# -*- coding: utf-8 -*-
"""
Grounded Executive Narrative Generator using Google GenAI SDK.
Enforces strict factual boundary to eliminate hallucination.
"""
import os
import sys
from pathlib import Path

BASE_DIR = Path(__file__).resolve().parent.parent
if str(BASE_DIR) not in sys.path:
    sys.path.insert(0, str(BASE_DIR))

from config import Config
from core.analytics import get_kpi_cards, get_red_flags, get_pbd_recommendations_with_arkas, get_active_school

def generate_executive_narrative(target_year, api_key=None):
    """
    Menghasilkan narasi eksekutif berbasis fakta murni (Bounded Fact Payload).
    """
    if not api_key:
        api_key = Config.GEMINI_API_KEY or os.environ.get("GEMINI_API_KEY")

    school = get_active_school()
    kpi_cards = get_kpi_cards(target_year)
    red_flags = get_red_flags(target_year)
    rekom_arkas = get_pbd_recommendations_with_arkas(target_year)

    # Susun payload fakta deterministik
    kpi_text = "\n".join([
        f"- {k['code']} ({k['name']}): Skor {k['score']} {k['unit']} | Capaian: {k['capaian_label']} | Perubahan YoY: {k['delta_yoy']} | Rank Kab/Kota: {k['rank_kabkota']} | Rank Nas: {k['rank_nasional']}"
        for k in kpi_cards if k['score'] is not None
    ])

    red_flags_text = "\n".join([
        f"- [RED FLAG] {rf['code']} ({rf['name']}): Skor {rf['score']} | Alasan: {rf['red_flag_reason']}"
        for rf in red_flags
    ]) if red_flags else "- Tidak ada indikator yang terdeteksi Red Flag (kondisi stabil)."

    rekom_text = "\n".join([
        f"- Akar Masalah: {r['l2_code']} {r['l2_name']} (di bawah {r['l1_code']}) | Usulan Kegiatan: {r['kegiatan_benahi'][:80]}..."
        for r in rekom_arkas[:4]
    ])

    prompt = f"""
Anda adalah Asisten Analis Ahli Perencanaan Berbasis Data (PBD) untuk {school['name']} (NPSN: {school['npsn']}).
Berikut adalah data FAKTA RESMI Rapor Pendidikan Tahun {target_year}:

[FAKTA INDIKATOR PRIORITAS]
{kpi_text}

[FAKTA INDIKATOR RED FLAG]
{red_flags_text}

[FAKTA REKOMENDASI BENAHI UTAMA]
{rekom_text}

INSTRUKSI KETAT (KEBIJAKAN NOL HALUSINASI):
1. Buat Ringkasan Eksekutif (Executive Summary) yang tajam, profesional, dan solutif bagi Kepala Sekolah dan Tim Pengembang Sekolah.
2. DILARANG KERAS mengarang, mengubah, atau menambahkan angka skor dan kode indikator di luar data fakta di atas.
3. Sebutkan secara eksplisit:
   a. Capaian positif tertinggi yang perlu dipertahankan.
   b. Area kritis / Red Flag yang wajib diintervensi dalam rencana anggaran ARKAS mendatang.
   c. Rekomendasi langkah taktis bagi pendidik dan manajemen sekolah.
4. Gunakan Bahasa Indonesia formal, elegan, dan terstruktur dengan poin-poin yang jelas.
"""

    if not api_key:
        return f"""### Ringkasan Eksekutif Analisis Rapor Pendidikan {school['name']} (Tahun {target_year})
*(Catatan: Mode Offline Deterministik - Masukkan Gemini API Key di panel samping untuk narasi generatif AI)*

**1. Gambaran Kinerja Indikator Prioritas:**
{kpi_text}

**2. Indikator Perlu Perhatian Khusus (Red Flags):**
{red_flags_text}

**3. Rekomendasi Aksi Perencanaan & Penganggaran:**
{rekom_text}
"""

    try:
        from google import genai
        client = genai.Client(api_key=api_key)
        
        # 1. Coba deteksi model aktif yang tersedia di akun pengguna
        discovered_models = []
        try:
            for m in client.models.list():
                m_name = getattr(m, 'name', '') or str(m)
                # Ambil model flash yang mendukung generateContent
                if 'flash' in m_name.lower():
                    discovered_models.append(m_name)
        except Exception:
            pass

        # 2. Susun urutan model prioritas: model hasil discovery -> kandidat resmi
        candidates = ['gemini-3.8-flash', 'models/gemini-3.8-flash', 'gemini-1.5-flash', 'models/gemini-1.5-flash']
        models_to_try = []
        for m in discovered_models + candidates:
            if m and m not in models_to_try:
                models_to_try.append(m)

        errors_log = []

        for model_name in models_to_try:
            try:
                response = client.models.generate_content(
                    model=model_name,
                    contents=prompt,
                )
                if response and response.text:
                    return response.text
            except Exception as err:
                err_msg = str(err)
                errors_log.append(f"[{model_name}]: {err_msg}")
                continue

        # Jika semua kandidat gagal, tampilkan detail kegagalan
        raise RuntimeError("Semua model yang dicoba gagal. Detail:\n" + "\n".join(errors_log[:3]))
    except Exception as e:
        raise RuntimeError(f"Gagal memanggil Gemini API: {str(e)}")
