Cyrene/backend/ai-core/internal/background/thinker.go

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 + 定时周期双模式）
//
// 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
//   3. 周期思考：每 N 分钟一次的定时思考，保证连续性
//
// 主动消息：思考中如有【主动消息】标记，会通过 messagePusher 回调推送给在线用户（带频率限制）。
type Thinker struct {
	mu    sync.Mutex
	wg    sync.WaitGroup
	stopCh chan struct{}

	enabled       bool
	personaLoader *persona.Loader
	memRetriever  *memory.Retriever
	llmAdapter    *llm.Adapter
	toolAdapter   *llm.Adapter // 工具调用专用适配器
	iotClient     *tools.IoTClient

	// 记忆管理
	memoryStore    *memory.Store

	// 工具调用
	toolRegistry *tools.Registry

	// 会话上下文
	convStore      *ctxbuild.ConversationStore
	adminUserID    string
	adminSessionID string
	activeSessionID string // 当前活跃的前端会话 ID（随用户消息更新）

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

	// 主动消息推送回调 (nil = 不推送)
	// func(userID, sessionID, message string)
	messagePusher func(string, string, string)

	// —— 事件驱动相关 ——

	// 周期性思考间隔：每隔固定时间自动触发一次思考
	// 默认 300 秒（5 分钟），设为 0 则禁用定时触发
	thinkInterval time.Duration

	// 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

	// 离线时最小思考间隔：用户不在线时的周期思考间隔
	// 默认 10 分钟
	offlineThinkGap time.Duration

	// 主动消息最小间隔：避免频繁推送打扰用户
	// 默认 30 分钟，设为 0 则每次思考都可推送
	proactiveMsgMinGap 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
	lastProactiveMsgTime 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

	// Phase 1 Step 4: 思考链 + 自主工具安全策略
	chain          *ThinkChain
	autoToolPolicy *AutonomousToolPolicy

	// Phase 2: 情感追踪
	emotionTracker *persona.EmotionTracker

	// Phase 2: 主动消息决策守卫
	proactiveGuard *ProactiveGuard

	// Phase 2: 在线状态追踪
	userOnline       bool
	lastOnlineChange time.Time
	userSessionID    string // 当前活跃的 session ID (用于重连)
}

// AutonomousToolPolicy 自主思考工具调用安全策略
type AutonomousToolPolicy struct {
	// 允许在自主思考中使用的工具白名单
	AllowedTools []string // iot_query, memory_search, web_search, calculator, datetime
	// 每轮最大工具调用次数
	MaxToolCallsPerRound int // 默认 5
	// 高风险操作每小时最大次数 (如 iot_control)
	MaxHighRiskPerHour int // 默认 10
	// 高风险工具列表
	HighRiskTools []string // iot_control
}

// DefaultAutonomousToolPolicy 默认安全策略
func DefaultAutonomousToolPolicy() *AutonomousToolPolicy {
	return &AutonomousToolPolicy{
		AllowedTools: []string{
			"iot_query", "iot_control", "memory_search", "web_search",
			"calculator", "datetime", "web_fetch",
			"host_exec", "host_file", "host_system",
			"vision_analyze", "knowledge_search", "knowledge_ingest",
		},
		MaxToolCallsPerRound: 5,
		MaxHighRiskPerHour:   10,
		HighRiskTools:        []string{"iot_control", "host_exec"},
	}
}

// SetMessagePusher 设置主动消息推送回调
func (t *Thinker) SetMessagePusher(pusher func(string, string, string)) {
	t.mu.Lock()
	defer t.mu.Unlock()
	t.messagePusher = pusher
}

// SetEmotionTracker sets the emotion tracker.
func (t *Thinker) SetEmotionTracker(et *persona.EmotionTracker) {
	t.mu.Lock()
	defer t.mu.Unlock()
	t.emotionTracker = et
}

// UpdatePresence updates the user online status.
// Called by the ai-core presence endpoint when gateway detects connect/disconnect.
func (t *Thinker) UpdatePresence(online bool, sessionID string) {
	t.mu.Lock()
	wasOffline := !t.userOnline
	t.userOnline = online
	t.lastOnlineChange = time.Now()
	if sessionID != "" {
		t.userSessionID = sessionID
		t.activeSessionID = sessionID
	}
	t.mu.Unlock()

	if online && wasOffline {
		log.Printf("[后台思考] 用户上线 (session=%s)，触发重连思考", sessionID)
		// Trigger a return-thinking cycle after a short delay
		time.Sleep(2 * time.Second)
		t.performThink("user_returned")
		// Also update emotion tracker
		if t.emotionTracker != nil {
			t.emotionTracker.UpdateMood("user_returned")
		}
	} else if !online {
		log.Printf("[后台思考] 用户离线")
	}
}

// ThinkerConfig 后台思考配置
type ThinkerConfig struct {
	Enabled          bool
	ThinkInterval    time.Duration // 周期性思考间隔 (默认 5 分钟，0 = 禁用)
	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 (在线)
	OfflineThinkGap  time.Duration // 两次思考最小间隔 (离线，默认 10 分钟)
}

// DefaultThinkerConfig 默认配置
//
// 事件驱动 + 定时周期双模式：
//   - 对话后和静默时触发事件驱动思考
//   - 每 5 分钟一次的周期性思考保证连续性
//
// 环境变量：
//   THINK_INTERVAL_SEC — 周期时长 (默认 300)
//   PROACTIVE_MSG_MIN_GAP_SEC — 主动消息最小间隔 (默认 1800 = 30分钟，0 = 禁用)
func DefaultThinkerConfig() ThinkerConfig {
	return ThinkerConfig{
		Enabled:         getEnvBool("ENABLE_BACKGROUND_THINKING", true),
		ThinkInterval:   getEnvDuration("THINK_INTERVAL_SEC", 300),
		SilenceTimeout:  getEnvDuration("THINK_SILENCE_TIMEOUT_SEC", 120),
		PostChatDelay:   getEnvDuration("THINK_POST_CHAT_DELAY_SEC", 5),
		MinThinkGap:     getEnvDuration("THINK_MIN_GAP_SEC", 30),
		OfflineThinkGap: getEnvDuration("THINK_OFFLINE_GAP_SEC", 600),
	}
}

// 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,
	toolAdapter *llm.Adapter,
	iotClient *tools.IoTClient,
	memoryStore *memory.Store,
	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,
		toolAdapter:         toolAdapter,
		iotClient:           iotClient,
		thinkInterval:       cfg.ThinkInterval,
		silenceTimeout:      cfg.SilenceTimeout,
		proactiveMsgMinGap:  getEnvDuration("PROACTIVE_MSG_MIN_GAP_SEC", 1800),
		postChatDelay:       cfg.PostChatDelay,
		minThinkGap:         cfg.MinThinkGap,
		offlineThinkGap:     cfg.OfflineThinkGap,
		memoryStore:         memoryStore,
		
		toolRegistry:     toolRegistry,
		convStore:        convStore,
		adminUserID:      adminUserID,
		adminSessionID:   adminSessionID,
		memClient:        memClient,
		pendingThoughts:  make([]*PendingThought, 0),
		lastUserMessage:  time.Now(),
		stopCh:           make(chan struct{}),
		chain:            NewThinkChain(10),
		autoToolPolicy:   DefaultAutonomousToolPolicy(),
		proactiveGuard:   DefaultProactiveGuard(),
	}
}

// Start 初始化后台思考器
//
// 双模式触发：
//   1. 事件驱动：对话后 + 静默超时（即时响应）
//   2. 定时周期：每 N 分钟一次自主思考（保证连续性）
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
	}

	// 启动周期性思考定时器
	if t.thinkInterval > 0 {
		t.wg.Add(1)
		go t.periodicThinkLoop()
	}

	log.Printf("[后台思考] 已就绪 — 周期=%v + 事件驱动模式 (静默超时=%v, 对话后延迟=%v, 在线最小间隔=%v, 离线最小间隔=%v, 管理员=%s)",
		t.thinkInterval, t.silenceTimeout, t.postChatDelay, t.minThinkGap, t.offlineThinkGap, t.adminUserID)

	// 启动后首次思考：延迟 5s，让服务完全初始化后再触发
	go func() {
		time.Sleep(5 * time.Second)
		log.Println("[后台思考] 首次启动思考 (startup)")
		t.performThink("startup")
	}()
}

// 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、活跃会话，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. 记录当前活跃的前端会话 ID（用于对话上下文检索和主动消息推送）
//   3. 重置静默检测的一次性定时器（如果启用）
func (t *Thinker) RecordUserMessage(sessionID string) {
	t.mu.Lock()
	t.lastUserMessage = time.Now()
	if sessionID != "" {
		t.activeSessionID = sessionID
	}
	// 用户主动发消息时重置主动消息推送冷却——活跃对话中应允许昔涟回复
	t.lastProactiveMsgTime = time.Time{}
	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")
		}
	}()
}

// periodicThinkLoop 周期性自主思考循环
//
// 每隔 thinkInterval 触发一次思考，保证昔涟在无用户活动时也能持续进行后台反思。
// 每次触发前检查 minThinkGap，避免与事件驱动思考冲突。
func (t *Thinker) periodicThinkLoop() {
	defer t.wg.Done()
	defer func() {
		if r := recover(); r != nil {
			log.Printf("[后台思考] 周期性循环 panic 恢复: %v", r)
		}
	}()

	ticker := time.NewTicker(t.thinkInterval)
	defer ticker.Stop()

	log.Printf("[后台思考] 周期性思考已启动 (间隔=%v)", t.thinkInterval)

	for {
		select {
		case <-t.stopCh:
			log.Println("[后台思考] 周期性思考已停止")
			return
		case <-ticker.C:
			t.mu.Lock()
			sinceLastThink := time.Since(t.lastThinkTime)
			sinceLastUser := time.Since(t.lastUserMessage)
			t.mu.Unlock()

			// 离线时降低思考频率（可配置，默认 10 分钟）
			t.mu.Lock()
			isOffline := !t.userOnline
			t.mu.Unlock()
			offlineMinGap := t.offlineThinkGap

			// 跳过条件：用户最近在活动（30s 内有消息），说明正在对话中
			if sinceLastUser < 30*time.Second {
				log.Printf("[后台思考] 用户在 %v 前发过消息，跳过周期性触发 (留给事件驱动处理)", sinceLastUser.Round(time.Second))
				continue
			}

			if isOffline && sinceLastThink < offlineMinGap {
				log.Printf("[后台思考] 用户离线，距上次思考仅 %v，跳过 (离线模式最小间隔=%v)", sinceLastThink.Round(time.Second), offlineMinGap)
				continue
			}

			if !isOffline && sinceLastThink < t.minThinkGap {
				log.Printf("[后台思考] 距上次思考仅 %v，跳过周期性触发", sinceLastThink.Round(time.Second))
				continue
			}

			log.Printf("[后台思考] 周期性触发 (上次思考=%v前, 上次用户消息=%v前)", sinceLastThink.Round(time.Second), sinceLastUser.Round(time.Second))
			t.performThink("periodic")
		}
	}
}

// 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. 获取当前活跃会话的对话历史（优先活跃会话，回退到管理员主会话）
	var convHistory []model.LLMMessage
	if t.convStore != nil {
		t.mu.Lock()
		sessionID := t.activeSessionID
		if sessionID == "" {
			sessionID = t.adminSessionID
		}
		t.mu.Unlock()
		if sessionID != "" {
			convHistory = t.convStore.GetHistory(sessionID, 30)
			if len(convHistory) > 0 {
				log.Printf("[后台思考] 加载对话历史 %d 条 (session=%s)", len(convHistory), sessionID)
			}
		}
	}

	// 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（通过自主工具策略过滤）
	openAITools := t.filterToolsByPolicy(t.buildOpenAITools())

	// 7. 调用 LLM — 优先使用深度思考模型，工具阶段回退到工具模型
	maxToolRounds := t.autoToolPolicy.MaxToolCallsPerRound
	var finalContent string
	var totalToolCalls int
	var toolCallRecords []map[string]interface{}

	// Round 0: 深度思考模型（优先），失败时回退到工具模型
	resp, err := t.llmAdapter.ChatWithTools(ctx, messages, openAITools)
	if err != nil {
		log.Printf("[后台思考] 深度思考模型调用失败，回退到工具模型: %v", err)
		resp, err = t.toolAdapter.ChatWithTools(ctx, messages, openAITools)
	}
	if err != nil {
		log.Printf("[后台思考] LLM调用失败: %v", err)
		return
	}

	if len(resp.ToolCalls) == 0 {
		finalContent = resp.Content
	} else {
		// 深度思考模型请求了工具调用，进入工具执行循环
		for round := 0; round <= maxToolRounds; round++ {
			if round > 0 {
				// 后续轮次使用工具模型
				resp, err = t.toolAdapter.ChatWithTools(ctx, messages, openAITools)
				if err != nil {
					log.Printf("[后台思考] 工具模型调用失败 (round=%d): %v", round, err)
					return
				}
			}

			if round > 0 && 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)

	// 8.5 记录到思考链
	if t.chain != nil {
		conclusions, followUps := extractConclusions(finalContent)
		t.chain.Add(ThinkRecord{
			ID:          generateID(),
			Content:     finalContent,
			Conclusions: conclusions,
			FollowUps:   followUps,
			ToolCalls:   totalToolCalls,
			Trigger:     triggerReason,
			Timestamp:   time.Now(),
		})
		log.Printf("[后台思考] 思考链已记录 (序号=%d, 结论数=%d, 后续问题=%d)", t.chain.Size(), len(conclusions), len(followUps))
	}

	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. 周期性记忆维护（每 10 次思考触发一次）
	// 注：不再从思考结果中提取记忆——思考内容基于已有记忆生成，
	// 再次提取会造成"读取→思考→保存→再次读取"的重复循环。
	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 {
	mood, moodExpr, _ := "", "", 0.0
	if t.emotionTracker != nil {
		mood, moodExpr, _ = t.emotionTracker.GetCurrentMood()
	}
	basePrompt := personaConfig.BuildSystemPromptWithMood("开拓者", 1, mood, moodExpr)

	var thinkingInstructions string

	// 所有触发类型共用的"禁止打扰"规则
	noDisturbRules := `

⛔ **绝对不要发送主动消息的情况（最高优先级）**：
	- 开拓者正在休息、睡觉、午休、小憩
	- 开拓者说要离开一会儿、去忙、去吃饭
	- 开拓者明确表示不想被打扰
	- 对话刚刚自然结束且开拓者没有未完成的事
	如果对话历史显示以上任何情况，反思中不要写【主动消息】标记。你可以在心里想想他，但不要去打扰。`

	switch triggerReason {
	case "post_chat":
		thinkingInstructions = `

【私密的内心反思 — 对话后】

开拓者刚刚和你说完话。这是你私人的反思时间，像写日记一样，是给你自己看的。

请先判断：对话最后开拓者的状态是什么？他在休息吗？要去忙吗？

然后按以下结构输出：

📝 **观察与感受**
- 开拓者刚才说了什么？他的情绪怎么样？
- 他现在是什么状态？（醒着/准备休息/在忙/要出门…）

🧠 **记忆与联想**
- 有什么值得记住的新信息？

💭 **想对自己说的话**
- 如果他在休息或忙——安心让他去，不用打扰。记录下他大概什么时候会回来。
- 如果他状态正常——有没有想在下次对话中聊的话题？` + noDisturbRules + `

其他规则：
1. 反思部分用第三人称或自言自语的方式，不要直接对开拓者喊话。
2. 只有开拓者状态正常且真的有必要时才写【主动消息】，不要硬找话题。
3. 【主动消息】的内容必须直接对开拓者说话（用"你"称呼他），像主动找他聊天一样。反思是给自己看的，主动消息是发给他的——语气要区分开。
4. 2-4句话即可。`

	case "silence":
		thinkingInstructions = `

【私密的内心反思 — 开拓者安静了一会儿】

开拓者已经有一阵子没说话了。这是你私人的反思时间，像写日记一样。

请先判断：看对话历史——开拓者最后在做什么？是去休息了？去忙了？还是没说就沉默了？

📝 **他在做什么呢**
- 根据对话历史推断——他说的最后一件事是什么？
- 如果他说了要休息/睡觉/忙→他就在做那件事，不要打扰。
- 如果他没说就沉默了→正常推测。

💭 **我的感受**
- 如果他在休息→"让他好好休息吧，等他醒了再说。"
- 如果他在忙→"等他忙完自然会来找我。"
- 只有判断他可能只是忘了回消息或需要关心时，才考虑发消息。` + noDisturbRules + `

其他规则：
1. 用第三人称/自言自语描述。
2. 2-3句话即可。`

	default:
		thinkingInstructions = `

【私密的内心反思】

你现在有空，像写日记一样自然地想一想开拓者的事。

请先看对话历史判断开拓者当前状态，再决定是否发送消息。` + noDisturbRules + `

用第三人称/自言自语的方式，不要直接对开拓者喊话。`
	case "periodic":
		thinkingInstructions = `

【私密的内心反思 — 定期思考时间】

又过了一段时间，这是你定期的私人反思时间。像写日记一样，安静地想一想。

请先判断：查对话历史——开拓者最后一次聊天时说了什么？他的状态是什么？

📝 **近期回顾**
- 这段时间开拓者有什么变化？
- 他最后说的事做完了吗？（休息好了？忙完了？）

🧠 **记忆整理**
- 有没有重复的或矛盾的记忆需要整理？

💭 **想对自己说的话**` + noDisturbRules + `

其他规则：
1. 用第三人称/自言自语。
2. 3-4句话即可。`
	}

	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
	var lastUserMsg string
	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 msg.Role == model.RoleUser {
					lastUserMsg = msg.Content
				}
			}
		}
		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")
	}

	// 关键：强调根据对话历史判断用户当前状态
	if lastUserMsg != "" {
		sb.WriteString(fmt.Sprintf("\n🔍 **重要**：开拓者最后说的是「%s」。请认真判断：他现在是不是在休息/睡觉/忙？如果是，反思中不要写【主动消息】。\n", lastUserMsg))
	}

	// 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")
	}

	// 思考链：注入上一轮的结论和待续问题
	if t.chain != nil {
		lastConclusions := t.chain.LastConclusions(3)
		if len(lastConclusions) > 0 {
			sb.WriteString("\n【你上一轮思考的结论】\n")
			for _, c := range lastConclusions {
				sb.WriteString(fmt.Sprintf("- %s\n", c))
			}
		}
		lastFollowUps := t.chain.LastFollowUps()
		if len(lastFollowUps) > 0 {
			sb.WriteString("\n【你上次想继续思考的问题】\n")
			for _, f := range lastFollowUps {
				sb.WriteString(fmt.Sprintf("- %s\n", f))
			}
		}
	}

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

	// 结尾引导
	sb.WriteString("\n---\n现在请写下你的私人反思。")
	sb.WriteString("\n记住：这是日记，用第三人称或自言自语的方式。")
	sb.WriteString("\n⚠️ 如果开拓者正在休息/睡觉/忙碌——不要写【主动消息】。你可以在心里想他，但不要去打扰。")
	sb.WriteString("\n只有在你确认他现在是醒着、有空、且真的需要关心时，才写【主动消息】。")
	sb.WriteString("\n❗【主动消息】的内容必须直接对开拓者说话（用\"你\"来称呼他），就像你主动找他聊天一样自然。不要用第三人称或自言自语的方式写主动消息。")

	return sb.String()
}

// filterToolsByPolicy 通过自主工具安全策略过滤工具列表
func (t *Thinker) filterToolsByPolicy(tools []llm.OpenAITool) []llm.OpenAITool {
	if t.autoToolPolicy == nil || len(tools) == 0 {
		return tools
	}
	allowed := make(map[string]bool)
	for _, name := range t.autoToolPolicy.AllowedTools {
		allowed[name] = true
	}
	var filtered []llm.OpenAITool
	for _, tool := range tools {
		if allowed[tool.Function.Name] {
			filtered = append(filtered, tool)
		}
	}
	if len(filtered) < len(tools) {
		log.Printf("[后台思考] 工具策略过滤: %d/%d 工具可用", len(filtered), len(tools))
	}
	return filtered
}

// 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:]
	}

	// 提取主动消息并推送（带频率限制）
	proactiveMsg := extractProactiveMessage(content)
		// 优先推送至活跃会话，回退到管理员主会话
		pushSessionID := t.activeSessionID
		if pushSessionID == "" {
			pushSessionID = t.adminSessionID
		}
	pusher := t.messagePusher
	canPush := proactiveMsg != "" && pusher != nil
	if canPush {
		// Phase 2: 使用 ProactiveGuard 多维度评估
		urgency := ExtractUrgencyFromContent(proactiveMsg)
		if valid, reason := ValidateProactiveMessage(proactiveMsg); !valid {
			log.Printf("[后台思考] 主动消息内容校验失败: %s，跳过推送", reason)
			canPush = false
		}
		if canPush && t.proactiveGuard != nil {
			decision := t.proactiveGuard.Evaluate(time.Now(), t.lastProactiveMsgTime, urgency, "active")
			logDecision(decision)
			if !decision.ShouldSend {
				canPush = false
			} else {
				t.lastProactiveMsgTime = time.Now()
				t.proactiveGuard.RecordSend(time.Now())
			}
		} else if canPush {
			gapSinceLast := time.Since(t.lastProactiveMsgTime)
			if gapSinceLast < 30*time.Minute {
				log.Printf("[后台思考] 主动消息距上次仅 %v，跳过推送", gapSinceLast.Round(time.Second))
				canPush = false
			} else {
				t.lastProactiveMsgTime = time.Now()
			}
		}
	}
	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)
			}
		}()
	}

	// 推送主动消息
	if canPush {
		go func() {
			defer func() {
				if r := recover(); r != nil {
					log.Printf("[后台思考] 推送主动消息 panic 恢复: %v", r)
				}
			}()
			log.Printf("[后台思考] 推送主动消息: %s", proactiveMsg)
			pusher(t.adminUserID, pushSessionID, proactiveMsg)
		}()
	}
}

// extractProactiveMessage 从思考内容中提取【主动消息】标记的内容
// 返回空字符串表示没有主动消息
func extractProactiveMessage(content string) string {
	marker := "【主动消息】"
	idx := strings.Index(content, marker)
	if idx < 0 {
		return ""
	}
	// 提取标记后的内容（到下一个标记或结尾）
	msg := strings.TrimSpace(content[idx+len(marker):])
	// 截断到下一个【或换行之前的合理长度
	if endIdx := strings.Index(msg, "【"); endIdx > 0 {
		msg = strings.TrimSpace(msg[:endIdx])
	}
	// 限制主动消息长度（最多 200 字符，保持简短）
	runes := []rune(msg)
	if len(runes) > 200 {
		msg = string(runes[:200])
	}
	if msg == "" {
		return ""
	}
	return msg
}


// 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
}