"""News research: web search via Claude + author personal input."""
from rich.console import Console
from rich.panel import Panel

console = Console()

_RESEARCH_SYSTEM = """Du bist ein erfahrener Redaktionsassistent für die LinkedIn-Kolumne KNIEPUNKT von Dr. André Knie.
KNIEPUNKT richtet sich an CEOs, Führungskräfte des Mittelstands, Konzerne und öffentliche Verwaltung – alle mit Interesse an moralischer KI.

Geeignete Quellen: The Decoder, Heise, ARD, ZDF, DLF, Handelsblatt, Wirtschaftswoche, Die Zeit, Der Spiegel, wissenschaftliche Publikationen, Reddit (wenn originaler Diskussionskontext), offizielle Unternehmens-Ankündigungen.
Ungeeignete Quellen: Boulevardzeitungen, unbekannte Medien, reine Aggregatoren ohne eigene Recherche.

Präsentiere Ergebnisse klar strukturiert auf Deutsch."""

_SOURCE_SYSTEM = """Du bist ein strenger Quellen-Prüfer für die KNIEPUNKT-Kolumne.
Bewerte jede Quelle nach: Primärquelle | KI-Fachjournalismus | etablierte Qualitätspresse | Erstdiskussionsquelle | schwache Quelle | ungeeignet.
Flags: [FEHLENDER BELEG] [WIDERSPRUCH] [UNKLARE FAKTENLAGE] [AUTOR-PRÜFUNG ERFORDERLICH]."""


def get_author_input() -> dict:
    """Collect the author's personal news input and optional initial storyline."""
    console.print(Panel(
        "[bold]Schritt 1: Ihre persönlichen Nachrichten und Notizen[/bold]\n\n"
        "Bitte geben Sie Ihre KI-Nachrichten der Woche ein.\n"
        "(URLs, Schlagzeilen, Beobachtungen – eine Leerzeile zum Abschließen)",
        title="KNIEPUNKT – Wöchentliche Recherche",
        border_style="cyan",
    ))

    lines = []
    while True:
        line = input()
        if line == "" and lines:
            break
        elif line:
            lines.append(line)

    console.print("\n[dim]Haben Sie bereits eine Storyline-Idee? (Enter zum Überspringen)[/dim]")
    initial_storyline = input().strip() or None

    return {"author_news": "\n".join(lines), "initial_storyline": initial_storyline}


def research_news(client, author_input: dict, episodes_context: str) -> str:
    """Use Claude with web search to research current AI news."""
    from kniepunkt.llm import chat_with_search
    import datetime

    console.print("\n[yellow]Recherchiere aktuelle KI-Nachrichten...[/yellow]")

    today = datetime.date.today().strftime("%d.%m.%Y")

    prompt = f"""Recherchiere die wichtigsten KI-Nachrichten der aktuellen Woche (Stand: {today}) für die LinkedIn-Kolumne KNIEPUNKT.

Autoreneingabe (bereits bekannte Nachrichten und Notizen):
{author_input['author_news']}

Frühere KNIEPUNKT-Episoden (zur Orientierung, was bereits behandelt wurde):
{episodes_context[:2000]}

Aufgabe:
1. Suche nach 5–8 wichtigen KI-Entwicklungen dieser Woche
2. Priorisiere: Was sollten Entscheider mit Interesse an moralischer KI unbedingt wissen?
3. Kombiniere Recherche-Ergebnisse mit den Autoreneingaben (Dopplungen vermeiden)

Ausgabeformat für jeden Nachrichten-Kandidaten:
### [N]. [Titel]
**Zusammenfassung:** 2-3 Sätze
**Quelle(n):** Name – URL
**Relevanz für KNIEPUNKT-Zielgruppe:** 1 Satz"""

    return chat_with_search(
        client,
        [{"role": "user", "content": prompt}],
        _RESEARCH_SYSTEM,
    )


def assess_sources(client, news_digest: str) -> str:
    """Assess source quality for all news items in the digest."""
    from kniepunkt.llm import chat

    console.print("\n[yellow]Bewerte Quellen...[/yellow]")

    prompt = f"""Bewerte alle Quellen in diesem Nachrichten-Digest für KNIEPUNKT:

{news_digest}

Für jede Quelle:
- Qualitätsstufe (Primärquelle / KI-Fachjournalismus / Qualitätspresse / Erstdiskussion / schwach / ungeeignet)
- Kurze Begründung (1 Satz)
- Relevante Flags

Falls Quellen fehlen oder schwach sind: schlage konkret bessere Alternativen vor."""

    return chat(
        client,
        [{"role": "user", "content": prompt}],
        _SOURCE_SYSTEM,
    )