from fastapi import HTTPException  # 导入 HTTPException 用于错误处理
from typing import List  # 导入 List 用于类型注解
import os
import logging
import faiss
from llama_index import SimpleDirectoryReader, VectorStoreIndex, ServiceContext, StorageContext
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.vector_stores.faiss import FaissVectorStore
from app.core.config import settings  # 导入应用配置
from scripts.permissions import get_user_allowed_indexes  # 导入权限函数，管理用户索引

USER_INDEX_PATH = "index_data"  # 用户索引存储路径
USER_DOC_PATH = "docs"  # 用户文档存储路径

# BGEEmbedding 类，继承自 HuggingFaceEmbedding，用于生成查询的嵌入
class BGEEmbedding(HuggingFaceEmbedding):
    def _get_query_embedding(self, query: str) -> List[float]:
        # 在查询前加上前缀，生成嵌入向量
        prefix = "Represent this sentence for searching relevant passages: "
        return super()._get_query_embedding(prefix + query)

    def _get_query_embeddings(self, queries: List[str]) -> List[List[float]]:
        # 批量生成嵌入向量
        prefix = "Represent this sentence for searching relevant passages: "
        return super()._get_query_embeddings([prefix + q for q in queries])

def build_user_index(user_id: str):
    # 设置日志记录器，记录操作步骤和错误信息
    logger = logging.getLogger(__name__)
    logger.setLevel(logging.INFO)

    logger.info(f"开始为用户 {user_id} 构建索引...")

    # 确认文档目录是否存在
    doc_dir = os.path.join(USER_DOC_PATH, user_id)
    if not os.path.exists(doc_dir):
        logger.error(f"文档目录不存在: {doc_dir}")
        raise FileNotFoundError(f"文档目录不存在: {doc_dir}")
    
    logger.info(f"发现文档目录: {doc_dir}")
    
    # 使用 SimpleDirectoryReader 载入文档
    try:
        documents = SimpleDirectoryReader(doc_dir).load_data()
        logger.info(f"载入文档数量: {len(documents)}")
    except Exception as e:
        logger.error(f"加载文档时出错: {e}")
        raise HTTPException(status_code=500, detail="文档加载失败")
    
    # 设置嵌入模型
    embed_model = BGEEmbedding(model_name=settings.MODEL_NAME)
    logger.info(f"使用模型: {settings.MODEL_NAME}")
    
    # 创建服务上下文
    service_context = ServiceContext.from_defaults(embed_model=embed_model, llm=None)

    # 使用 Faiss 向量存储
    faiss_index = faiss.IndexFlatL2(1024)
    vector_store = FaissVectorStore(faiss_index=faiss_index)

    # 确保索引保存路径存在，使用用户 ID 区分索引文件
    persist_dir = os.path.join(USER_INDEX_PATH, user_id)
    logger.info(f"索引保存路径: {persist_dir}")
    
    # 如果目录不存在，则创建
    if not os.path.exists(persist_dir):
        logger.info(f"目录 {persist_dir} 不存在，准备创建")
        os.makedirs(persist_dir, exist_ok=True)
        logger.info(f"目录 {persist_dir} 已创建")
    
    # 确保 index_store.json 文件路径存在
    index_store_path = os.path.join(persist_dir, "index_store.json")
    if not os.path.exists(index_store_path):
        logger.info(f"未找到 index_store.json，准备创建")
        try:
            with open(index_store_path, "w") as f:
                f.write("{}")  # 创建空的 index_store.json 文件
            logger.info(f"已创建 index_store.json 文件")
        except Exception as e:
            logger.error(f"创建 index_store.json 时出错: {e}")
            raise HTTPException(status_code=500, detail="创建 index_store.json 文件失败")
    else:
        logger.info(f"已找到 index_store.json，跳过创建")

    # 创建 StorageContext，用于存储和管理索引数据
    storage_context = StorageContext.from_defaults(
        persist_dir=persist_dir,
        vector_store=vector_store,
    )

    try:
        # 构建索引，并使用 `storage_context.persist()` 方法保存索引
        index = VectorStoreIndex.from_documents(
            documents,
            service_context=service_context,
            storage_context=storage_context
        )

        # 保存 Faiss 索引为文件，使用正确的路径
        faiss_index_file = os.path.join(persist_dir, "index.faiss")
        faiss.write_index(faiss_index, faiss_index_file)  # 使用 Faiss 的 write_index 方法保存索引
        logger.info(f"Faiss 索引已保存到 {faiss_index_file}")
        
        # 使用 storage_context.persist() 保存元数据
        # 存储非 Faiss 向量数据，如文档的 ID、嵌入向量等
        vector_store_file = os.path.join(persist_dir, "vector_store.json")
        storage_context.persist(persist_dir=vector_store_file)
        logger.info(f"向量存储数据已保存到 {vector_store_file}")

    except Exception as e:
        logger.error(f"索引构建失败: {e}")
        raise HTTPException(status_code=500, detail="索引构建失败")