// Package service 提供知识库的搜索逻辑。
// 搜索是本项目最核心的功能，此文件实现了"关键词模糊匹配 + 降级兜底"策略。
package service

import (
	"errors"
	"log"

	"AI-Expert-Sidebar/internal/database"
	"AI-Expert-Sidebar/internal/models"
)

// maxResults 限制每次搜索最多返回的条目数。
// 侧边栏 UI 空间有限，超过 5 条会让用户滚动，体验下降；
// 同时限制条数也控制了传给 AI 的 Context 长度，避免超出 Token 限制。
const maxResults = 5

// ErrDBUnavailable 是数据库未就绪时返回的哨兵错误。
// 前端可以检查此错误来决定是否显示"数据库初始化中"提示，
// 而不是和其他内部错误混为一谈。
var ErrDBUnavailable = errors.New("database unavailable")

// SearchResult 是从 service 层返回给 handler/前端的搜索结果 DTO。
// 使用 DTO（数据传输对象）而非直接返回 models.Entry，原因：
//  1. 可以附加计算字段（Score、IsFallback）而不污染数据库模型；
//  2. 解耦：前端字段名（snake_case JSON）与数据库字段名可以独立演化；
//  3. 敏感字段（如 UpdatedAt）不会意外暴露给前端。
type SearchResult struct {
	ID       uint   `json:"id"`
	Question string `json:"question"`
	Answer   string `json:"answer"`
	Category string `json:"category"`
	// Score 表示匹配精度：2=关键词命中, 1=问题文本命中, 0=降级兜底。
	// 前端用此值决定显示 "⚡精准匹配" 还是 "🔥热门推荐" 徽章。
	Score int `json:"score"` // 2=keyword, 1=question, 0=fallback
	// IsFallback 为 true 时，表示搜索无命中，结果是随机推荐的热门问答。
	// 前端据此显示提示横幅，避免用户误以为这是精准答案。
	IsFallback bool `json:"is_fallback"`
}

// SearchKnowledge 在当前活跃知识库中执行模糊关键词搜索，并实现降级兜底。
//
// # 搜索策略（两阶段）
//
// 阶段 1 — 精准模糊匹配：
//
//	在 keyword 和 question 列上执行 LIKE '%query%' 查询。
//	SQLite 的 LIKE 运算符对 ASCII 字符不区分大小写，
//	中文字符则依赖 GBK/UTF-8 字节比较（本项目全 UTF-8，无问题）。
//	结果按 updated_at DESC 排序，使最近更新的内容优先展示。
//
// 阶段 2 — 降级兜底（Fallback）：
//
//	若阶段 1 无任何结果，改为返回最近更新的前 3 条记录，
//	并标记 IsFallback=true。
//	这样用户永远不会看到"空结果"，体验更好；
//	前端会显示"未找到精确匹配"提示，不造成误导。
//
// # 为什么不用 FTS5（全文搜索）
//
// SQLite FTS5 提供更强大的全文检索，但需要额外建表/触发器，
// 对中文效果也不理想（需要分词插件）。
// 简单 LIKE 对本项目知识库规模（通常 < 1000 条）已完全足够，
// 引入 FTS5 会大幅增加代码复杂度，得不偿失。
func SearchKnowledge(query string) ([]SearchResult, error) {
	db := database.Get()
	if db == nil {
		return nil, ErrDBUnavailable
	}
	if len(query) < 1 {
		return nil, nil
	}

	// 用 channel + goroutine 封装查询，使 handler 层可以安全地配合 context 取消
	type res struct {
		rows []SearchResult
		err  error
	}
	ch := make(chan res, 1)

	go func() {
		// 检查库是否为空；空库时直接返回，避免无意义的 LIKE 查询
		var total int64
		db.Model(&models.Entry{}).Count(&total)
		if total == 0 {
			ch <- res{[]SearchResult{}, nil}
			return
		}

		like := "%" + query + "%"
		var rows []models.Entry
		err := db.Where("keyword LIKE ? OR question LIKE ?", like, like).
			Order("updated_at DESC").Limit(maxResults).Find(&rows).Error
		if err != nil {
			ch <- res{nil, err}
			return
		}

		// 阶段 2：降级兜底
		isFallback := len(rows) == 0
		if isFallback {
			log.Printf("[Search] 关键词 %q 无匹配，启用降级兜底", query)
			db.Order("updated_at DESC").Limit(3).Find(&rows)
		}

		// 将数据库模型转换为前端 DTO，计算匹配分
		out := make([]SearchResult, 0, len(rows))
		for _, r := range rows {
			score := 0
			if !isFallback {
				if containsIgnoreCase(r.Keyword, query) {
					score = 2 // 关键词精准命中，优先级最高
				} else if containsIgnoreCase(r.Question, query) {
					score = 1 // 问题文本命中，次优
				}
			}
			out = append(out, SearchResult{
				ID: r.ID, Question: r.Question, Answer: r.Answer,
				Category: r.Category, Score: score, IsFallback: isFallback,
			})
		}
		ch <- res{out, nil}
	}()

	r := <-ch
	return r.rows, r.err
}

// containsIgnoreCase 检查字符串 s 是否包含子串 sub（忽略 ASCII 大小写）。
//
// 使用手写 rune 循环而非 strings.ToLower + strings.Contains 的原因：
// 避免为每次比较创建两个临时字符串，对频繁调用的搜索路径更节省内存。
// 注意：仅 A-Z 做大小写转换，中文字符原样比较（中文无大小写概念）。
func containsIgnoreCase(s, sub string) bool {
	if len(sub) == 0 {
		return true
	}
	sl, subl := []rune(s), []rune(sub)
	if len(sl) < len(subl) {
		return false
	}
	for i := 0; i <= len(sl)-len(subl); i++ {
		match := true
		for j, c := range subl {
			if toLower(sl[i+j]) != toLower(c) {
				match = false
				break
			}
		}
		if match {
			return true
		}
	}
	return false
}

// toLower 将 ASCII 大写字母转为小写，其余字符不变。
func toLower(r rune) rune {
	if r >= 'A' && r <= 'Z' {
		return r + 32
	}
	return r
}