"""Storyline generation across all configured providers and author selection."""
from rich.console import Console
from rich.panel import Panel
from rich.prompt import IntPrompt, Prompt

console = Console()

_SYSTEM = """Du bist ein erfahrener Redaktionsassistent für die LinkedIn-Kolumne KNIEPUNKT von Dr. André Knie.
KNIEPUNKT ist kolumnenhaft, glossenhaft, amüsant, kulturell gebildet und meinungsstark.
Erlaubt: griechische/römische Mythologie, Kanonliteratur, klassische deutsche Literatur.
Zielgruppe: hochgebildete Entscheider aus Mittelstand, Konzernen und öffentlicher Verwaltung mit Interesse an moralischer KI.
Eine Storyline verbindet ausgewählte Nachrichten zu einem kohärenten redaktionellen Blickwinkel – kein neutrales Nachrichtenreferat."""


def _build_prompt(news_digest: str, source_assessment: str, author_input: dict, episodes_context: str) -> str:
    initial = (
        f"\nVorläufige Autorenstoryline: {author_input['initial_storyline']}"
        if author_input.get("initial_storyline")
        else ""
    )
    return f"""Entwickle 3 klar unterschiedliche Storyline-Optionen für die nächste KNIEPUNKT-Episode.

Nachrichten dieser Woche:
{news_digest}

Quellenbewertung (berücksichtigen):
{source_assessment[:800]}

Frühere Episoden – Redundanzvermeidung:
{episodes_context[:2000]}
{initial}

Für jede Storyline:
**Option [N]: [Arbeitstitel]**
- **Kernwinkel:** Was ist der redaktionelle Blickwinkel? (2-3 Sätze)
- **Nachrichten-Auswahl:** Welche 2-3 Nachrichten werden verwendet und wie verknüpft?
- **Einstiegsidee:** Konkrete Idee für den ersten Satz oder Absatz
- **Allegorischer Rahmen:** Mythologie, Literatur oder kulturelle Referenz (falls passend)
- **Unterschied** zu den anderen Optionen
- **Stärken / Risiken**

Vermeide: Redundanzen zu früheren Episoden, reines Nachrichtenreferat ohne Meinung, zu technische Tiefe."""


def generate_storylines(
    providers: list,
    news_digest: str,
    source_assessment: str,
    author_input: dict,
    episodes_context: str,
) -> dict[str, str]:
    """Run storyline generation on all providers. Returns {provider_name: result}."""
    prompt = _build_prompt(news_digest, source_assessment, author_input, episodes_context)
    messages = [{"role": "user", "content": prompt}]
    results = {}

    for provider in providers:
        console.print(f"\n[yellow]Generiere Storylines mit {provider.name}...[/yellow]")
        try:
            results[provider.name] = provider.chat(messages, _SYSTEM, max_tokens=4096)
        except Exception as e:
            console.print(f"[red]{provider.name} übersprungen: {e}[/red]")

    return results


def select_storyline(results: dict[str, str]) -> tuple[str, int, str, str]:
    """Show all provider results, return (provider_name, choice, selected_text, adjustments)."""
    if not results:
        raise RuntimeError("Kein Modell hat Storylines geliefert. API-Keys und Verbindung prüfen.")
    provider_names = list(results.keys())

    for name, text in results.items():
        console.print(Panel(text, title=f"Storylines – {name}", border_style="cyan"))
        console.print()

    if len(provider_names) > 1:
        provider_choice = Prompt.ask(
            "Von welchem Modell möchten Sie eine Storyline wählen?",
            choices=provider_names,
            default=provider_names[0],
        )
    else:
        provider_choice = provider_names[0]

    option_choice = IntPrompt.ask(
        f"Welche Storyline von {provider_choice}? (1/2/3)",
        choices=["1", "2", "3"],
        default=1,
    )

    console.print("\n[dim]Anpassungen oder zusätzliche Hinweise zur gewählten Storyline? (Enter zum Überspringen)[/dim]")
    adjustments = input().strip()

    return provider_choice, option_choice, results[provider_choice], adjustments