"""Pipecat LLMService 工厂。

Phase 1 spike 的选型结论固化在这里：**复用 Pipecat 自带的 `DeepSeekLLMService`**，
不自写 `FallbackProvider → LLMService` 适配器。

理由（详见笔记库 `P1-Flows兼容性Spike结论.md`）：

  1. 它自带 `DeepSeekLLMAdapter`，处理"思考模式下必须把 reasoning_content
     原样回传"这个约束——**正是本项目 P0 阶段踩过的坑**，框架已经做了。
  2. `thinking` 默认就是 disabled，与本项目既有结论一致。
  3. 支持自定义 `base_url`，将来要接本地 vLLM 也能用。
  4. Flows 硬要求 `LLMService` 实例，而 `pipecat.flows` 的 `LLMAdapter`
     **只管摘要生成**，不是 provider 适配器——想保留 `FallbackProvider`
     必须自己写 `LLMService` 子类，成本不划算。

**代价**：失去 `FallbackProvider` 的本地 vLLM 降级。当前本机 vLLM 已停用，
fallback 实际没有可用目标，所以先只用 DeepSeek。将来若需双后端，
Pipecat 有 `LLMSwitcher` 可用，不必自写。
"""

from __future__ import annotations

import logging

from ..config import LLMConfig

log = logging.getLogger(__name__)


def create_llm_service(cfg: LLMConfig):
    """按配置造 Pipecat LLMService。

    目前只支持 DeepSeek（OpenAI 兼容）。其它后端返回 None，调用方应当
    回退到 legacy 路径，而不是带着一个坏 service 继续。
    """
    if cfg.name != "deepseek":
        log.warning("Flows 路径暂不支持后端 %r，请继续使用 legacy", cfg.name)
        return None

    from pipecat.services.deepseek.llm import DeepSeekLLMService

    # **必须显式覆盖模型名。**
    # Pipecat 的默认是 `deepseek-v4-flash`，该模型不存在，用默认值会 400。
    # 见 P0-DeepSeek验证报告.md：真实清单只有 deepseek-flash 与 deepseek-v4-pro。
    settings = DeepSeekLLMService.Settings(
        model=cfg.model,
        # 显式关闭思考。Pipecat 的默认恰好也是 disabled，但写出来更安全：
        # 将来默认值变化时不会悄悄改变行为，也不至于把思考内容送进 TTS。
        thinking=DeepSeekLLMService.ThinkingConfig(type="disabled"),
        max_tokens=cfg.max_tokens,
    )
    return DeepSeekLLMService(
        api_key=cfg.api_key,
        base_url=cfg.base_url,
        settings=settings,
    )


__all__ = ["create_llm_service"]