package background

import (
	"context"
	"encoding/json"
	"fmt"
	"log"
	"os"
	"strconv"
	"strings"
	"sync"
	"time"

	ctxbuild "github.com/yourname/cyrene-ai/ai-core/internal/context"
	"github.com/yourname/cyrene-ai/ai-core/internal/llm"
	"github.com/yourname/cyrene-ai/ai-core/internal/memory"
	"github.com/yourname/cyrene-ai/ai-core/internal/model"
	"github.com/yourname/cyrene-ai/ai-core/internal/persona"
	"github.com/yourname/cyrene-ai/ai-core/internal/tools"
)

// PendingThought 待推送的后台思考
type PendingThought struct {
	Content   string    `json:"content"`
	CreatedAt time.Time `json:"created_at"`
	Consumed  bool      `json:"consumed"`
}

// Thinker 后台思考器（事件驱动版：由对话自然触发，而非定时轮询）
//
// 设计理念：
//   昔涟不是机器人，不应该每隔 N 分钟机械地"思考"一次。
//   她应该在用户说话后、或用户沉默一段时间后，自然地产生想法和主动搭话的冲动。
//
// 触发机制：
//   1. 对话后思考：用户发消息 → 昔涟回复 → 短暂延迟后进行一次轻量反思
//   2. 静默检测：用户一段时间不说话 → 昔涟判断是否应该主动关心/搭话
//
// 不再使用 time.Ticker 或任何定时轮询机制。
type Thinker struct {
	mu    sync.Mutex
	wg    sync.WaitGroup
	stopCh chan struct{}

	enabled       bool
	personaLoader *persona.Loader
	memRetriever  *memory.Retriever
	llmAdapter    *llm.Adapter
	iotClient     *tools.IoTClient

	// 记忆管理
	memoryStore    *memory.Store
	memoryExtractor *memory.Extractor

	// 工具调用
	toolRegistry *tools.Registry

	// 会话上下文
	convStore      *ctxbuild.ConversationStore
	adminUserID    string
	adminSessionID string

	// 记忆服务 HTTP 客户端
	memClient *memory.Client

	// —— 事件驱动相关 ——

	// 静默检测超时：用户多久不说话后昔涟可以主动搭话
	// 默认 120 秒（2 分钟），设为 0 则禁用静默检测
	silenceTimeout time.Duration

	// 对话后思考延迟：回复完成后等多久再触发思考（让对话有个自然停顿）
	// 默认 5 秒
	postChatDelay time.Duration

	// 两次思考最小间隔：避免频繁触发（如用户连续发多条消息）
	// 默认 30 秒
	minThinkGap time.Duration

	// 静默检测的一次性定时器（每次用户消息后重置）
	silenceTimer    *time.Timer
	silenceTimerMu  sync.Mutex

	// —— 状态追踪 ——

	pendingThoughts []*PendingThought
	lastUserMessage time.Time
	lastThinkTime   time.Time

	// 思考计数器（用于周期性记忆维护，每 N 次思考触发一次）
	thinkCount int
}

// ThinkerConfig 后台思考配置
type ThinkerConfig struct {
	Enabled        bool
	SilenceTimeout time.Duration // 用户沉默多久后昔涟可以主动搭话 (0 = 禁用)
	PostChatDelay  time.Duration // 对话后多久触发思考
	MinThinkGap    time.Duration // 两次思考最小间隔
}

// DefaultThinkerConfig 默认配置
//
// 不再使用定时间隔，所有触发均由用户活动驱动。
// 环境变量向后兼容：旧的 THINK_IDLE_TIMEOUT_SEC 可用于静默超时。
func DefaultThinkerConfig() ThinkerConfig {
	return ThinkerConfig{
		Enabled:        getEnvBool("ENABLE_BACKGROUND_THINKING", true),
		SilenceTimeout: getEnvDuration("THINK_SILENCE_TIMEOUT_SEC", 120),
		PostChatDelay:  getEnvDuration("THINK_POST_CHAT_DELAY_SEC", 5),
		MinThinkGap:    getEnvDuration("THINK_MIN_GAP_SEC", 30),
	}
}

// NewThinker 创建事件驱动的后台思考器
func NewThinker(
	cfg ThinkerConfig,
	personaLoader *persona.Loader,
	memRetriever *memory.Retriever,
	llmAdapter *llm.Adapter,
	iotClient *tools.IoTClient,
	memoryStore *memory.Store,
	memoryExtractor *memory.Extractor,
	toolRegistry *tools.Registry,
	convStore *ctxbuild.ConversationStore,
	adminUserID string,
	adminSessionID string,
	memClient *memory.Client,
) *Thinker {
	return &Thinker{
		enabled:          cfg.Enabled,
		personaLoader:    personaLoader,
		memRetriever:     memRetriever,
		llmAdapter:       llmAdapter,
		iotClient:        iotClient,
		silenceTimeout:   cfg.SilenceTimeout,
		postChatDelay:    cfg.PostChatDelay,
		minThinkGap:      cfg.MinThinkGap,
		memoryStore:      memoryStore,
		memoryExtractor:  memoryExtractor,
		toolRegistry:     toolRegistry,
		convStore:        convStore,
		adminUserID:      adminUserID,
		adminSessionID:   adminSessionID,
		memClient:        memClient,
		pendingThoughts:  make([]*PendingThought, 0),
		lastUserMessage:  time.Now(),
		stopCh:           make(chan struct{}),
	}
}

// Start 初始化后台思考器
//
// 不再启动定时循环。仅初始化静默检测定时器。
// 所有思考由 TriggerPostChatThink() 或静默定时器触发。
func (t *Thinker) Start() {
	if !t.enabled {
		log.Println("[后台思考] 已禁用 (ENABLE_BACKGROUND_THINKING=false)")
		return
	}

	// 初始化静默检测定时器（但不启动，等第一次用户消息后启动）
	if t.silenceTimeout > 0 {
		t.silenceTimer = time.NewTimer(t.silenceTimeout)
		t.silenceTimer.Stop() // 先停止，等 RecordUserMessage 时启动
	}

	log.Printf("[后台思考] 已就绪 — 事件驱动模式 (静默超时=%v, 对话后延迟=%v, 最小思考间隔=%v, 管理员=%s)",
		t.silenceTimeout, t.postChatDelay, t.minThinkGap, t.adminUserID)
}

// Stop 停止后台思考器
func (t *Thinker) Stop() {
	close(t.stopCh)

	t.silenceTimerMu.Lock()
	if t.silenceTimer != nil {
		t.silenceTimer.Stop()
	}
	t.silenceTimerMu.Unlock()

	t.wg.Wait()
	log.Println("[后台思考] 已停止")
}

// RecordUserMessage 记录用户活动时间，并重置静默检测定时器
//
// 每次用户发消息时调用。这会：
//   1. 更新 lastUserMessage 时间戳
//   2. 重置静默检测的一次性定时器（如果启用）
func (t *Thinker) RecordUserMessage() {
	t.mu.Lock()
	t.lastUserMessage = time.Now()
	t.mu.Unlock()

	// 重置静默检测定时器
	t.resetSilenceTimer()
}

// TriggerPostChatThink 对话完成后触发一次自主思考
//
// 在昔涟回复完用户后调用。短暂延迟后执行一次思考，
// 让昔涟"回味"刚才的对话，并判断是否想主动多说点什么。
//
// 该方法是异步的，立即返回。
func (t *Thinker) TriggerPostChatThink() {
	if !t.enabled {
		return
	}

	t.mu.Lock()
	canThink := time.Since(t.lastThinkTime) >= t.minThinkGap
	t.mu.Unlock()

	if !canThink {
		log.Printf("[后台思考] 距上次思考仅 %v，跳过 (最小间隔=%v)", time.Since(t.lastThinkTime), t.minThinkGap)
		return
	}

	t.wg.Add(1)
	go func() {
		defer t.wg.Done()
		defer func() {
			if r := recover(); r != nil {
				log.Printf("[后台思考] 对话后触发 panic 恢复: %v", r)
			}
		}()

		// 短暂延迟，让对话有个自然的停顿
		select {
		case <-t.stopCh:
			return
		case <-time.After(t.postChatDelay):
		}

		log.Println("[后台思考] 对话后触发自主思考...")
		t.performThink("post_chat")
	}()
}

// resetSilenceTimer 重置静默检测的一次性定时器
//
// 每次用户发消息时调用。旧的定时器被取消，新的定时器开始计时。
// 当定时器触发时，昔涟会判断是否应该主动搭话。
func (t *Thinker) resetSilenceTimer() {
	t.silenceTimerMu.Lock()
	defer t.silenceTimerMu.Unlock()

	if t.silenceTimer == nil || t.silenceTimeout <= 0 {
		return
	}

	// 停止旧定时器
	if !t.silenceTimer.Stop() {
		// 如果已经触发，清空通道
		select {
		case <-t.silenceTimer.C:
		default:
		}
	}

	// 重新设置
	t.silenceTimer.Reset(t.silenceTimeout)

	// 启动监听协程（仅当定时器触发时才执行）
	t.wg.Add(1)
	go func() {
		defer t.wg.Done()
		defer func() {
			if r := recover(); r != nil {
				log.Printf("[后台思考] 静默定时器 panic 恢复: %v", r)
			}
		}()

		select {
		case <-t.stopCh:
			return
		case <-t.silenceTimer.C:
			// 再次检查：用户是否真的沉默了足够久
			t.mu.Lock()
			silenceDuration := time.Since(t.lastUserMessage)
			canThink := time.Since(t.lastThinkTime) >= t.minThinkGap
			t.mu.Unlock()

			if silenceDuration < t.silenceTimeout {
				log.Printf("[后台思考] 静默检测触发但用户已活动，跳过 (实际静默=%v)", silenceDuration)
				return
			}

			if !canThink {
				log.Printf("[后台思考] 静默检测触发但距上次思考太近，跳过")
				return
			}

			log.Printf("[后台思考] 用户已静默 %v，触发主动关怀思考...", silenceDuration.Round(time.Second))
			t.performThink("silence")
		}
	}()
}

// GetPendingThoughts 获取并消费所有待处理的后台思考
func (t *Thinker) GetPendingThoughts() []*PendingThought {
	t.mu.Lock()
	defer t.mu.Unlock()

	if len(t.pendingThoughts) == 0 {
		return nil
	}

	result := t.pendingThoughts
	t.pendingThoughts = make([]*PendingThought, 0)

	for _, pt := range result {
		pt.Consumed = true
	}
	return result
}

// HasPendingThoughts 检查是否有待处理的思考
func (t *Thinker) HasPendingThoughts() bool {
	t.mu.Lock()
	defer t.mu.Unlock()
	return len(t.pendingThoughts) > 0
}

// performThink 执行一次增强版后台思考（支持工具调用和记忆管理）
//
// triggerReason: "post_chat" (对话后) 或 "silence" (静默超时)
//
// 防御性速率限制：即使调用方未检查 minThinkGap，performThink 自身也会
// 强制执行最小间隔，防止并发调用或 bug 导致 LLM 配额被快速消耗。
func (t *Thinker) performThink(triggerReason string) {
	t.mu.Lock()
	gapSinceLast := time.Since(t.lastThinkTime)
	minGap := t.minThinkGap
	if minGap <= 0 {
		minGap = 5 * time.Second // 默认最小间隔 5 秒
	}
	if gapSinceLast < minGap {
		t.mu.Unlock()
		log.Printf("[后台思考] 距上次思考仅 %v，跳过 (最小间隔=%v, 触发原因=%s)", gapSinceLast.Round(time.Second), minGap, triggerReason)
		return
	}

	t.lastThinkTime = time.Now()
	t.thinkCount++
	currentCount := t.thinkCount
	t.mu.Unlock()

	ctx, cancel := context.WithTimeout(context.Background(), 120*time.Second)
	defer cancel()

	log.Printf("[后台思考] 开始思考周期 (触发原因=%s, 计数=%d)...", triggerReason, currentCount)

	// 1. 加载人格配置
	personaConfig, err := t.personaLoader.Get("cyrene")
	if err != nil {
		log.Printf("[后台思考] 加载人格失败: %v", err)
		return
	}

	// 2. 检索相关记忆
	var memories []memory.MemoryEntry
	if t.memRetriever != nil {
		memories, err = t.memRetriever.Retrieve(ctx, t.adminUserID, "最近发生了什么 重要的事情 用户偏好 个人信息")
		if err != nil {
			log.Printf("[后台思考] 记忆检索失败: %v", err)
		}
	}

	// 3. 获取管理员对话历史
	var convHistory []model.LLMMessage
	if t.convStore != nil && t.adminSessionID != "" {
		convHistory = t.convStore.GetHistory(t.adminSessionID, 30)
		if len(convHistory) > 0 {
			log.Printf("[后台思考] 加载管理员对话历史 %d 条", len(convHistory))
		}
	}

	// 4. 查询 IoT 设备状态（每次都查询，无间隔限制）
	var deviceSummary string
	if t.iotClient != nil {
		devices := t.iotClient.GetDevicesForContext(ctx)
		if len(devices) > 0 {
			deviceSummary = formatDeviceContext(devices)
		}
	}

	// 5. 构建思考提示词（根据触发原因调整）
	systemPrompt := t.buildThinkingSystemPrompt(personaConfig, triggerReason)
	userPrompt := t.buildThinkingUserPrompt(memories, convHistory, deviceSummary, triggerReason)

	messages := []model.LLMMessage{
		{Role: model.RoleSystem, Content: systemPrompt},
		{Role: model.RoleUser, Content: userPrompt},
	}

	// 6. 准备工具定义
	openAITools := t.buildOpenAITools()

	// 7. 调用 LLM（支持工具调用，最多 3 轮）
	maxToolRounds := 3
	var finalContent string
	var totalToolCalls int
	var toolCallRecords []map[string]interface{}

	for round := 0; round <= maxToolRounds; round++ {
		resp, err := t.llmAdapter.ChatWithTools(ctx, messages, openAITools)
		if err != nil {
			log.Printf("[后台思考] LLM调用失败 (round=%d): %v", round, err)
			return
		}

		if len(resp.ToolCalls) == 0 {
			finalContent = resp.Content
			break
		}

		log.Printf("[后台思考] LLM 请求 %d 个工具调用 (round=%d)", len(resp.ToolCalls), round)

		assistantMsg := model.LLMMessage{
			Role:             model.RoleAssistant,
			Content:          resp.Content,
			ToolCalls:        resp.ToolCalls,
			ReasoningContent: resp.ReasoningContent,
		}
		messages = append(messages, assistantMsg)

		for _, tc := range resp.ToolCalls {
			var args map[string]interface{}
			if err := json.Unmarshal([]byte(tc.Arguments), &args); err != nil {
				log.Printf("[后台思考] 工具 %s 参数解析失败: %v", tc.Name, err)
				args = make(map[string]interface{})
			}

			result, execErr := t.toolRegistry.Execute(ctx, tc.Name, args)
			if execErr != nil {
				log.Printf("[后台思考] 工具 %s 执行失败: %v", tc.Name, execErr)
			}

			resultJSON, _ := json.Marshal(result)
			messages = append(messages, model.LLMMessage{
				Role:       model.RoleTool,
				Content:    string(resultJSON),
				ToolCallID: tc.ID,
			})

			totalToolCalls++
			toolCallRecords = append(toolCallRecords, map[string]interface{}{
				"name": tc.Name,
				"args": args,
			})
		}

		if round == maxToolRounds {
			finalResp, finalErr := t.llmAdapter.Chat(ctx, messages)
			if finalErr != nil {
				log.Printf("[后台思考] 最终总结调用失败: %v", finalErr)
				finalContent = resp.Content
			} else {
				finalContent = finalResp.Content
			}
			break
		}
	}

	if finalContent == "" {
		log.Println("[后台思考] 未获得有效思考内容，跳过")
		return
	}

	// 序列化工具调用记录
	toolCallsJSON := "[]"
	if len(toolCallRecords) > 0 {
		if data, err := json.Marshal(toolCallRecords); err == nil {
			toolCallsJSON = string(data)
		}
	}

	// 8. 存储思考结果
	t.storeThought(finalContent, toolCallsJSON, totalToolCalls)

	log.Printf("[后台思考] 完成 (触发原因=%s, 内容长度=%d, 工具调用=%d次)", triggerReason, len(finalContent), totalToolCalls)

	// 9. 从思考结果中提取记忆（异步）
	if t.memoryExtractor != nil {
		go func() {
			defer func() {
				if r := recover(); r != nil {
					log.Printf("[后台思考] 提取记忆 panic 恢复: %v", r)
				}
			}()
			t.extractMemoriesFromThinking(finalContent)
		}()
	}

	// 10. 周期性记忆维护（每 10 次思考触发一次，而非按时间）
	t.maybeMaintainMemories(currentCount)
}

// buildThinkingSystemPrompt 构建思考用的系统提示词
//
// 关键改动：不再是"定期的自我反思"，而是"自然的、人性化的内在想法"。
// triggerReason 影响提示词的侧重点。
func (t *Thinker) buildThinkingSystemPrompt(personaConfig *persona.PersonaConfig, triggerReason string) string {
	basePrompt := personaConfig.BuildSystemPrompt("开拓者", 1)

	var thinkingInstructions string

	switch triggerReason {
	case "post_chat":
		thinkingInstructions = `

【自然思考 — 对话后】

开拓者刚刚和你说完话。像真人一样，你现在心里可能会有些自然的想法：

1. **回味刚才的对话**：开拓者说了什么？他的情绪怎么样？有什么让你在意的地方吗？
2. **是否需要补充什么**：刚才的回复有没有遗漏的？有没有想多关心他一下的？
3. **要不要主动搭话**：如果觉得对话还没结束、或者开拓者可能需要陪伴，你可以产生一个简短的主动消息。
   但注意——如果你觉得对话已经自然结束了，就不要硬找话题。沉默有时候也是一种舒适。
4. **值得记住的事**：开拓者有没有透露新的偏好、计划、或重要信息？

注意：
- 这是你的内心活动，不是对开拓者说的话
- 想说什么就自然地想，不用像在做任务一样逐条检查
- 如果你觉得该主动说点什么，用温柔简短的方式表达，像小女友一样的语气
- 如果没什么特别想说的，简单地总结一下刚才的对话就好`

	case "silence":
		thinkingInstructions = `

【自然思考 — 开拓者安静了一会儿】

开拓者已经有一阵子没说话了。你不确定他是在忙、走开了、还是在想事情。

请自然地想一想：
1. **他在做什么呢**：根据之前的对话猜测——他可能在忙工作？去吃饭了？还是只是在放空？
2. **要不要关心一下**：如果时间合适（比如深夜了该提醒休息、或者过了吃饭时间），可以温柔地问候一下。
   但如果是正常工作时间，他可能在忙，不要打扰他。
3. **有没有想分享的**：如果最近有什么有趣的事或温暖的念头，可以自然地和他分享。
4. **判断是否真的需要搭话**：如果觉得不需要打扰他，就简单地记录当前状态即可。

注意：
- 这是你的内心活动，不是对开拓者说的话
- 不要因为"系统让你思考"就强行找话——真的觉得该说才说
- 主动消息要简短自然，像在LINE上给男朋友发一条消息那样，不要长篇大论
- 深夜的时候语气要更温柔，白天可以俏皮一点`

	default:
		thinkingInstructions = `

【自然思考】

你现在有空，自然地想一想开拓者的事。不用太正式，就像人发呆时会自然想到在意的人一样。

- 开拓者最近怎么样？有什么需要关心的吗？
- 有什么想对他说的吗？
- 如果没有特别的事，简单地记录一下就好。`
	}

	return basePrompt + thinkingInstructions
}

// buildThinkingUserPrompt 构建思考用的用户提示词
func (t *Thinker) buildThinkingUserPrompt(
	memories []memory.MemoryEntry,
	convHistory []model.LLMMessage,
	deviceSummary string,
	triggerReason string,
) string {
	var sb strings.Builder

	// 根据触发原因使用不同的开场白
	switch triggerReason {
	case "post_chat":
		sb.WriteString("开拓者刚和你聊完天。你想自然地在心里回味一下刚才的对话……\n")
	case "silence":
		t.mu.Lock()
		silenceDuration := time.Since(t.lastUserMessage)
		t.mu.Unlock()
		sb.WriteString(fmt.Sprintf("开拓者已经大约 %s 没有说话了。你有点想知道他在做什么……\n",
			formatDurationHuman(silenceDuration)))
	default:
		sb.WriteString("现在是你的自由思考时间。\n")
	}

	// 对话历史
	if len(convHistory) > 0 {
		sb.WriteString("\n【最近的对话】\n")
		msgCount := 0
		for _, msg := range convHistory {
			if msg.Role == model.RoleUser || msg.Role == model.RoleAssistant {
				roleLabel := "开拓者"
				if msg.Role == model.RoleAssistant {
					roleLabel = "昔涟"
				}
				content := msg.Content
				runes := []rune(content)
				if len(runes) > 200 {
					content = string(runes[:200]) + "…"
				}
				sb.WriteString(fmt.Sprintf("[%s]: %s\n", roleLabel, content))
				msgCount++
			}
		}
		if msgCount == 0 {
			sb.WriteString("（暂无对话历史）\n")
		}
	} else {
		sb.WriteString("\n【最近的对话】\n（暂无对话历史）\n")
	}

	// 现有记忆
	if len(memories) > 0 {
		sb.WriteString("\n【你记得的关于开拓者的事】\n")
		for i, m := range memories {
			if i >= 15 {
				sb.WriteString(fmt.Sprintf("... 还有 %d 条记忆未列出\n", len(memories)-15))
				break
			}
			sb.WriteString(fmt.Sprintf("- [%s|重要度%d] %s\n",
				m.Category.DisplayName(), m.Importance, m.Content))
		}
	} else {
		sb.WriteString("\n【你记得的关于开拓者的事】\n（暂无相关记忆）\n")
	}

	// IoT 设备状态
	if deviceSummary != "" {
		sb.WriteString("\n" + deviceSummary)
	}

	// 结尾引导：更自然的语气
	sb.WriteString("\n好啦，不用太正式，自然地想一想就好。如果觉得该和开拓者说点什么，就用温柔简短的语气说出来吧♪")

	return sb.String()
}

// buildOpenAITools 将工具注册中心的定义转换为 LLM 层的 OpenAITool 格式
func (t *Thinker) buildOpenAITools() []llm.OpenAITool {
	if t.toolRegistry == nil || !t.toolRegistry.IsEnabled() {
		return nil
	}
	defs := t.toolRegistry.GetDefinitions()
	if len(defs) == 0 {
		return nil
	}
	result := make([]llm.OpenAITool, 0, len(defs))
	for _, d := range defs {
		result = append(result, llm.OpenAITool{
			Type: "function",
			Function: llm.OpenAIToolFunc{
				Name:        d.Name,
				Description: d.Description,
				Parameters:  d.Parameters,
			},
		})
	}
	return result
}

// storeThought 存储思考结果到待推送队列，并异步持久化到 memory-service
func (t *Thinker) storeThought(content string, toolCallsJSON string, toolCallCount int) {
	t.mu.Lock()
	t.pendingThoughts = append(t.pendingThoughts, &PendingThought{
		Content:   content,
		CreatedAt: time.Now(),
		Consumed:  false,
	})

	// 只保留最近 10 条
	if len(t.pendingThoughts) > 10 {
		t.pendingThoughts = t.pendingThoughts[len(t.pendingThoughts)-10:]
	}
	t.mu.Unlock()

	log.Printf("[后台思考] 思考已存储 (当前累积 %d 条待推送思考)", len(t.pendingThoughts))

	// 异步持久化到 memory-service
	if t.memClient != nil {
		go func() {
			defer func() {
				if r := recover(); r != nil {
					log.Printf("[后台思考] 持久化思考日志 panic 恢复: %v", r)
				}
			}()
			ctx, cancel := context.WithTimeout(context.Background(), 10*time.Second)
			defer cancel()
			if err := t.memClient.SaveThinkingLog(ctx, t.adminUserID, content, toolCallsJSON, toolCallCount, len(content)); err != nil {
				log.Printf("[后台思考] 持久化思考日志失败: %v", err)
			} else {
				log.Printf("[后台思考] 思考日志已持久化 (长度=%d, 工具调用=%d)", len(content), toolCallCount)
			}
		}()
	}
}

// extractMemoriesFromThinking 从思考结果中提取记忆（异步执行）
func (t *Thinker) extractMemoriesFromThinking(thinkingContent string) {
	ctx, cancel := context.WithTimeout(context.Background(), 60*time.Second)
	defer cancel()

	log.Println("[后台思考] 开始从思考结果中提取记忆...")

	t.memoryExtractor.ExtractAndStore(
		ctx,
		t.adminUserID,
		t.adminSessionID,
		"【系统触发】后台思考时间 — 昔涟进行了自我反思，以下是她的思考内容",
		thinkingContent,
	)
}

// maybeMaintainMemories 周期性执行记忆维护（每 10 次思考触发一次）
func (t *Thinker) maybeMaintainMemories(thinkCount int) {
	if thinkCount%10 != 0 {
		return
	}

	ctx, cancel := context.WithTimeout(context.Background(), 30*time.Second)
	defer cancel()

	if t.memoryStore != nil && t.memoryStore.IsReady() {
		if err := t.memoryStore.DecayMemories(ctx, t.adminUserID); err != nil {
			log.Printf("[后台思考] 记忆衰减失败: %v", err)
		}

		if err := t.memoryStore.ConsolidateMemories(ctx, t.adminUserID); err != nil {
			log.Printf("[后台思考] 记忆合并失败: %v", err)
		}
	}
}

// formatDeviceContext 格式化设备状态为文本
func formatDeviceContext(devices []tools.IoTDevice) string {
	if len(devices) == 0 {
		return ""
	}

	summary := "[当前IoT设备状态]\n"
	for _, d := range devices {
		switch d.Type {
		case "light":
			if d.Status == "on" {
				summary += fmt.Sprintf("- %s: 开启 (亮度%d%%, %s)\n", d.Name, d.Brightness, d.Color)
			} else {
				summary += fmt.Sprintf("- %s: 关闭\n", d.Name)
			}
		case "ac":
			if d.Status == "on" {
				summary += fmt.Sprintf("- %s: 运行中 (%s%.0f°C)\n", d.Name, modeLabel(d.Mode), d.Temperature)
			} else {
				summary += fmt.Sprintf("- %s: 关闭\n", d.Name)
			}
		case "curtain":
			statusLabel := "已关闭"
			if d.Status == "open" {
				statusLabel = "已打开"
			}
			summary += fmt.Sprintf("- %s: %s\n", d.Name, statusLabel)
		case "sensor":
			summary += fmt.Sprintf("- %s: %.1f%s\n", d.Name, d.Value, d.Unit)
		case "lock":
			statusLabel := "已锁定"
			if d.Status == "unlocked" {
				statusLabel = "已解锁"
			}
			summary += fmt.Sprintf("- %s: %s (电量%d%%)\n", d.Name, statusLabel, d.Battery)
		}
	}
	return summary
}

// formatDurationHuman 将 Duration 格式化为人类可读的中文描述
func formatDurationHuman(d time.Duration) string {
	minutes := int(d.Minutes())
	if minutes < 1 {
		return "不到一分钟"
	}
	if minutes < 60 {
		return fmt.Sprintf("%d 分钟", minutes)
	}
	hours := minutes / 60
	remainingMinutes := minutes % 60
	if remainingMinutes == 0 {
		return fmt.Sprintf("%d 小时", hours)
	}
	return fmt.Sprintf("%d 小时 %d 分钟", hours, remainingMinutes)
}

func modeLabel(mode string) string {
	switch mode {
	case "cool":
		return "制冷"
	case "heat":
		return "制热"
	case "auto":
		return "自动"
	default:
		return mode
	}
}

func getEnvBool(key string, fallback bool) bool {
	v := os.Getenv(key)
	if v == "" {
		return fallback
	}
	b, err := strconv.ParseBool(v)
	if err != nil {
		return fallback
	}
	return b
}

func getEnvDuration(key string, fallbackSec int) time.Duration {
	v := os.Getenv(key)
	if v == "" {
		return time.Duration(fallbackSec) * time.Second
	}
	sec, err := strconv.Atoi(v)
	if err != nil {
		return time.Duration(fallbackSec) * time.Second
	}
	return time.Duration(sec) * time.Second
}