from langchain_core.language_models import BaseLanguageModel
from langchain_core.retrievers import BaseRetriever
from app.rag.pipeline import RAGPipeline

def create_rag_tool_sync(
    retriever: BaseRetriever,
    llm: BaseLanguageModel,
    num_queries: int = 3,
    rerank_top_n: int = 5,
    collection_name: str = "rag_documents",
) -> Callable:
    """
    创建一个配置好的 RAG 检索工具（同步版本，用于不支持异步的旧版 Agent）。

    参数同 create_rag_tool。
    """
    pipeline = RAGPipeline(
        retriever=retriever,
        llm=llm,
        num_queries=num_queries,
        rerank_top_n=rerank_top_n,
    )

    @tool
    def search_knowledge_base_sync(query: str) -> str:
        """在知识库中搜索与查询相关的文档片段（同步版本）。

        功能与异步版本相同：多路改写 → RRF融合 → 重排序 → 返回父文档。

        Args:
            query: 用户提出的问题或查询字符串

        Returns:
            格式化后的相关文档内容。
        """
        try:
            documents = pipeline.retrieve(query)  # 内部调用异步方法并等待
            if not documents:
                return f"在知识库 '{collection_name}' 中未找到与 '{query}' 相关的信息。"

            context = pipeline.format_context(documents)
            return context
        except Exception as e:
            return f"检索过程中发生错误: {str(e)}"

    return search_knowledge_base_sync