#!/usr/bin/env python3
"""
LLM 投資建議功能演示

展示如何使用LLM服務生成投資建議
"""

import os
import json
from unittest.mock import Mock

# 模擬環境變數
os.environ['OPENAI_API_KEY'] = 'sk-fake-key-for-demo'

from llm_service import LLMInvestmentAdvisor
from prompts.investment_advice import get_comprehensive_analysis_prompt


def demo_strategy_data():
    """模擬策略資料"""
    return {
        'id': 123,
        'name': '科技成長策略',
        'role': '最大化夏普比率',
        'annual_ret': 0.28,  # 年化28%報酬
        'vol': 0.22,         # 年化22%波動
        'annual_sr': 1.95,   # 夏普比率1.95
        'mdd': -0.15,        # 最大回落15%
        'alpha': 0.12,       # Alpha 12%
        'beta': 1.05,        # Beta 1.05
        'var10': 0.08,       # 10% VaR 8%
        'r2': 0.89,          # R-squared 89%
        'gamma': 2.8,        # Gamma 2.8
        'assets': ['AAPL', 'MSFT', 'GOOGL', 'NVDA', 'TSLA'],
        'tw': False,         # 美國市場
        'weight': {
            'data': [[0.25, 0.20, 0.18, 0.22, 0.15]],
            'columns': ['AAPL', 'MSFT', 'GOOGL', 'NVDA', 'TSLA'],
            'index': ['2024-01-01']
        }
    }


def demo_llm_service():
    """演示LLM服務"""
    print("🤖 LLM 投資建議功能演示")
    print("=" * 50)

    # 模擬策略資料
    strategy_data = demo_strategy_data()

    print("\n📊 策略概況：")
    print(f"   策略名稱：{strategy_data['name']}")
    print(f"   投資目標：{strategy_data['role']}")
    print(f"   年化報酬：{strategy_data['annual_ret']:.1%}")
    print(f"   年化波動：{strategy_data['vol']:.1%}")
    print(f"   夏普比率：{strategy_data['annual_sr']:.2f}")
    print(f"   最大回落：{strategy_data['mdd']:.1%}")
    print(f"   持有資產：{', '.join(strategy_data['assets'])}")

    print("\n🔧 測試 Prompt 生成...")
    try:
        # 直接調用函數，不使用快取
        prompt = get_comprehensive_analysis_prompt(strategy_data)
        print(f"   ✅ Prompt 生成成功，長度：{len(prompt)} 字符")
        print("   📝 Prompt 預覽：")
        print(f"   {prompt[:200]}...")
    except Exception as e:
        print(f"   ❌ Prompt 生成失敗：{e}")
        print(f"   錯誤詳情：{str(e)}")
        return

    print("\n🤖 測試 LLM 服務...")
    try:
        # 由於是演示，我們使用模擬的OpenAI客戶端
        advisor = LLMInvestmentAdvisor(api_key="fake-key")

        # 模擬生成建議
        demo_advice = advisor._get_fallback_advice(strategy_data)
        print("   ✅ 建議生成成功：")
        print("   " + "=" * 30)
        print(f"   {demo_advice}")
        print("   " + "=" * 30)

    except Exception as e:
        print(f"   ❌ LLM 服務測試失敗：{e}")

    print("\n📝 真實使用場景：")
    print("   1. 用戶訪問策略詳情頁面")
    print("   2. 點擊「🤖 LLM 投資建議」區塊")
    print("   3. 前端調用 /api/llm_advice/123")
    print("   4. 後端查詢策略資料並生成建議")
    print("   5. 顯示專業的投資分析報告")

    print("\n⚙️  設置說明：")
    print("   1. 設置 OPENAI_API_KEY 環境變數")
    print("   2. 選擇合適的模型 (GPT-4 或 GPT-3.5)")
    print("   3. 調整 prompt 模板以符合需求")
    print("   4. 監控 API 使用量和成本")

    print("\n🚀 功能特色：")
    print("   ✅ 智能投資分析")
    print("   ✅ 風險評估報告")
    print("   ✅ 市場適配建議")
    print("   ✅ 快取機制")
    print("   ✅ 錯誤處理")
    print("   ✅ 專業UI介面")


def demo_prompt_templates():
    """演示不同的Prompt模板"""
    print("\n🔧 Prompt 模板演示")
    print("=" * 30)

    strategy_data = demo_strategy_data()

    templates = [
        ("基本分析", "basic"),
        ("全面分析", "comprehensive"),
        ("風險導向", "risk"),
    ]

    for name, template_type in templates:
        print(f"\n{name}模板：")
        try:
            if template_type == "risk":
                from prompts.investment_advice import get_risk_focused_prompt
                prompt = get_risk_focused_prompt(strategy_data)
            elif template_type == "comprehensive":
                prompt = get_comprehensive_analysis_prompt(strategy_data)
            else:
                prompt = get_comprehensive_analysis_prompt(strategy_data)  # fallback

            print(f"   長度：{len(prompt)} 字符")
            print(f"   預覽：{prompt[:100]}...")
        except Exception as e:
            print(f"   ❌ 錯誤：{e}")
            print(f"   錯誤詳情：{str(e)}")


if __name__ == "__main__":
    demo_llm_service()
    demo_prompt_templates()

    print("\n" + "=" * 50)
    print("🎉 LLM 投資建議功能演示完成！")
    print("📖 詳細設置說明請參閱 LLM_SETUP.md")
    print("🧪 運行測試：python test_llm_service.py")