"""
Cohere API 使用示例 - 展示如何使用 Bearer Token

演示如何使用 Cohere API Key 作为 Bearer token 调用 Cohere API
"""

import os
import sys
from typing import Any, Dict, List, Optional

import requests
from loguru import logger

# 配置日志
logger.remove()
logger.add(
    sys.stdout,
    level="INFO",
    format="{time:YYYY-MM-DD HH:mm:ss} | {level: <8} | {message}",
)


class CohereAPIClient:
    """Cohere API 客户端 - 使用 Bearer Token 认证"""

    def __init__(self, api_key: Optional[str] = None):
        """
        初始化 Cohere API 客户端

        Args:
            api_key: Cohere API Key（如果不提供，从环境变量读取）
        """
        self.api_key = api_key or os.environ.get("COHERE_API_KEY")
        if not self.api_key:
            raise ValueError("请提供 Cohere API Key 或设置 COHERE_API_KEY 环境变量")

        self.base_url = "https://api.cohere.ai/v1"
        self.headers = {
            "Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json",
        }

    def list_models(self) -> Dict[str, Any]:
        """
        获取可用的模型列表

        Returns:
            模型列表
        """
        logger.info("获取模型列表...")
        response = requests.get(
            f"{self.base_url}/models",
            headers=self.headers,
            timeout=10,
        )
        response.raise_for_status()
        return response.json()

    def rerank(
        self,
        query: str,
        documents: List[str],
        model: str = "rerank-multilingual-v3.0",
        top_n: int = 3,
    ) -> Dict[str, Any]:
        """
        使用 Rerank API 对文档进行重排序

        Args:
            query: 查询文本
            documents: 文档列表
            model: 使用的模型（默认: rerank-multilingual-v3.0）
            top_n: 返回前 N 个结果

        Returns:
            重排序结果
        """
        logger.info(f"使用模型 {model} 对 {len(documents)} 个文档进行重排序...")

        data = {
            "model": model,
            "query": query,
            "documents": documents,
            "top_n": top_n,
        }

        response = requests.post(
            f"{self.base_url}/rerank",
            headers=self.headers,
            json=data,
            timeout=30,
        )
        response.raise_for_status()
        return response.json()

    def test_connection(self) -> bool:
        """
        测试 API 连接是否正常

        Returns:
            连接是否成功
        """
        try:
            result = self.list_models()
            logger.success(f"连接成功！可用模型数量: {len(result.get('models', []))}")
            return True
        except Exception as e:
            logger.error(f"连接失败: {str(e)}")
            return False


def main():
    """主函数 - 演示如何使用 Cohere API"""
    # 从命令行参数或环境变量获取 API Key
    api_key = sys.argv[1] if len(sys.argv) > 1 else os.environ.get("COHERE_API_KEY")

    if not api_key:
        logger.error("请提供 Cohere API Key")
        logger.info("使用方法: python cohere_api_example.py <API_KEY>")
        logger.info("或设置环境变量: COHERE_API_KEY=<API_KEY>")
        return 1

    # 创建客户端
    client = CohereAPIClient(api_key=api_key)

    # 测试连接
    logger.info("=" * 60)
    logger.info("测试 API 连接...")
    logger.info("=" * 60)
    if not client.test_connection():
        return 1

    # 示例 1: 获取模型列表
    logger.info("\n" + "=" * 60)
    logger.info("示例 1: 获取模型列表")
    logger.info("=" * 60)
    try:
        models = client.list_models()
        logger.info(f"可用模型: {len(models.get('models', []))} 个")
        # 显示前几个模型
        for model in models.get("models", [])[:5]:
            logger.info(f"  - {model.get('name', 'N/A')}")
    except Exception as e:
        logger.error(f"获取模型列表失败: {str(e)}")

    # 示例 2: 使用 Rerank API
    logger.info("\n" + "=" * 60)
    logger.info("示例 2: 使用 Rerank API 重排序文档")
    logger.info("=" * 60)

    query = "什么是人工智能？"
    documents = [
        "人工智能是计算机科学的一个分支，致力于创建能够执行通常需要人类智能的任务的系统。",
        "机器学习是人工智能的核心技术之一，它使计算机能够从数据中学习。",
        "深度学习是机器学习的一个子集，使用神经网络来模拟人脑的工作方式。",
        "自然语言处理是人工智能的一个领域，专注于计算机与人类语言之间的交互。",
    ]

    try:
        result = client.rerank(
            query=query,
            documents=documents,
            model="rerank-multilingual-v3.0",
            top_n=2,
        )

        logger.success("重排序完成！")
        logger.info(f"查询: {query}")
        logger.info(f"返回了 {len(result.get('results', []))} 个结果:\n")

        for idx, item in enumerate(result.get("results", []), 1):
            doc_index = item.get("index", 0)
            relevance_score = item.get("relevance_score", 0)
            document = documents[doc_index] if doc_index < len(documents) else "N/A"
            logger.info(f"{idx}. 文档 {doc_index + 1} (相关性: {relevance_score:.4f})")
            logger.info(f"   {document[:80]}...")

    except Exception as e:
        logger.error(f"Rerank API 调用失败: {str(e)}")
        return 1

    logger.info("\n" + "=" * 60)
    logger.success("所有示例执行完成！")
    logger.info("=" * 60)

    return 0


if __name__ == "__main__":
    sys.exit(main())