tg_bot_language/services/ai_service.py

import logging
import httpx
from openai import AsyncOpenAI
from config.settings import settings
from typing import Dict, List

logger = logging.getLogger(__name__)


class AIService:
    """Сервис для работы с OpenAI API через Cloudflare Gateway"""

    def __init__(self):
        self.api_key = settings.openai_api_key

        # Проверяем, настроен ли Cloudflare AI Gateway
        if settings.cloudflare_account_id:
            # Используем Cloudflare AI Gateway с прямыми HTTP запросами
            self.base_url = (
                f"https://gateway.ai.cloudflare.com/v1/"
                f"{settings.cloudflare_account_id}/"
                f"{settings.cloudflare_gateway_id}/"
                f"openai"
            )
            self.use_cloudflare = True
            logger.info(f"AI Service initialized with Cloudflare Gateway: {self.base_url}")
        else:
            # Прямое подключение к OpenAI
            self.base_url = "https://api.openai.com/v1"
            self.use_cloudflare = False
            logger.info("AI Service initialized with direct OpenAI connection")

        # HTTP клиент для всех запросов
        self.http_client = httpx.AsyncClient(
            timeout=httpx.Timeout(60.0, connect=10.0),
            limits=httpx.Limits(max_keepalive_connections=5, max_connections=10)
        )

    async def _make_openai_request(self, messages: list, temperature: float = 0.3, model: str = "gpt-4o-mini") -> dict:
        """Выполнить запрос к OpenAI API (через Cloudflare или напрямую)"""
        url = f"{self.base_url}/chat/completions"

        headers = {
            "Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json"
        }

        payload = {
            "model": model,
            "messages": messages,
            "temperature": temperature,
            "response_format": {"type": "json_object"}
        }

        response = await self.http_client.post(url, headers=headers, json=payload)
        response.raise_for_status()
        return response.json()

    async def translate_word(self, word: str, source_lang: str = "en", translation_lang: str = "ru") -> Dict:
        """
        Перевести слово и получить дополнительную информацию

        Args:
            word: Слово для перевода
            source_lang: Язык исходного слова (ISO2)
            translation_lang: Язык перевода (ISO2)

        Returns:
            Dict с переводом, транскрипцией и примерами
        """
        prompt = f"""Переведи слово/фразу "{word}" с языка {source_lang} на {translation_lang}.

Верни ответ строго в формате JSON:
{{
    "word": "исходное слово на {source_lang}",
    "translation": "перевод на {translation_lang}",
    "transcription": "транскрипция в IPA (если применимо)",
    "examples": [
        {{"{source_lang}": "пример на языке обучения", "{translation_lang}": "перевод примера"}}
    ],
    "category": "категория слова (работа, еда, путешествия и т.д.)",
    "difficulty": "уровень сложности (A1/A2/B1/B2/C1/C2)"
}}

Важно: верни только JSON, без дополнительного текста."""

        try:
            logger.info(f"[GPT Request] translate_word: word='{word}', source='{source_lang}', to='{translation_lang}'")

            messages = [
                {"role": "system", "content": "Ты - помощник для изучения языков. Отвечай только в формате JSON."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.3)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            logger.info(f"[GPT Response] translate_word: success, translation='{result.get('translation', 'N/A')}'")
            return result

        except Exception as e:
            logger.error(f"[GPT Error] translate_word: {type(e).__name__}: {str(e)}")
            # Fallback в случае ошибки
            return {
                "word": word,
                "translation": "Ошибка перевода",
                "transcription": "",
                "examples": [],
                "category": "unknown",
                "difficulty": "A1"
            }

    async def translate_words_batch(
        self,
        words: List[str],
        source_lang: str = "en",
        translation_lang: str = "ru"
    ) -> List[Dict]:
        """
        Перевести список слов пакетно

        Args:
            words: Список слов для перевода
            source_lang: Язык исходных слов (ISO2)
            translation_lang: Язык перевода (ISO2)

        Returns:
            List[Dict] с переводами, транскрипциями
        """
        if not words:
            return []

        words_list = "\n".join(f"- {w}" for w in words[:50])  # Максимум 50 слов за раз

        # Добавляем инструкцию для фуриганы если японский
        furigana_instruction = ""
        if source_lang == "ja":
            furigana_instruction = '\n    "reading": "чтение хираганой (только для кандзи)",'

        prompt = f"""Переведи следующие слова/фразы с языка {source_lang} на {translation_lang}:

{words_list}

Верни ответ строго в формате JSON массива:
[
  {{
    "word": "исходное слово",
    "translation": "перевод",
    "transcription": "транскрипция (IPA или ромадзи для японского)",{furigana_instruction}
  }},
  ...
]

Важно:
- Верни только JSON массив, без дополнительного текста
- Сохрани порядок слов как в исходном списке
- Для каждого слова укажи точный перевод и транскрипцию"""

        try:
            logger.info(f"[GPT Request] translate_words_batch: {len(words)} words, {source_lang} -> {translation_lang}")

            messages = [
                {"role": "system", "content": "Ты - помощник для изучения языков. Отвечай только в формате JSON."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.3)

            import json
            content = response_data['choices'][0]['message']['content']
            # Убираем markdown обёртку если есть
            if content.startswith('```'):
                content = content.split('\n', 1)[1] if '\n' in content else content[3:]
                if content.endswith('```'):
                    content = content[:-3]
                content = content.strip()

            result = json.loads(content)

            # Если вернулся dict с ключом типа "words" или "translations" — извлекаем список
            if isinstance(result, dict):
                for key in ['words', 'translations', 'result', 'data']:
                    if key in result and isinstance(result[key], list):
                        result = result[key]
                        break

            if not isinstance(result, list):
                logger.warning(f"[GPT Warning] translate_words_batch: unexpected format, got {type(result)}")
                return [{"word": w, "translation": "", "transcription": ""} for w in words]

            logger.info(f"[GPT Response] translate_words_batch: success, got {len(result)} translations")
            return result

        except Exception as e:
            logger.error(f"[GPT Error] translate_words_batch: {type(e).__name__}: {str(e)}")
            # Возвращаем слова без перевода в случае ошибки
            return [{"word": w, "translation": "", "transcription": ""} for w in words]

    async def check_answer(self, question: str, correct_answer: str, user_answer: str) -> Dict:
        """
        Проверить ответ пользователя с помощью ИИ

        Args:
            question: Вопрос задания
            correct_answer: Правильный ответ
            user_answer: Ответ пользователя

        Returns:
            Dict с результатом проверки и обратной связью
        """
        prompt = f"""Проверь ответ пользователя на задание по английскому языку.

Задание: {question}
Правильный ответ: {correct_answer}
Ответ пользователя: {user_answer}

Верни ответ в формате JSON:
{{
    "is_correct": true/false,
    "feedback": "краткое объяснение (если ответ неверный, объясни ошибку и дай правильный вариант)",
    "score": 0-100
}}

Учитывай возможные вариации ответа. Если смысл передан правильно, даже с небольшими грамматическими неточностями, засчитывай ответ."""

        try:
            logger.info(f"[GPT Request] check_answer: user_answer='{user_answer[:30]}...'")

            messages = [
                {"role": "system", "content": "Ты - преподаватель английского языка. Проверяй ответы справедливо, учитывая контекст."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.3)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            logger.info(f"[GPT Response] check_answer: is_correct={result.get('is_correct', False)}, score={result.get('score', 0)}")
            return result

        except Exception as e:
            logger.error(f"[GPT Error] check_answer: {type(e).__name__}: {str(e)}")
            return {
                "is_correct": False,
                "feedback": "Ошибка проверки ответа",
                "score": 0
            }

    async def generate_fill_in_sentence(self, word: str, learning_lang: str = "en", translation_lang: str = "ru") -> Dict:
        """
        Сгенерировать предложение с пропуском для заданного слова

        Args:
            word: Слово (на языке обучения), для которого нужно создать предложение
            learning_lang: Язык обучения (ISO2)
            translation_lang: Язык перевода предложения (ISO2)

        Returns:
            Dict с предложением и правильным ответом
        """
        prompt = f"""Создай предложение на языке {learning_lang}, используя слово "{word}".
Замени это слово на пропуск "___".

Верни ответ в формате JSON:
{{
    "sentence": "предложение с пропуском ___",
    "answer": "{word}",
    "translation": "перевод предложения на {translation_lang}"
}}

Предложение должно быть простым и естественным. Контекст должен четко подсказывать правильное слово."""

        try:
            logger.info(f"[GPT Request] generate_fill_in_sentence: word='{word}', lang='{learning_lang}', to='{translation_lang}'")

            messages = [
                {"role": "system", "content": "Ты - преподаватель иностранных языков. Создавай простые и понятные упражнения."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.7)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            logger.info(f"[GPT Response] generate_fill_in_sentence: success")
            return result

        except Exception as e:
            logger.error(f"[GPT Error] generate_fill_in_sentence: {type(e).__name__}: {str(e)}")
            return {
                "sentence": f"I like to ___ every day.",
                "answer": word,
                "translation": f"Мне нравится {word} каждый день."
            }

    async def generate_thematic_words(self, theme: str, level: str = "B1", count: int = 10, learning_lang: str = "en", translation_lang: str = "ru") -> List[Dict]:
        """
        Сгенерировать подборку слов по теме

        Args:
            theme: Тема для подборки слов
            level: Уровень сложности (A1-C2)
            count: Количество слов

        Returns:
            Список словарей с информацией о словах
        """
        prompt = f"""Создай подборку из {count} слов на языке {learning_lang} по теме "{theme}" для уровня {level}. Переводы дай на {translation_lang}.

Верни ответ в формате JSON:
{{
    "theme": "{theme}",
    "words": [
        {{
            "word": "слово на {learning_lang}",
            "translation": "перевод на {translation_lang}",
            "transcription": "транскрипция в IPA (если применимо)",
            "example": "пример использования на {learning_lang}"
        }}
    ]
}}

Слова должны быть:
- Полезными и часто используемыми
- Соответствовать уровню {level}
- Связаны с темой "{theme}"
- Разнообразными (существительные, глаголы, прилагательные)"""

        try:
            logger.info(f"[GPT Request] generate_thematic_words: theme='{theme}', level='{level}', count={count}, learn='{learning_lang}', to='{translation_lang}'")

            messages = [
                {"role": "system", "content": "Ты - преподаватель иностранных языков. Подбирай полезные и актуальные слова."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.7)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            words_count = len(result.get('words', []))
            logger.info(f"[GPT Response] generate_thematic_words: success, generated {words_count} words")
            return result.get('words', [])

        except Exception as e:
            logger.error(f"[GPT Error] generate_thematic_words: {type(e).__name__}: {str(e)}")
            return []

    async def extract_words_from_text(self, text: str, level: str = "B1", max_words: int = 15, learning_lang: str = "en", translation_lang: str = "ru") -> List[Dict]:
        """
        Извлечь ключевые слова из текста для изучения

        Args:
            text: Текст на английском языке
            level: Уровень пользователя (A1-C2)
            max_words: Максимальное количество слов для извлечения

        Returns:
            Список словарей с информацией о словах
        """
        prompt = f"""Проанализируй следующий текст на языке {learning_lang} и извлеки из него до {max_words} самых полезных слов для изучения на уровне {level}. Переводы дай на {translation_lang}.

Текст:
{text}

Верни ответ в формате JSON:
{{
    "words": [
        {{
            "word": "слово на {learning_lang} (в базовой форме)",
            "translation": "перевод на {translation_lang}",
            "transcription": "транскрипция в IPA (если применимо)",
            "context": "предложение из текста на {learning_lang}, где используется это слово"
        }}
    ]
}}

Критерии отбора слов:
- Выбирай самые важные и полезные слова из текста
- Слова должны быть интересны для уровня {level}
- Не включай простейшие слова (a, the, is, и т.д.)
- Слова должны быть в базовой форме (инфинитив для глаголов, ед.число для существительных)
- Разнообразие: существительные, глаголы, прилагательные, устойчивые выражения"""

        try:
            text_preview = text[:100] + "..." if len(text) > 100 else text
            logger.info(f"[GPT Request] extract_words_from_text: text_length={len(text)}, level='{level}', max_words={max_words}, learn='{learning_lang}', to='{translation_lang}'")

            messages = [
                {"role": "system", "content": "Ты - преподаватель иностранных языков. Помогаешь извлекать полезные слова для изучения из текстов."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.5)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            words_count = len(result.get('words', []))
            logger.info(f"[GPT Response] extract_words_from_text: success, extracted {words_count} words")
            return result.get('words', [])

        except Exception as e:
            logger.error(f"[GPT Error] extract_words_from_text: {type(e).__name__}: {str(e)}")
            return []

    async def start_conversation(self, scenario: str, level: str = "B1", learning_lang: str = "en", translation_lang: str = "ru") -> Dict:
        """
        Начать диалоговую практику с AI

        Args:
            scenario: Сценарий диалога (restaurant, shopping, travel, etc.)
            level: Уровень пользователя (A1-C2)

        Returns:
            Dict с начальной репликой и контекстом
        """
        scenarios = {
            "restaurant": "ресторан - заказ еды",
            "shopping": "магазин - покупка одежды",
            "travel": "аэропорт/отель - путешествие",
            "work": "офис - рабочая встреча",
            "doctor": "клиника - визит к врачу",
            "casual": "повседневный разговор"
        }

        scenario_desc = scenarios.get(scenario, "повседневный разговор")

        extra_fields = ''
        if learning_lang.lower() == 'ja':
            # Для японского просим версию с фуриганой в скобках ТОЛЬКО для кандзи
            # Не добавляй фуригану к кана или латинским буквам
            extra_fields = ",\n    \"message_annotated\": \"фраза на {learning_lang} с фуриганой в скобках ТОЛЬКО к кандзи (Так правильно: いらっしゃいませ！今日は何を注文（ちゅうもん）しますか？, Так неправильно: こんにちは（こんにちは）！今日ははどうですか？); к こんにちは не добовляй фурагану; не добавляй фуригану к катакане, фуригане, хирагане, частице и латинице\""

        prompt = f"""Ты - собеседник для практики языка {learning_lang} уровня {level}.
Начни диалог в сценарии: {scenario_desc} на {learning_lang}.

Верни ответ в формате JSON:
{{
    "message": "твоя первая реплика на {learning_lang}",
    "translation": "перевод на {translation_lang}",
    "context": "краткое описание ситуации на {translation_lang}",
    "suggestions": [
        {{"learn": "подсказка на {learning_lang}", "learn_annotated": "подсказка с фуриганой в скобках ТОЛЬКО к кандзи (Так правильно: いらっしゃいませ！今日は何を注文（ちゅうもん）しますか？, Так неправильно: こんにちは（こんにちは）！今日ははどうですか？); к こんにちは не добовляй фурагану; не добавляй фуригану к катакане, фуригане, хирагане, частице и латинице; {learning_lang})", "trans": "перевод подсказки на {translation_lang}"}},
        {{"learn": "...", "learn_annotated": "...", "trans": "..."}},
        {{"learn": "...", "learn_annotated": "...", "trans": "..."}}
    ]{extra_fields}
}}

Требования:
- Говори естественно, используй уровень {level}
- Создай интересную ситуацию
- Задай вопрос или начни разговор
- Подсказки должны помочь пользователю ответить"""

        try:
            logger.info(f"[GPT Request] start_conversation: scenario='{scenario}', level='{level}', learn='{learning_lang}', to='{translation_lang}'")

            messages = [
                {"role": "system", "content": "Ты - дружелюбный собеседник для практики иностранных языков. Веди естественный диалог."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.8)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            logger.info(f"[GPT Response] start_conversation: success, scenario='{scenario}'")
            return result

        except Exception as e:
            logger.error(f"[GPT Error] start_conversation: {type(e).__name__}: {str(e)}")
            return {
                "message": "Hello! How are you today?",
                "translation": "Привет! Как дела сегодня?",
                "context": "Повседневный разговор",
                "suggestions": ["I'm fine, thank you!", "Good, and you?", "Not bad!"]
            }

    async def continue_conversation(
        self,
        conversation_history: List[Dict],
        user_message: str,
        scenario: str,
        level: str = "B1",
        learning_lang: str = "en",
        translation_lang: str = "ru"
    ) -> Dict:
        """
        Продолжить диалог и проверить ответ пользователя

        Args:
            conversation_history: История диалога
            user_message: Сообщение пользователя
            scenario: Сценарий диалога
            level: Уровень пользователя

        Returns:
            Dict с ответом AI, проверкой и подсказками
        """
        # Формируем историю для контекста
        history_text = "\n".join([
            f"{'AI' if msg['role'] == 'assistant' else 'User'}: {msg['content']}"
            for msg in conversation_history[-6:]  # Последние 6 сообщений
        ])

        extra_fields_resp = ''
        if learning_lang.lower() == 'ja':
            # Для японского просим версию ответа с фуриганой ТОЛЬКО для кандзи
            # Не добавляй фуригану к кана или латинским буквам
            extra_fields_resp = ",\n    \"response_annotated\": \"ответ на {learning_lang} с фуриганой ТОЛЬКО для кандзи (напр.: 今日（きょう）); не добавляй фуригану к кана или латинице\""

        prompt = f"""Ты ведешь диалог на языке {learning_lang} уровня {level} в сценарии "{scenario}".

История диалога:
{history_text}
User: {user_message}

Верни ответ в формате JSON:
{{
    "response": "твой ответ на {learning_lang}",
    "translation": "перевод твоего ответа на {translation_lang}",
    "feedback": {{
        "has_errors": true/false,
        "corrections": "исправления ошибок пользователя (если есть)",
        "comment": "краткий комментарий об ответе пользователя"
    }},
    "suggestions": [
        {{"learn": "подсказка на {learning_lang}", "learn_annotated": "подсказка с фуриганой (ТОЛЬКО для кандзи; {learning_lang})", "trans": "перевод подсказки на {translation_lang}"}},
        {{"learn": "...", "learn_annotated": "...", "trans": "..."}}
    ]{extra_fields_resp}
}}

Требования:
- Продолжай естественный диалог
- Если у пользователя есть грамматические или лексические ошибки, укажи их в corrections
- Будь дружелюбным и поддерживающим
- Используй лексику уровня {level}"""

        try:
            logger.info(f"[GPT Request] continue_conversation: scenario='{scenario}', level='{level}', history_length={len(conversation_history)}, learn='{learning_lang}', to='{translation_lang}'")

            # Формируем сообщения для API
            messages = [
                {"role": "system", "content": f"Ты - дружелюбный собеседник для практики языка {learning_lang} уровня {level}. Веди естественный диалог и помогай исправлять ошибки."}
            ]

            # Добавляем историю
            for msg in conversation_history[-6:]:
                messages.append(msg)

            # Добавляем текущее сообщение пользователя
            messages.append({"role": "user", "content": user_message})

            # Добавляем инструкцию для форматирования ответа
            messages.append({"role": "user", "content": prompt})

            response_data = await self._make_openai_request(messages, temperature=0.8)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            has_errors = result.get('feedback', {}).get('has_errors', False)
            logger.info(f"[GPT Response] continue_conversation: success, has_errors={has_errors}")
            return result

        except Exception as e:
            logger.error(f"[GPT Error] continue_conversation: {type(e).__name__}: {str(e)}")
            return {
                "response": "I see. Tell me more about that.",
                "translation": "Понятно. Расскажи мне больше об этом.",
                "feedback": {
                    "has_errors": False,
                    "corrections": "",
                    "comment": "Good!"
                },
                "suggestions": ["Sure!", "Well...", "Actually..."]
            }

    async def generate_level_test(self, learning_language: str = "en") -> List[Dict]:
        """
        Сгенерировать тест для определения уровня языка

        Args:
            learning_language: Язык изучения (en, es, de, fr, ja)

        Returns:
            Список из 7 вопросов разной сложности
        """
        # Определяем систему уровней и язык для промпта
        if learning_language == "ja":
            level_system = "JLPT (N5-N1)"
            language_name = "японского"
            levels_req = """- Вопросы 1-2: уровень N5 (базовый)
- Вопросы 3-4: уровень N4-N3 (элементарный-средний)
- Вопросы 5-6: уровень N2 (продвинутый)
- Вопрос 7: уровень N1 (профессиональный)"""
            level_example = "N5"
        else:
            level_system = "CEFR (A1-C2)"
            lang_names = {"en": "английского", "es": "испанского", "de": "немецкого", "fr": "французского"}
            language_name = lang_names.get(learning_language, "английского")
            levels_req = """- Вопросы 1-2: уровень A1 (базовый)
- Вопросы 3-4: уровень A2-B1 (элементарный-средний)
- Вопросы 5-6: уровень B2-C1 (продвинутый)
- Вопрос 7: уровень C2 (профессиональный)"""
            level_example = "A1"

        prompt = f"""Создай тест из 7 вопросов для определения уровня {language_name} языка ({level_system}).

Верни ответ в формате JSON:
{{
    "questions": [
        {{
            "question": "текст вопроса на изучаемом языке",
            "question_ru": "перевод вопроса на русский",
            "options": ["вариант A", "вариант B", "вариант C", "вариант D"],
            "correct": 0,
            "level": "{level_example}"
        }}
    ]
}}

Требования:
{levels_req}
- Каждый вопрос с 4 вариантами ответа
- correct - индекс правильного ответа (0-3)
- Вопросы на грамматику, лексику и понимание"""

        try:
            logger.info(f"[GPT Request] generate_level_test: generating 7 questions for {learning_language}")

            system_msg = f"Ты - эксперт по тестированию уровня {language_name} языка. Создавай объективные тесты."
            messages = [
                {"role": "system", "content": system_msg},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_openai_request(messages, temperature=0.7)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            questions_count = len(result.get('questions', []))
            logger.info(f"[GPT Response] generate_level_test: success, generated {questions_count} questions")
            return result.get('questions', [])

        except Exception as e:
            logger.error(f"[GPT Error] generate_level_test: {type(e).__name__}: {str(e)}, using fallback questions")
            # Fallback с базовыми вопросами
            if learning_language == "ja":
                return self._get_jlpt_fallback_questions()
            return self._get_cefr_fallback_questions()

    def _get_cefr_fallback_questions(self) -> List[Dict]:
        """Fallback вопросы для CEFR (английский и европейские языки)"""
        return [
            {
                "question": "What is your name?",
                "question_ru": "Как тебя зовут?",
                "options": ["My name is", "I am name", "Name my is", "Is name my"],
                "correct": 0,
                "level": "A1"
            },
            {
                "question": "I ___ to school every day.",
                "question_ru": "Я ___ в школу каждый день.",
                "options": ["go", "goes", "going", "went"],
                "correct": 0,
                "level": "A1"
            },
            {
                "question": "She ___ been to Paris twice.",
                "question_ru": "Она ___ в Париже дважды.",
                "options": ["have", "has", "had", "having"],
                "correct": 1,
                "level": "A2"
            },
            {
                "question": "If I ___ rich, I would travel the world.",
                "question_ru": "Если бы я был богат, я бы путешествовал по миру.",
                "options": ["am", "was", "were", "be"],
                "correct": 2,
                "level": "B1"
            },
            {
                "question": "The project ___ by next Monday.",
                "question_ru": "Проект ___ к следующему понедельнику.",
                "options": ["will complete", "will be completed", "completes", "is completing"],
                "correct": 1,
                "level": "B2"
            },
            {
                "question": "Had I known about the meeting, I ___ attended.",
                "question_ru": "Если бы я знал о встрече, я бы посетил.",
                "options": ["would have", "will have", "would", "will"],
                "correct": 0,
                "level": "C1"
            },
            {
                "question": "The nuances of his argument were so ___ that few could grasp them.",
                "question_ru": "Нюансы его аргумента были настолько ___, что немногие могли их понять.",
                "options": ["subtle", "obvious", "simple", "clear"],
                "correct": 0,
                "level": "C2"
            }
        ]

    def _get_jlpt_fallback_questions(self) -> List[Dict]:
        """Fallback вопросы для JLPT (японский)"""
        return [
            {
                "question": "これは ___です。",
                "question_ru": "Это ___.",
                "options": ["ほん", "本ん", "ぼん", "もと"],
                "correct": 0,
                "level": "N5"
            },
            {
                "question": "私は毎日学校に___。",
                "question_ru": "Я каждый день хожу в школу.",
                "options": ["いきます", "いくます", "いきす", "いきました"],
                "correct": 0,
                "level": "N5"
            },
            {
                "question": "昨日、映画を___から、今日は勉強します。",
                "question_ru": "Вчера я посмотрел фильм, поэтому сегодня буду учиться.",
                "options": ["見た", "見て", "見る", "見ない"],
                "correct": 0,
                "level": "N4"
            },
            {
                "question": "この本は読み___です。",
                "question_ru": "Эту книгу легко/трудно читать.",
                "options": ["やすい", "にくい", "たい", "そう"],
                "correct": 0,
                "level": "N3"
            },
            {
                "question": "彼の話を聞く___、涙が出てきた。",
                "question_ru": "Слушая его рассказ, у меня потекли слёзы.",
                "options": ["につれて", "にしたがって", "とともに", "うちに"],
                "correct": 0,
                "level": "N2"
            },
            {
                "question": "その計画は実現不可能と___。",
                "question_ru": "Этот план считается невыполнимым.",
                "options": ["言わざるを得ない", "言うまでもない", "言いかねない", "言うに及ばない"],
                "correct": 0,
                "level": "N2"
            },
            {
                "question": "彼の行動は___に堪えない。",
                "question_ru": "Его поведение невозможно понять/вынести.",
                "options": ["理解", "批判", "説明", "弁解"],
                "correct": 0,
                "level": "N1"
            }
        ]


# Глобальный экземпляр сервиса
ai_service = AIService()