"""
config.py
报告模板管理模块的全局配置。可通过 .env 或环境变量覆盖。
"""

from __future__ import annotations

from pydantic_settings import BaseSettings, SettingsConfigDict


class Settings(BaseSettings):
    # 应用基本信息
    APP_TITLE: str = "报告模板管理模块 API"
    APP_VERSION: str = "0.1.0"
    APP_DESCRIPTION: str = "上传文档 → 远程解析为 Markdown → 拆解目录/章节 → 入库远程 MySQL"

    # 服务监听
    HOST: str = "0.0.0.0"
    PORT: int = 8100
    RELOAD: bool = False

    CORS_ORIGINS: list[str] = ["*"]

    # 日志
    LOG_LEVEL: str = "INFO"          # DEBUG / INFO / WARNING / ERROR
    LOG_DIR: str = "logs"            # 日志目录（相对启动目录或绝对路径）
    LOG_TO_CONSOLE: bool = True      # 是否同时输出到控制台
    LOG_MAX_BYTES: int = 10 * 1024 * 1024  # 单文件最大字节数（轮转）
    LOG_BACKUP_COUNT: int = 7        # 轮转保留份数
    LOG_HTTP_ACCESS: bool = True     # 是否记录每个 HTTP 请求

    # 远程 MySQL：mysql+pymysql://用户:密码@主机:端口/库名?charset=utf8mb4
    DATABASE_URL: str = (
        "mysql+pymysql://root:Beidas0ft@192.168.4.177:3306/eval_report?charset=utf8mb4"
    )
    DB_POOL_SIZE: int = 10
    DB_MAX_OVERFLOW: int = 20
    DB_POOL_TIMEOUT: int = 60
    DB_POOL_PRE_PING: bool = True
    # 启动时自动建表（仅创建本模块用到的表，已存在则跳过）
    DB_AUTO_CREATE_TABLES: bool = True

    # 远程文档解析服务：上传文件 → Markdown
    FILE_PARSE_API_URL: str = "http://192.168.4.194:8000/convert"
    FILE_PARSE_FIELD_NAME: str = "file"
    # 解析引擎（随 multipart 一起提交的表单字段 engine）
    FILE_PARSE_ENGINE: str = "auto"
    FILE_PARSE_HTTP_TIMEOUT_SEC: int = 600
    FILE_PARSE_RETRY_COUNT: int = 3
    FILE_PARSE_RETRY_BACKOFF_SEC: float = 15.0

    # 章节正文：是否包含其下级小节内容（章/节聚合整棵子树正文，避免父章节正文为空）
    SECTION_CONTENT_INCLUDE_SUBSECTIONS: bool = True
    # 单章节正文入库字节上限（MySQL TEXT 列上限 65535 字节，留余量防止截断到半个字符）
    SECTION_CONTENT_MAX_BYTES: int = 60000

    # 章节内容脱敏：入库前过滤精确数据（数字/金额/日期/百分比等）
    DESENSITIZE_ENABLED: bool = True
    DESENSITIZE_PLACEHOLDER: str = "X"  # 数字脱敏后的占位符
    # 是否把表格中的数字也脱敏（表格通常是精确数据，默认开启）
    DESENSITIZE_MASK_TABLE_NUMBERS: bool = True

    # LLM（可选）：为每个目录生成"声明"。未配置时使用确定性兜底模板。
    LLM_API_BASE: str = ""
    LLM_API_KEY: str = ""
    LLM_MODEL_NAME: str = ""
    LLM_HTTP_TIMEOUT_SEC: int = 120
    # 关闭思考模型的思维链输出（vLLM/Qwen3 等：chat_template_kwargs.enable_thinking=false）。
    # 既避免"思考过程"混入正文，又减少 token、降低截断与耗时。
    LLM_DISABLE_THINKING: bool = True
    # 是否调用 LLM 生成章节声明（关闭则始终使用兜底模板）
    DECLARATION_USE_LLM: bool = True
    # 上传模版时：用 LLM 匹配默认提示词 / 为无匹配章节生成提示词（复刻 eval_report）
    TEMPLATE_UPLOAD_LLM_PROMPT_MAPPING: bool = True
    # LLM 提示词匹配并发：把未匹配章节分批并行调用，缩短整体耗时。
    # 多卡 A100 + 连续批处理（vLLM/TGI，TP 或多副本）下，提高并发在飞请求数即可打满 GPU：
    #   - 调小 BATCH_SIZE：请求更多更短，确保批次数 ≥ 线程数，单请求尾延迟更低
    #   - 调大 MAX_WORKERS：同时在飞的序列更多，填满推理服务的批，decode 吞吐接近峰值
    #   - 调小 MAX_TOKENS：每序列 KV 缓存预留更少，调度器可纳入更多并发序列
    # 2×A100：并发目标约 16（较单卡的 8 翻倍）；BATCH_SIZE=2 保证常见规模也能跑满 16 路。
    TEMPLATE_UPLOAD_LLM_BATCH_SIZE: int = 2       # 每批未匹配章节数量
    TEMPLATE_UPLOAD_LLM_MAX_WORKERS: int = 16     # 并行线程数上限（在飞请求数）
    TEMPLATE_UPLOAD_LLM_MAX_TOKENS: int = 2048    # 单批最大输出 token

    model_config = SettingsConfigDict(
        env_file=".env",
        env_file_encoding="utf-8",
        extra="ignore",
    )


settings = Settings()