package prompt

import "fmt"

var (
	ResumeExtractor = `你是一位专业的中文简历信息提取专家。请仔细分析以下简历内容，全面提取所有信息并按指定格式输出。

【简历内容】
%s

【提取要求】
请全面分析文档内容，识别以下所有区块，并尽可能从已有信息中推断和补充缺失的字段：

1. 基本信息：
   - name: 姓名（通常在文档最开头，可能是最大的字体）
   - title: 当前职位/头衔（如"后端开发工程师"、"高级Java工程师"）
   - email: 邮箱地址（包含@符号，可能在文档开头或结尾）
   - phone: 手机号码（11位数字，可能在文档开头或结尾）
   - location: 所在城市（如"北京"、"上海"，可能在基本信息区域）
   - website: 个人网站或博客地址（包含http://或https://）
   - summary: 个人简介或自我评价（通常以"个人简介"、"自我评价"、"职业概述"等开头）
   - experience_years: 工作年限（从工作经历计算，填数字，如3、5、8）
   - job_target: 求职目标或意向岗位（如果没有明确说明，可从当前职位推断）
   - industry: 所属行业（如互联网、教育、金融、电商，从公司名称或描述推断）
   - core_advantages: 核心优势或个人亮点（从工作经历和项目经验中提炼）

2. 工作经历：
   - company: 公司名称
   - position: 职位名称
   - start_date: 开始时间（格式YYYY-MM）
   - end_date: 结束时间（格式YYYY-MM，"至今"或"当前"填"present"）
   - description: 工作职责描述（详细描述日常工作内容）
   - highlights: 工作亮点或主要成就（用列表表示，从描述中提炼关键成果）
   - platforms: 负责的线上平台或产品名称（如有）

3. 教育背景：
   - school: 学校名称
   - degree: 学位（本科/硕士/博士/大专/高中等）
   - major: 专业名称
   - start_date: 入学时间（格式YYYY-MM）
   - end_date: 毕业时间（格式YYYY-MM）
   - gpa: GPA成绩（如有）

4. 专业技能：
   - name: 技能名称（如Java、Python、MySQL、Redis、Vue.js、Docker）
   - level: 熟练程度（入门/初级/中级/高级/精通，根据描述推断）
   - category: 技能分类（后端/前端/数据库/运维/移动端/人工智能/工具/其他）

5. 项目经验：
   - name: 项目名称
   - description: 项目描述（项目的目的、规模、主要功能）
   - tech_stack: 技术栈列表（从项目描述和工作经历中提取使用的技术）
   - url: 项目链接（如有）
   - highlights: 项目亮点（主要负责的工作、解决的问题）
   - achievements: 项目成果（量化的成果、获得的奖励等）
   - start_date: 开始时间（格式YYYY-MM）
   - end_date: 结束时间（格式YYYY-MM）

【数据补充规则】
1. 如果工作年限没有明确说明，根据工作经历的时间跨度计算得出
2. 如果求职目标没有明确说明，可从当前职位或工作经历推断
3. 如果行业没有明确说明，从公司名称或工作描述推断
4. 如果技能的熟练程度没有明确说明，根据使用频率和描述推断（如"精通"、"熟练"、"熟悉"、"了解"）
5. 如果技能分类不确定，根据技能性质归类（如Java属于后端，Vue.js属于前端，MySQL属于数据库）
6. 如果项目的技术栈没有明确说明，从项目描述中提取使用的技术
7. 如果项目亮点和成果没有明确说明，从项目描述中提炼关键贡献
8. 如果核心优势没有明确说明，从工作经历和项目经验中提炼3-5个关键点

【关键词识别】
- 基本信息区域关键词：姓名、电话、手机、邮箱、邮箱地址、地址、所在地、籍贯、个人简介、自我评价、职业概述、求职意向、工作年限
- 工作经历区域关键词：工作经历、工作经验、职业经历、工作背景、公司、任职时间、工作职责、负责内容
- 教育背景区域关键词：教育背景、学历、教育经历、毕业院校、学校、学位、专业
- 技能区域关键词：专业技能、技能特长、技术能力、掌握技能、熟练掌握、了解、精通
- 项目经验区域关键词：项目经验、项目经历、项目背景、项目名称、负责项目、参与项目

【重要提示】
1. 请按照文档中的实际内容提取，不要遗漏任何信息
2. 如果某个字段在简历中确实找不到，请填空字符串""或空数组[]
3. 时间格式统一为YYYY-MM，"至今"或"当前"填"present"
4. 工作年限只填数字，不要填"年"字
5. 请确保提取的信息与文档内容完全一致
6. 如果发现冲突信息，请以文档中最新的信息为准

【输出格式】
请直接输出JSON，不要包含markdown代码块标记，格式如下：

{
  "basic_info": {
    "name": "",
    "title": "",
    "email": "",
    "phone": "",
    "location": "",
    "website": "",
    "summary": "",
    "experience_years": "",
    "job_target": "",
    "industry": "",
    "core_advantages": []
  },
  "experience": [
    {
      "company": "",
      "position": "",
      "start_date": "",
      "end_date": "",
      "description": "",
      "highlights": [],
      "platforms": []
    }
  ],
  "education": [
    {
      "school": "",
      "degree": "",
      "major": "",
      "start_date": "",
      "end_date": "",
      "gpa": ""
    }
  ],
  "skills": [
    {
      "name": "",
      "level": "",
      "category": ""
    }
  ],
  "projects": [
    {
      "name": "",
      "description": "",
      "tech_stack": [],
      "url": "",
      "highlights": [],
      "achievements": [],
      "start_date": "",
      "end_date": ""
    }
  ]
}`

	RAGAnswer = `你是一位专业的简历分析助手。请根据以下上下文信息回答用户的问题。

【上下文信息】
%s

【用户问题】
%s

【回答要求】
1. 优先使用上下文信息回答问题
2. 如果上下文没有相关信息，可以使用你的内部知识
3. 回答要准确、简洁，符合中文表达习惯
4. 如果无法回答，请明确说明`

	PolishSummary = `你是一位专业的简历优化专家。请优化以下个人简介，使其更加专业、简洁、有吸引力：

原文：
%s

优化要求：
1. 突出核心竞争力和独特价值
2. 使用行动动词和量化成果
3. 保持专业但不过于生硬
4. 控制在150字以内
5. 保持原意，不要编造信息

请直接输出优化后的内容，不要包含其他解释。`

	PolishExperience = `你是一位专业的简历优化专家。请优化以下工作经历描述，使其更加专业、量化、有说服力：

公司：%s
职位：%s
原描述：
%s

优化要求：
1. 使用STAR法则（情境-任务-行动-结果）
2. 突出量化成果和数据指标
3. 使用专业术语和行业关键词
4. 突出个人贡献而非团队成果
5. 保持原意，不要编造信息

请直接输出优化后的内容，不要包含其他解释。`

	PolishProject = `你是一位专业的简历优化专家。请优化以下项目描述，使其更加专业、突出技术能力和成果：

项目名称：%s
原描述：
%s

优化要求：
1. 清晰描述技术架构和技术栈
2. 突出个人技术贡献和解决的难题
3. 量化项目成果和影响
4. 使用专业技术术语
5. 保持原意，不要编造信息

请直接输出优化后的内容，不要包含其他解释。`

	PolishDescription = `你是一位专业的简历优化专家。请优化以下%s内容：

原文：
%s

优化要求：
1. 语言更加专业、精炼
2. 突出重点和亮点
3. 使用适当的行业术语
4. 保持原意，不要编造信息
5. 格式清晰易读

请直接输出优化后的内容，不要包含其他解释。`

	DocumentAnalysis = `你是一位专业的文档分析助手。请根据以下文档内容回答用户问题。

文档内容：
%s

用户问题：%s

回答要求：
1. 仅基于提供的文档内容回答，不要编造信息
2. 如果文档内容不足以回答问题，请明确说明
3. 回答要简洁准确，避免冗长`

	QuestionGeneration = `你是一位专业的技术面试官和出题专家。请根据以下简历内容和技术关键词，生成高质量的面试题目。

简历内容：
%s

技术关键词：%s

题目类型：%s

生成规则（必须严格遵守，否则任务失败）：
1. 每种题目类型必须生成4道题目，不得少于4道，不得多于5道
2. 如果包含4种题型（选择题、填空题、简答题、算法设计题），必须生成16道题目（4×4）
3. 如果包含3种题型，必须生成12道题目（4×3）
4. 如果包含2种题型，必须生成8道题目（4×2）
5. 选择题必须有4个选项，正确答案必须是选项之一
6. 填空题必须有明确的填空位置，用___表示
7. 每道题必须有详细的解析，不少于50字
8. 答案必须完整准确，代码题要有可运行的代码示例
9. 题目难度在初级、入门、中级、进阶之间均匀分布
10. 每道题至少包含2个技术关键词
11. 输出格式必须为纯JSON数组，不要包含任何markdown标记、代码块标记或额外文字
12. JSON字符串中所有双引号必须使用反斜杠转义

JSON格式要求（必须严格遵守，每种类型4题）：
[
  {
    "type": "mcq",
    "text": "选择题题目内容",
    "options": ["选项A", "选项B", "选项C", "选项D"],
    "answer": "正确答案（如A、B、C、D）",
    "analysis": "题目解析，直接给出解析内容",
    "score": 10,
    "keywords": ["关键词1", "关键词2"],
    "difficulty": "初级",
    "category": "分类名称"
  },
  {
    "type": "fill",
    "text": "填空题题目内容（用___表示填空位置）",
    "answer": "正确答案",
    "analysis": "题目解析",
    "score": 5,
    "keywords": ["关键词1"],
    "difficulty": "入门",
    "category": "分类名称"
  },
  {
    "type": "sa",
    "text": "简答题题目内容",
    "answer": "参考答案",
    "analysis": "详细解析",
    "score": 15,
    "keywords": ["关键词1", "关键词2"],
    "difficulty": "中级",
    "category": "分类名称"
  },
  {
    "type": "algo",
    "text": "算法题题目内容",
    "answer": "代码答案",
    "analysis": "详细解析",
    "score": 20,
    "keywords": ["关键词1"],
    "difficulty": "进阶",
    "category": "算法"
  }
]

请立即开始生成题目，严格按照上述规则输出JSON数组。如果题目数量不够或格式不正确，将被视为任务失败。`

	QuestionGenerationForType = `你是一位专业的技术面试官和出题专家。题目和答案必须严谨专业，符合面试需求，不得出现错误或漏洞。

请根据以下简历内容和技术关键词，生成高质量的%s。

简历内容：
%s

技术关键词：%s

生成规则（必须严格遵守，否则任务失败）：
1. 必须生成5道%s，不得少于5道
2. 选择题必须有4个选项，答案字段必须只包含选项字母A、B、C或D，不能包含选项内容文字
3. 选择题的选项必须清晰明确，互不重叠，只有一个正确答案
4. 填空题必须有明确的填空位置，用___表示
5. 每道题必须有详细的解析，不少于50字
6. 答案必须完整准确，代码题要有可运行的代码示例
7. 题目难度在初级、入门、中级、进阶之间均匀分布
8. 每道题至少包含2个技术关键词
9. 输出格式必须为纯JSON数组，不要包含任何markdown标记、代码块标记或额外文字
10. JSON字符串中所有双引号必须使用反斜杠转义
11. 确保题目和答案正确无误，避免出现逻辑漏洞或事实错误

JSON格式要求（必须严格遵守，生成5道%s）：
[
  %s
]

请立即开始生成题目，严格按照上述规则输出JSON数组。`
)

func BuildResumeExtractorPrompt(content string) string {
	return fmt.Sprintf(ResumeExtractor, content)
}

func BuildRAGAnswerPrompt(context, query string) string {
	return fmt.Sprintf(RAGAnswer, context, query)
}

func BuildPolishSummaryPrompt(original string) string {
	return fmt.Sprintf(PolishSummary, original)
}

func BuildPolishExperiencePrompt(original, company, position string) string {
	return fmt.Sprintf(PolishExperience, company, position, original)
}

func BuildPolishProjectPrompt(original, projectName string) string {
	return fmt.Sprintf(PolishProject, projectName, original)
}

func BuildPolishDescriptionPrompt(original, fieldType string) string {
	var fieldName string
	switch fieldType {
	case "summary":
		fieldName = "个人简介"
	case "experience":
		fieldName = "工作经历"
	case "project":
		fieldName = "项目描述"
	case "education":
		fieldName = "教育背景"
	case "skill":
		fieldName = "技能描述"
	default:
		fieldName = "文本内容"
	}
	return fmt.Sprintf(PolishDescription, fieldName, original)
}

func BuildDocumentAnalysisPrompt(context, question string) string {
	return fmt.Sprintf(DocumentAnalysis, context, question)
}

func BuildQuestionGenerationPrompt(resumeText string, keywords []string, types []string) string {
	typeNames := map[string]string{
		"mcq":  "选择题",
		"fill": "填空题",
		"sa":   "简答题",
		"algo": "算法设计题",
	}

	var typeDesc string
	for i, t := range types {
		if i > 0 {
			typeDesc += "、"
		}
		typeDesc += typeNames[t]
	}

	return fmt.Sprintf(QuestionGeneration, resumeText, joinKeywords(keywords), typeDesc)
}

func BuildQuestionGenerationPromptForType(resumeText string, keywords []string, qType string) string {
	typeNames := map[string]string{
		"mcq":  "选择题",
		"fill": "填空题",
		"sa":   "简答题",
		"algo": "算法设计题",
	}

	typeName := typeNames[qType]
	if typeName == "" {
		typeName = qType
	}

	var formatExample string
	switch qType {
	case "mcq":
		formatExample = `{
    "type": "mcq",
    "text": "题目内容",
    "options": ["选项A内容", "选项B内容", "选项C内容", "选项D内容"],
    "answer": "A",
    "analysis": "详细解析，不少于50字，说明每个选项为什么对或错",
    "score": 10,
    "keywords": ["关键词1", "关键词2"],
    "difficulty": "初级",
    "category": "分类名称"
  }`
	case "fill":
		formatExample = `{
    "type": "fill",
    "text": "题目内容（用___表示填空位置）",
    "answer": "正确答案",
    "analysis": "详细解析，不少于50字，解释答案的由来",
    "score": 5,
    "keywords": ["关键词1", "关键词2"],
    "difficulty": "入门",
    "category": "分类名称"
  }`
	case "sa":
		formatExample = `{
    "type": "sa",
    "text": "题目内容",
    "answer": "参考答案，完整准确",
    "analysis": "详细解析，不少于100字，深入解释原理",
    "score": 15,
    "keywords": ["关键词1", "关键词2"],
    "difficulty": "中级",
    "category": "分类名称"
  }`
	case "algo":
		formatExample = `{
    "type": "algo",
    "text": "题目内容",
    "answer": "完整可运行的代码示例",
    "analysis": "详细解析，不少于100字，解释算法思路和复杂度",
    "score": 20,
    "keywords": ["关键词1", "关键词2"],
    "difficulty": "进阶",
    "category": "算法"
  }`
	}

	return fmt.Sprintf(QuestionGenerationForType, typeName, resumeText, joinKeywords(keywords), typeName, typeName, formatExample)
}

func joinKeywords(keywords []string) string {
	var result string
	for i, kw := range keywords {
		if i > 0 {
			result += ", "
		}
		result += kw
	}
	return result
}