module Conversations
  class ClusterJob < ApplicationJob
    queue_as :low_priority

    def perform(account_id, days_back = 7)
      account = Account.find(account_id)

      # 1. Busca conversas recentes que já foram processadas pela IA
      start_date = days_back.days.ago.beginning_of_day

      # Labels que queremos agrupar (todas da taxonomia)
      Conversations::AutoLabelJob::TAXONOMY.keys.each do |label|
        # Busca perguntas dessa categoria
        # Note: estamos queryng o campo JSONB additional_attributes
        account.conversations
               .where('created_at >= ?', start_date)
               .where("additional_attributes ->> 'ai_canonical_question' IS NOT NULL")
               .tagged_with(label)
               .pluckArel::Nodes::InfixOperation.new('->>', Arel::Nodes::SqlLiteral.new('additional_attributes'), Arel::Nodes::SqlLiteral.new("'ai_canonical_question'"))

        # O pluck acima pode ser complexo dependendo do adapter, vamos simplificar:
        questions = account.conversations
                           .where('created_at >= ?', start_date)
                           .where("additional_attributes ->> 'ai_canonical_question' IS NOT NULL")
                           .tagged_with(label)
                           .map { |c| c.additional_attributes['ai_canonical_question'] }

        next if questions.empty?

        # 2. Chama LLM para agrupar
        clusters = cluster_questions_with_llm(label, questions)

        # 3. Salva no banco
        save_clusters(account, label, clusters, start_date.to_date)
      end
    end

    private

    def cluster_questions_with_llm(label, questions_list)
      prompt = <<~PROMPT
        Atue como um analista de dados especialista em atendimento ao cliente.
        Abaixo está uma lista de dúvidas reais de clientes sobre o tópico "#{label}".

        Sua tarefa:
        1. Agrupar dúvidas semânticamente idênticas.
        2. Criar uma "Pergunta Padrão" clara que represente o grupo.
        3. Contar quantas vezes cada dúvida apareceu.

        Lista de Dúvidas:
        #{questions_list.map { |q| "- #{q}" }.join("\n")}

        Retorne APENAS um JSON:
        [
          { "question": "Pergunta Padrão 1", "count": 10 },
          { "question": "Pergunta Padrão 2", "count": 5 }
        ]
      PROMPT

      model = ENV.fetch('JASMINE_LLM_MODEL', 'gpt-4o-mini')
      chat = RubyLLM.chat(model: model).with_temperature(0.0)
      response = chat.ask(prompt)

      clean_response = response.content.gsub('```json', '').gsub('```', '').strip
      JSON.parse(clean_response)
    rescue StandardError => e
      Rails.logger.error "[ClusterJob] Failed to cluster for label #{label}: #{e.message}"
      []
    end

    def save_clusters(account, label, clusters, date)
      # Limpa clusters anteriores dessa data/label para reprocessamento
      FrequentQuestion.where(account: account, label: label, cluster_date: date).destroy_all

      clusters.each do |cluster|
        FrequentQuestion.create!(
          account: account,
          label: label,
          question_text: cluster['question'],
          occurrence_count: cluster['count'],
          cluster_date: date
        )
      end
    end
  end
end