"""Configuration loading utilities."""

import json
from pathlib import Path

from nanobot.config.schema import Config


def get_config_path() -> Path:
    """Get the default configuration file path."""
    # 统一约定配置文件位置：~/.nanobot/config.json
    # 这样 CLI、Gateway、测试都能复用同一入口，不会出现路径分叉。
    return Path.home() / ".nanobot" / "config.json"


def get_data_dir() -> Path:
    """Get the nanobot data directory."""
    # 延迟导入（函数内 import）可以减少模块初始化时的依赖耦合。
    # get_data_path() 内部会确保目录存在。
    from nanobot.utils.helpers import get_data_path
    return get_data_path()


def load_config(config_path: Path | None = None) -> Config:
    """
    Load configuration from file or create default.

    Args:
        config_path: Optional path to config file. Uses default if not provided.

    Returns:
        Loaded configuration object.
    """
    # 如果调用者没传路径，就走默认路径 ~/.nanobot/config.json
    path = config_path or get_config_path()

    # 只有文件存在才尝试读取；不存在时直接返回默认 Config。
    if path.exists():
        try:
            # 1) 读取 JSON 原始配置
            with open(path, encoding="utf-8") as f:
                data = json.load(f)
            # 2) 做向后兼容迁移（旧字段 -> 新字段）
            data = _migrate_config(data)
            # 3) 用 Pydantic 做强校验与类型转换
            #    例如：camelCase/snake_case 映射、默认值补齐、字段类型检查。
            return Config.model_validate(data)
        except (json.JSONDecodeError, ValueError) as e:
            # 容错策略：配置损坏时不让程序崩溃，而是退回默认配置继续运行。
            print(f"Warning: Failed to load config from {path}: {e}")
            print("Using default configuration.")

    # 配置文件不存在，或读取失败 -> 返回 schema 里的默认配置对象。
    return Config()


def save_config(config: Config, config_path: Path | None = None) -> None:
    """
    Save configuration to file.

    Args:
        config: Configuration to save.
        config_path: Optional path to save to. Uses default if not provided.
    """
    # 目标路径：优先用调用方传入路径，否则走默认路径。
    path = config_path or get_config_path()
    # 先确保父目录存在，避免 open(..., "w") 因目录缺失而失败。
    path.parent.mkdir(parents=True, exist_ok=True)

    # model_dump(by_alias=True) 的关键点：
    # - schema 中很多字段 Python 侧是 snake_case（如 api_key）
    # - 配置文件对外希望保持 camelCase（如 apiKey）
    # - by_alias=True 会把字段按 alias 输出，保证写回文件的键名与用户配置习惯一致
    #   （否则会写成 snake_case，和 README 示例不一致）。
    data = config.model_dump(by_alias=True)

    # ensure_ascii=False: 保留中文等非 ASCII 字符，不转成 \uXXXX
    # indent=2: 让配置文件更易读、可手工编辑。
    with open(path, "w", encoding="utf-8") as f:
        json.dump(data, f, indent=2, ensure_ascii=False)


def _migrate_config(data: dict) -> dict:
    """Migrate old config formats to current."""
    # 这个函数专门做“历史配置兼容”：
    # 旧版字段：tools.exec.restrictToWorkspace
    # 新版字段：tools.restrictToWorkspace
    #
    # 迁移策略：
    # - 仅当旧字段存在且新字段不存在时才迁移
    # - 避免覆盖用户在新字段里已经明确设置的值
    tools = data.get("tools", {})
    exec_cfg = tools.get("exec", {})
    if "restrictToWorkspace" in exec_cfg and "restrictToWorkspace" not in tools:
        tools["restrictToWorkspace"] = exec_cfg.pop("restrictToWorkspace")
    # 返回迁移后的原始 dict，后续再交给 Config.model_validate() 做结构化校验。
    return data