tg_bot_language/services/ai_service.py

import json
import logging
import httpx
from openai import AsyncOpenAI
from config.settings import settings
from database.db import async_session_maker
from database.models import AIProvider
from typing import Dict, List, Optional

logger = logging.getLogger(__name__)


class AIService:
    """Сервис для работы с AI API (OpenAI и Google)"""

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

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

        # Google Gemini API URL (через Cloudflare Gateway или напрямую)
        if settings.cloudflare_account_id:
            self.google_base_url = (
                f"https://gateway.ai.cloudflare.com/v1/"
                f"{settings.cloudflare_account_id}/"
                f"{settings.cloudflare_gateway_id}/"
                f"google-ai-studio/v1"
            )
        else:
            self.google_base_url = "https://generativelanguage.googleapis.com/v1beta"

        # 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)
        )

        # Кеш активной модели (обновляется при запросах)
        self._cached_model: Optional[str] = None
        self._cached_provider: Optional[AIProvider] = None

    def _markdown_to_html(self, text: str) -> str:
        """Конвертировать markdown форматирование в HTML для Telegram."""
        import re
        # **bold** -> <b>bold</b>
        text = re.sub(r'\*\*(.+?)\*\*', r'<b>\1</b>', text)
        # *italic* -> <i>italic</i> (но не внутри уже конвертированных тегов)
        text = re.sub(r'(?<!</[bi]>)\*([^*]+?)\*(?![^<]*</)', r'<i>\1</i>', text)
        # Убираем оставшиеся одиночные * в начале строк (списки)
        text = re.sub(r'^\*\s+', '• ', text, flags=re.MULTILINE)
        return text

    def _strip_markdown_code_block(self, text: str) -> str:
        """Удалить markdown обёртку ```json ... ``` из текста."""
        import re
        text = text.strip()

        # Паттерн для ```json ... ``` или просто ``` ... ```
        pattern = r'^```(?:json)?\s*\n?(.*?)\n?```$'
        match = re.match(pattern, text, re.DOTALL)
        if match:
            return match.group(1).strip()

        # Альтернативный способ - если начинается с ``` но паттерн не сработал
        if text.startswith('```'):
            lines = text.split('\n')
            # Убираем первую строку (```json или ```)
            lines = lines[1:]
            # Убираем последнюю строку если это ```
            if lines and lines[-1].strip() == '```':
                lines = lines[:-1]
            return '\n'.join(lines).strip()

        return text

    async def _get_active_model(self, user_id: Optional[int] = None) -> tuple[str, AIProvider]:
        """
        Получить активную модель и провайдера из БД.

        Args:
            user_id: ID пользователя в БД (не telegram_id). Если указан, берёт модель пользователя.

        Returns:
            tuple[model_name, provider]
        """
        from services.ai_model_service import AIModelService, DEFAULT_MODEL, DEFAULT_PROVIDER

        async with async_session_maker() as session:
            if user_id:
                # Получаем модель пользователя (или глобальную если не выбрана)
                model = await AIModelService.get_user_model(session, user_id)
            else:
                # Глобальная активная модель
                model = await AIModelService.get_active_model(session)

            if model:
                self._cached_model = model.model_name
                self._cached_provider = model.provider
                return model.model_name, model.provider

        return DEFAULT_MODEL, DEFAULT_PROVIDER

    async def _make_request(self, messages: list, temperature: float = 0.3, user_id: Optional[int] = None) -> dict:
        """
        Выполнить запрос к активному AI провайдеру.

        Args:
            messages: Сообщения для API
            temperature: Температура генерации
            user_id: ID пользователя в БД для получения его модели
        """
        model_name, provider = await self._get_active_model(user_id)

        if provider == AIProvider.google:
            return await self._make_google_request(messages, temperature, model_name)
        else:
            return await self._make_openai_request(messages, temperature, model_name)

    async def _make_google_request(self, messages: list, temperature: float = 0.3, model: str = "gemini-2.5-flash-lite") -> dict:
        """Выполнить запрос к Google Gemini API (через Cloudflare Gateway или напрямую)"""
        url = f"{self.google_base_url}/models/{model}:generateContent"

        # Конвертируем формат сообщений OpenAI в формат Google
        # System message добавляем как первое user сообщение
        contents = []

        for msg in messages:
            role = msg["role"]
            content = msg["content"]

            if role == "system":
                # Добавляем system как user сообщение в начало
                contents.insert(0, {"role": "user", "parts": [{"text": f"[System instruction]: {content}"}]})
            elif role == "user":
                contents.append({"role": "user", "parts": [{"text": content}]})
            elif role == "assistant":
                contents.append({"role": "model", "parts": [{"text": content}]})

        payload = {
            "contents": contents,
            "generationConfig": {
                "temperature": temperature
            }
        }

        headers = {
            "Content-Type": "application/json",
            "x-goog-api-key": self.google_api_key
        }

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

        # Конвертируем ответ Google в формат OpenAI для совместимости
        text = data["candidates"][0]["content"]["parts"][0]["text"]

        # Убираем markdown обёртку если есть (```json ... ``` или ```...```)
        text = self._strip_markdown_code_block(text)

        return {
            "choices": [{
                "message": {
                    "content": text
                }
            }]
        }

    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.openai_base_url}/chat/completions"

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

        payload = {
            "model": model,
            "messages": messages
        }

        # Модели с ограничениями (не поддерживают temperature и json mode)
        limited_models = {"gpt-5-nano", "o1", "o1-mini", "o1-preview", "o3-mini"}

        if model not in limited_models:
            payload["temperature"] = temperature

        # JSON mode
        payload["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", user_id: Optional[int] = None) -> Dict:
        """
        Перевести слово и получить дополнительную информацию

        Args:
            word: Слово для перевода
            source_lang: Язык исходного слова (ISO2)
            translation_lang: Язык перевода (ISO2)
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.3, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI 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_word_with_contexts(
        self,
        word: str,
        source_lang: str = "en",
        translation_lang: str = "ru",
        max_translations: int = 3,
        user_id: Optional[int] = None
    ) -> Dict:
        """
        Перевести слово и получить несколько переводов с контекстами

        Args:
            word: Слово для перевода
            source_lang: Язык исходного слова (ISO2)
            translation_lang: Язык перевода (ISO2)
            max_translations: Максимальное количество переводов
            user_id: ID пользователя в БД для получения его модели

        Returns:
            Dict с переводами, каждый с примером предложения
        """
        prompt = f"""Переведи слово/фразу "{word}" с языка {source_lang} на {translation_lang}.

Если у слова есть несколько значений в разных контекстах, дай до {max_translations} разных переводов.
Для каждого перевода дай пример предложения, показывающий это значение.

Верни ответ строго в формате JSON:
{{
    "word": "исходное слово на {source_lang}",
    "transcription": "транскрипция в IPA (если применимо)",
    "category": "основная категория слова",
    "difficulty": "уровень сложности (A1/A2/B1/B2/C1/C2)",
    "translations": [
        {{
            "translation": "перевод 1 на {translation_lang}",
            "context": "пример предложения на {source_lang}, показывающий это значение",
            "context_translation": "перевод примера на {translation_lang}",
            "is_primary": true
        }},
        {{
            "translation": "перевод 2 на {translation_lang} (если есть другое значение)",
            "context": "пример предложения на {source_lang}",
            "context_translation": "перевод примера на {translation_lang}",
            "is_primary": false
        }}
    ]
}}

Важно:
- Первый перевод должен быть самым распространённым (is_primary: true)
- Давай разные переводы только если слово реально имеет разные значения
- Примеры должны чётко показывать конкретное значение слова
- Верни только JSON, без дополнительного текста"""

        try:
            logger.info(f"[AI Request] translate_word_with_contexts: 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_request(messages, temperature=0.3, user_id=user_id)

            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)
            translations_count = len(result.get('translations', []))
            logger.info(f"[AI Response] translate_word_with_contexts: success, {translations_count} translations")
            return result

        except Exception as e:
            logger.error(f"[AI Error] translate_word_with_contexts: {type(e).__name__}: {str(e)}")
            # Fallback в случае ошибки
            return {
                "word": word,
                "transcription": "",
                "category": "unknown",
                "difficulty": "A1",
                "translations": [{
                    "translation": "Ошибка перевода",
                    "context": "",
                    "context_translation": "",
                    "is_primary": True
                }]
            }

    async def translate_words_batch(
        self,
        words: List[str],
        source_lang: str = "en",
        translation_lang: str = "ru",
        user_id: Optional[int] = None
    ) -> List[Dict]:
        """
        Перевести список слов пакетно

        Args:
            words: Список слов для перевода
            source_lang: Язык исходных слов (ISO2)
            translation_lang: Язык перевода (ISO2)
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.3, user_id=user_id)

            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"[AI Warning] translate_words_batch: unexpected format, got {type(result)}")
                return [{"word": w, "translation": "", "transcription": ""} for w in words]

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

        except Exception as e:
            logger.error(f"[AI 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, user_id: Optional[int] = None) -> Dict:
        """
        Проверить ответ пользователя с помощью ИИ

        Args:
            question: Вопрос задания
            correct_answer: Правильный ответ
            user_answer: Ответ пользователя
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.3, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI 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", user_id: Optional[int] = None) -> 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)
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.7, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI 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_sentence_for_translation(self, word: str, learning_lang: str = "en", translation_lang: str = "ru", user_id: Optional[int] = None) -> Dict:
        """
        Сгенерировать предложение для перевода, содержащее заданное слово

        Args:
            word: Слово (на языке обучения), которое должно быть в предложении
            learning_lang: Язык обучения (ISO2)
            translation_lang: Язык перевода (ISO2)
            user_id: ID пользователя в БД для получения его модели

        Returns:
            Dict с предложением и его переводом
        """
        prompt = f"""Создай простое предложение на языке {learning_lang}, используя слово "{word}".

Верни ответ в формате JSON:
{{
    "sentence": "предложение на {learning_lang} со словом {word}",
    "translation": "перевод предложения на {translation_lang}"
}}

Предложение должно быть простым (5-10 слов), естественным и подходящим для изучения языка."""

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

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

            response_data = await self._make_request(messages, temperature=0.7, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI Error] generate_sentence_for_translation: {type(e).__name__}: {str(e)}")
            # Fallback - простое предложение
            return {
                "sentence": f"I use {word} every day.",
                "translation": f"Я использую {word} каждый день."
            }

    async def generate_task_sentences_batch(
        self,
        tasks_data: List[Dict],
        learning_lang: str = "en",
        translation_lang: str = "ru",
        user_id: Optional[int] = None
    ) -> List[Dict]:
        """
        Батч-генерация предложений для заданий за один запрос к AI.

        Args:
            tasks_data: Список словарей с информацией о заданиях:
                [{"word": "run", "task_type": "fill_blank"}, {"word": "eat", "task_type": "sentence_translate"}]
            learning_lang: Язык обучения
            translation_lang: Язык перевода
            user_id: ID пользователя в БД для получения его модели

        Returns:
            Список результатов в том же порядке
        """
        if not tasks_data:
            return []

        # Формируем описание заданий для промпта
        tasks_description = []
        for i, task in enumerate(tasks_data):
            word = task.get('word', '')
            task_type = task.get('task_type', '')

            if task_type == 'fill_blank':
                tasks_description.append(
                    f'{i + 1}. Слово "{word}" - создай предложение с пропуском (замени слово на ___)'
                )
            elif task_type == 'sentence_translate':
                tasks_description.append(
                    f'{i + 1}. Слово "{word}" - создай простое предложение для перевода'
                )

        if not tasks_description:
            return []

        prompt = f"""Создай предложения на языке {learning_lang} для следующих заданий:

{chr(10).join(tasks_description)}

Верни ответ в формате JSON:
{{
    "results": [
        {{
            "sentence": "предложение (с ___ для fill_blank)",
            "answer": "слово для пропуска (только для fill_blank)",
            "translation": "перевод на {translation_lang}"
        }}
    ]
}}

Важно:
- Для fill_blank: замени целевое слово на ___, укажи answer
- Для sentence_translate: просто предложение со словом, answer не нужен
- Предложения должны быть простыми (5-10 слов)
- Контекст должен подсказывать правильное слово
- Верни результаты В ТОМ ЖЕ ПОРЯДКЕ что и задания"""

        try:
            logger.info(f"[AI Request] generate_task_sentences_batch: {len(tasks_data)} tasks, lang='{learning_lang}'")

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

            response_data = await self._make_request(messages, temperature=0.7, user_id=user_id)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            results = result.get('results', [])

            logger.info(f"[AI Response] generate_task_sentences_batch: got {len(results)} results")

            # Дополняем результаты до нужного количества если AI вернул меньше
            while len(results) < len(tasks_data):
                task = tasks_data[len(results)]
                word = task.get('word', 'word')
                results.append({
                    "sentence": f"I use {word} every day." if task.get('task_type') != 'fill_blank' else f"I like to ___ every day.",
                    "answer": word,
                    "translation": f"Fallback предложение"
                })

            return results

        except Exception as e:
            logger.error(f"[AI Error] generate_task_sentences_batch: {type(e).__name__}: {str(e)}")
            # Fallback - простые предложения для всех заданий
            results = []
            for task in tasks_data:
                word = task.get('word', 'word')
                if task.get('task_type') == 'fill_blank':
                    results.append({
                        "sentence": f"I like to ___ every day.",
                        "answer": word,
                        "translation": f"Мне нравится {word} каждый день."
                    })
                else:
                    results.append({
                        "sentence": f"I use {word} every day.",
                        "translation": f"Я использую {word} каждый день."
                    })
            return results

    async def generate_thematic_words(
        self,
        theme: str,
        level: str = "B1",
        count: int = 10,
        learning_lang: str = "en",
        translation_lang: str = "ru",
        exclude_words: List[str] = None,
        user_id: Optional[int] = None
    ) -> List[Dict]:
        """
        Сгенерировать подборку слов по теме

        Args:
            theme: Тема для подборки слов
            level: Уровень сложности (A1-C2)
            count: Количество слов
            learning_lang: Язык изучения
            translation_lang: Язык перевода
            exclude_words: Список слов для исключения (уже известные)
            user_id: ID пользователя в БД для получения его модели

        Returns:
            Список словарей с информацией о словах
        """
        exclude_instruction = ""
        exclude_words_set = set()
        if exclude_words:
            # Ограничиваем список до 100 слов чтобы не раздувать промпт
            words_sample = exclude_words[:100]
            exclude_words_set = set(w.lower() for w in exclude_words)
            exclude_instruction = f"""

⚠️ ЗАПРЕЩЁННЫЕ СЛОВА (НЕ ИСПОЛЬЗОВАТЬ!):
{', '.join(words_sample)}

Эти слова пользователь уже знает. ОБЯЗАТЕЛЬНО выбери ДРУГИЕ слова!"""

        prompt = f"""Создай подборку из {count} слов на языке {learning_lang} по теме "{theme}" для уровня {level}. Переводы дай на {translation_lang}.
{exclude_instruction}
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}",
            "example_translation": "перевод примера на {translation_lang}"
        }}
    ]
}}

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

        try:
            logger.info(f"[AI 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_request(messages, temperature=0.7, user_id=user_id)

            import json
            result = json.loads(response_data['choices'][0]['message']['content'])
            words = result.get('words', [])

            # Фильтруем слова которые AI мог вернуть несмотря на инструкцию
            if exclude_words_set:
                filtered_words = [
                    w for w in words
                    if w.get('word', '').lower() not in exclude_words_set
                ]
                filtered_count = len(words) - len(filtered_words)
                if filtered_count > 0:
                    logger.info(f"[AI Response] generate_thematic_words: filtered out {filtered_count} excluded words")
                words = filtered_words

            logger.info(f"[AI Response] generate_thematic_words: success, generated {len(words)} words")
            return words

        except Exception as e:
            logger.error(f"[AI 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", user_id: Optional[int] = None) -> List[Dict]:
        """
        Извлечь ключевые слова из текста для изучения

        Args:
            text: Текст на языке изучения
            level: Уровень пользователя (A1-C2)
            max_words: Максимальное количество слов для извлечения
            learning_lang: Язык изучения
            translation_lang: Язык перевода
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.5, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI 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", user_id: Optional[int] = None) -> Dict:
        """
        Начать диалоговую практику с AI

        Args:
            scenario: Сценарий диалога (restaurant, shopping, travel, etc.)
            level: Уровень пользователя (A1-C2)
            learning_lang: Язык изучения
            translation_lang: Язык перевода
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.8, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI 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",
        user_id: Optional[int] = None
    ) -> Dict:
        """
        Продолжить диалог и проверить ответ пользователя

        Args:
            conversation_history: История диалога
            user_message: Сообщение пользователя
            scenario: Сценарий диалога
            level: Уровень пользователя
            learning_lang: Язык изучения
            translation_lang: Язык перевода
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.8, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI 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", user_id: Optional[int] = None) -> List[Dict]:
        """
        Сгенерировать тест для определения уровня языка

        Args:
            learning_language: Язык изучения (en, es, de, fr, ja)
            user_id: ID пользователя в БД для получения его модели

        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"[AI 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_request(messages, temperature=0.7, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI 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()

    async def generate_grammar_rule(
        self,
        topic_name: str,
        topic_description: str,
        level: str,
        learning_lang: str = "en",
        ui_lang: str = "ru",
        user_id: Optional[int] = None
    ) -> str:
        """
        Генерация объяснения грамматического правила.

        Args:
            topic_name: Название темы (например, "Present Simple")
            topic_description: Описание темы (например, "I work, he works")
            level: Уровень пользователя (A1-C2 или N5-N1)
            learning_lang: Язык изучения
            ui_lang: Язык интерфейса для объяснения
            user_id: ID пользователя в БД

        Returns:
            Текст с объяснением правила
        """
        if learning_lang == "ja":
            language_name = "японского"
        else:
            language_name = "английского"

        prompt = f"""Объясни грамматическое правило "{topic_name}" ({topic_description}) для изучающих {language_name} язык.

Уровень ученика: {level}
Язык объяснения: {ui_lang}

Требования:
- Объяснение должно быть кратким и понятным (3-5 предложений)
- Приведи формулу/структуру правила
- Дай 2-3 примера с переводом
- Упомяни типичные ошибки (если есть)
- Адаптируй сложность под уровень {level}

ВАЖНО - форматирование для Telegram (используй ТОЛЬКО HTML теги, НЕ markdown):
- <b>жирный текст</b> для важного (НЕ **жирный**)
- <i>курсив</i> для примеров (НЕ *курсив*)
- НЕ используй звёздочки *, НЕ используй markdown
- Можно использовать эмодзи"""

        try:
            logger.info(f"[AI Request] generate_grammar_rule: topic='{topic_name}', level='{level}'")

            messages = [
                {"role": "system", "content": f"Ты - опытный преподаватель {language_name} языка. Объясняй правила просто и понятно."},
                {"role": "user", "content": prompt}
            ]

            # Для этого запроса не используем JSON mode
            model_name, provider = await self._get_active_model(user_id)

            if provider == AIProvider.google:
                response_data = await self._make_google_request_text(messages, temperature=0.5, model=model_name)
            else:
                response_data = await self._make_openai_request_text(messages, temperature=0.5, model=model_name)

            rule_text = response_data['choices'][0]['message']['content']
            # Конвертируем markdown в HTML на случай если AI использовал звёздочки
            rule_text = self._markdown_to_html(rule_text)
            logger.info(f"[AI Response] generate_grammar_rule: success, {len(rule_text)} chars")
            return rule_text

        except Exception as e:
            logger.error(f"[AI Error] generate_grammar_rule: {type(e).__name__}: {str(e)}")
            return f"📖 <b>{topic_name}</b>\n\n{topic_description}\n\nИзучите это правило и приступайте к упражнениям."

    async def _make_google_request_text(self, messages: list, temperature: float = 0.3, model: str = "gemini-2.0-flash-lite") -> dict:
        """Запрос к Google без JSON mode (для текстовых ответов)"""
        url = f"{self.google_base_url}/models/{model}:generateContent"

        contents = []
        for msg in messages:
            role = msg["role"]
            content = msg["content"]
            if role == "system":
                contents.insert(0, {"role": "user", "parts": [{"text": f"[System instruction]: {content}"}]})
            elif role == "user":
                contents.append({"role": "user", "parts": [{"text": content}]})
            elif role == "assistant":
                contents.append({"role": "model", "parts": [{"text": content}]})

        payload = {
            "contents": contents,
            "generationConfig": {"temperature": temperature}
        }

        headers = {
            "Content-Type": "application/json",
            "x-goog-api-key": self.google_api_key
        }

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

        text = data["candidates"][0]["content"]["parts"][0]["text"]
        return {"choices": [{"message": {"content": text}}]}

    async def _make_openai_request_text(self, messages: list, temperature: float = 0.3, model: str = "gpt-4o-mini") -> dict:
        """Запрос к OpenAI без JSON mode (для текстовых ответов)"""
        url = f"{self.openai_base_url}/chat/completions"

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

        payload = {
            "model": model,
            "messages": messages,
            "temperature": temperature
        }

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

    async def generate_grammar_exercise(
        self,
        topic_id: str,
        topic_name: str,
        topic_description: str,
        level: str,
        learning_lang: str = "en",
        translation_lang: str = "ru",
        count: int = 3,
        user_id: Optional[int] = None
    ) -> List[Dict]:
        """
        Генерация грамматических упражнений по теме.

        Args:
            topic_id: ID темы (например, "present_simple")
            topic_name: Название темы (например, "Present Simple")
            topic_description: Описание темы (например, "I work, he works")
            level: Уровень пользователя (A1-C2 или N5-N1)
            learning_lang: Язык изучения
            translation_lang: Язык перевода
            count: Количество упражнений
            user_id: ID пользователя в БД для получения его модели

        Returns:
            Список упражнений
        """
        if learning_lang == "ja":
            language_name = "японском"
        else:
            language_name = "английском"

        prompt = f"""Создай {count} грамматических упражнения на тему "{topic_name}" ({topic_description}).

Уровень: {level}
Язык: {language_name}
Язык перевода: {translation_lang}

Верни ответ в формате JSON:
{{
    "exercises": [
        {{
            "sentence": "предложение с пропуском ___ на {learning_lang}",
            "translation": "ПОЛНЫЙ перевод предложения на {translation_lang} (без пропусков, с правильным ответом)",
            "correct_answer": "правильный ответ для пропуска",
            "hint": "краткая подсказка на {translation_lang} (1-2 слова)",
            "explanation": "объяснение правила на {translation_lang} (1-2 предложения)"
        }}
    ]
}}

Требования:
- Предложения должны быть естественными и полезными
- Пропуск обозначай как ___
- ВАЖНО: translation должен быть ПОЛНЫМ переводом готового предложения (без пропусков), чтобы ученик понимал смысл
- Подсказка должна направлять к ответу, но не содержать его
- Объяснение должно быть понятным для уровня {level}
- Сложность должна соответствовать уровню {level}"""

        try:
            logger.info(f"[AI Request] generate_grammar_exercise: topic='{topic_name}', level='{level}'")

            messages = [
                {"role": "system", "content": f"Ты - преподаватель {language_name} языка. Создавай качественные упражнения. Отвечай только JSON."},
                {"role": "user", "content": prompt}
            ]

            response_data = await self._make_request(messages, temperature=0.7, user_id=user_id)

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

        except Exception as e:
            logger.error(f"[AI Error] generate_grammar_exercise: {type(e).__name__}: {str(e)}")
            # Fallback с простым упражнением
            return [{
                "sentence": f"Example sentence with ___ ({topic_name})",
                "translation": "Пример предложения",
                "correct_answer": "answer",
                "hint": "hint",
                "explanation": f"This exercise is about {topic_name}."
            }]

    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"
            }
        ]

    async def generate_word_of_day(
        self,
        level: str,
        learning_lang: str = "en",
        translation_lang: str = "ru",
        excluded_words: List[str] = None,
        user_id: Optional[int] = None
    ) -> Optional[Dict]:
        """
        Генерация слова дня.

        Args:
            level: Уровень пользователя (A1-C2 или N5-N1)
            learning_lang: Язык изучения
            translation_lang: Язык перевода
            excluded_words: Список слов для исключения (уже были)
            user_id: ID пользователя для выбора модели

        Returns:
            Dict с полями: word, transcription, translation, examples, synonyms, etymology
        """
        language_names = {
            "en": "английский",
            "ja": "японский"
        }
        language_name = language_names.get(learning_lang, "английский")

        translation_names = {
            "ru": "русский",
            "en": "английский",
            "ja": "японский"
        }
        translation_name = translation_names.get(translation_lang, "русский")

        excluded_str = ""
        if excluded_words:
            excluded_str = f"\n\nНЕ используй эти слова (уже были): {', '.join(excluded_words[:20])}"

        prompt = f"""Сгенерируй интересное "слово дня" для изучающего {language_name} язык на уровне {level}.

Требования:
- Слово должно быть полезным и интересным
- Подходящее для уровня {level}
- НЕ слишком простое и НЕ слишком сложное
- Желательно с интересной этимологией или фактом{excluded_str}

Верни JSON:
{{
    "word": "слово на {language_name}",
    "transcription": "транскрипция (IPA для английского, хирагана для японского)",
    "translation": "перевод на {translation_name}",
    "examples": [
        {{"sentence": "пример предложения", "translation": "перевод примера"}},
        {{"sentence": "второй пример", "translation": "перевод"}}
    ],
    "synonyms": "синоним1, синоним2, синоним3",
    "etymology": "краткий интересный факт о слове или его происхождении (1-2 предложения)"
}}"""

        try:
            logger.info(f"[AI Request] generate_word_of_day: level='{level}', lang='{learning_lang}'")

            messages = [
                {"role": "system", "content": "Ты - опытный лингвист, который подбирает интересные слова для изучения."},
                {"role": "user", "content": prompt}
            ]

            model_name, provider = await self._get_active_model(user_id)

            if provider == AIProvider.google:
                response_data = await self._make_google_request(messages, temperature=0.8, model=model_name)
            else:
                response_data = await self._make_openai_request(messages, temperature=0.8, model=model_name)

            content = response_data['choices'][0]['message']['content']
            content = self._strip_markdown_code_block(content)
            result = json.loads(content)

            logger.info(f"[AI Response] generate_word_of_day: word='{result.get('word', 'N/A')}'")
            return result

        except Exception as e:
            logger.error(f"[AI Error] generate_word_of_day: {type(e).__name__}: {str(e)}")
            return None

    async def generate_mini_story(
        self,
        genre: str,
        level: str,
        learning_lang: str = "en",
        translation_lang: str = "ru",
        user_id: Optional[int] = None,
        num_questions: int = 5
    ) -> Optional[Dict]:
        """
        Генерация мини-истории для чтения.

        Args:
            genre: Жанр (dialogue, news, story, letter, recipe)
            level: Уровень (A1-C2 или N5-N1)
            learning_lang: Язык истории
            translation_lang: Язык переводов
            user_id: ID пользователя для выбора модели
            num_questions: Количество вопросов (из настроек пользователя)

        Returns:
            Dict с полями: title, content, vocabulary, questions, word_count
        """
        import json

        language_names = {
            "en": "английский",
            "ja": "японский"
        }
        language_name = language_names.get(learning_lang, "английский")

        translation_names = {
            "ru": "русский",
            "en": "английский",
            "ja": "японский"
        }
        translation_name = translation_names.get(translation_lang, "русский")

        genre_descriptions = {
            "dialogue": "разговорный диалог между людьми",
            "news": "короткая новостная статья",
            "story": "художественный рассказ с сюжетом",
            "letter": "email или письмо",
            "recipe": "рецепт блюда с инструкциями"
        }
        genre_desc = genre_descriptions.get(genre, "короткий рассказ")

        # Определяем длину текста по уровню
        word_counts = {
            "A1": "50-80", "N5": "30-50",
            "A2": "80-120", "N4": "50-80",
            "B1": "120-180", "N3": "80-120",
            "B2": "180-250", "N2": "120-180",
            "C1": "250-350", "N1": "180-250",
            "C2": "300-400"
        }
        word_range = word_counts.get(level, "100-150")

        # Генерируем примеры вопросов для промпта
        questions_examples = []
        for i in range(num_questions):
            questions_examples.append(f'''        {{
            "question": "Вопрос {i + 1} на понимание на {translation_name}",
            "options": ["вариант 1", "вариант 2", "вариант 3"],
            "correct": {i % 3}
        }}''')
        questions_json = ",\n".join(questions_examples)

        prompt = f"""Создай {genre_desc} на {language_name} языке для уровня {level}.

Требования:
- Длина: {word_range} слов
- Используй лексику и грамматику подходящую для уровня {level}
- История должна быть интересной и законченной
- Выдели 5-8 ключевых слов которые могут быть новыми для изучающего
- Добавь полный перевод текста на {translation_name} язык

Верни JSON:
{{
    "title": "Название истории на {language_name}",
    "content": "Полный текст истории",
    "translation": "Полный перевод истории на {translation_name}",
    "vocabulary": [
        {{"word": "слово", "translation": "перевод на {translation_name}", "transcription": "транскрипция"}},
        ...
    ],
    "questions": [
{questions_json}
    ],
    "word_count": число_слов_в_тексте
}}

Важно:
- Создай ровно {num_questions} вопросов на понимание текста
- У каждого вопроса ровно 3 варианта ответа
- correct — индекс правильного ответа (0, 1 или 2)"""

        try:
            logger.info(f"[AI Request] generate_mini_story: genre='{genre}', level='{level}', lang='{learning_lang}'")

            messages = [
                {"role": "system", "content": "Ты - автор адаптированных текстов для изучающих иностранные языки."},
                {"role": "user", "content": prompt}
            ]

            model_name, provider = await self._get_active_model(user_id)

            if provider == AIProvider.google:
                response_data = await self._make_google_request(messages, temperature=0.8, model=model_name)
            else:
                response_data = await self._make_openai_request(messages, temperature=0.8, model=model_name)

            content = response_data['choices'][0]['message']['content']
            content = self._strip_markdown_code_block(content)
            result = json.loads(content)

            logger.info(f"[AI Response] generate_mini_story: title='{result.get('title', 'N/A')}', words={result.get('word_count', 0)}")
            return result

        except Exception as e:
            logger.error(f"[AI Error] generate_mini_story: {type(e).__name__}: {str(e)}")
            return None

    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()