import asyncio
from typing import Annotated
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.messages import TextMessage
from autogen_core import CancellationToken
from autogen_ext.models.openai import OpenAIChatCompletionClient

# --- 第一部分：工具定义 ---
# 以后接上机器人时，把 print 替换成串口指令 / TTS 调用即可

async def set_expression(
    expression: Annotated[str, "机器人要展示的表情，如：开心、疑惑、难过、待机"],
    intensity: Annotated[int, "表情强度 1-10"] = 5
) -> str:
    """[模拟面部] 控制机器人头部的表情展示。"""
    print(f"\n>>>>>> 🤖 表情更新: 【{expression}】 (强度: {intensity}/10) <<<<<<")
    return f"已切换到【{expression}】表情。"

async def speak(
    text: Annotated[str, "机器人要说的话，简短自然"]
) -> str:
    """[模拟 TTS] 机器人开口说话。以后接 TTS 引擎播放语音。"""
    print(f">>>>>> 🔊 机器人说: {text} <<<<<<\n")
    return "语音已播放。"

# --- 第二部分：配置 VLM 大脑 ---
async def start_simulated_head():
    model_client = OpenAIChatCompletionClient(
        model="Qwen/Qwen3-VL-8B-Instruct",
        base_url="http://localhost:8000/v1",
        api_key="EMPTY",
        model_info={
            "vision": True,
            "function_calling": True,
            "json_output": True,
            "structured_output": True,
            "family": "unknown",
            "context_length": 4096,
        }
    )

    brain = AssistantAgent(
        name="RobotBrain",
        model_client=model_client,
        tools=[set_expression, speak],
        system_message="""你是一个有情感的机器人伙伴，能感知用户状态并进行语言交流。
每次收到输入时，你必须：
1. 综合视觉信息和用户说的话，理解当前情境和用户的情绪/需求。
2. 调用 set_expression 展示合适的表情。
3. 调用 speak 用简短、温暖、自然的语言回应用户。
回应风格：像和老朋友聊天，不要太正式，有点个性和幽默感。"""
    )

    # --- 第三部分：交互循环 ---
    # 模拟视觉上下文（真实项目中由摄像头实时提供）
    visual_context = "视觉输入：用户坐在电脑前，表情平静，看着屏幕。"

    print("=" * 50)
    print("  机器人已上线！输入 'quit' 退出")
    print("=" * 50)
    print(f"[当前视觉状态]: {visual_context}")
    print("提示：输入 'v <描述>' 可以更新视觉状态，例如: v 用户在笑\n")

    history = []  # 维护完整对话历史，让机器人记住上下文

    while True:
        try:
            user_input = input("你说: ").strip()
        except (EOFError, KeyboardInterrupt):
            print("\n机器人下线，再见！")
            break

        if not user_input:
            continue

        if user_input.lower() in ("quit", "exit", "退出"):
            await brain.on_messages(
                [*history, TextMessage(content=f"{visual_context}\n用户说：「再见」", source="user")],
                CancellationToken()
            )
            print("\n机器人下线，再见！")
            break

        # 支持临时更新视觉状态
        if user_input.lower().startswith("v "):
            visual_context = f"视觉输入：{user_input[2:].strip()}。"
            print(f"[视觉状态已更新]: {visual_context}\n")
            continue

        # 合并视觉 + 语言输入
        combined_input = f"{visual_context}\n用户说：「{user_input}」"
        history.append(TextMessage(content=combined_input, source="user"))

        response = await brain.on_messages(history, CancellationToken())

        # 把本轮所有消息（工具调用、工具结果、最终回复）加入历史
        if response.inner_messages:
            history.extend(response.inner_messages)
        history.append(response.chat_message)

if __name__ == "__main__":
    asyncio.run(start_simulated_head())