import requests
import pyperclip
import math
import os
import json

# --- 配置 ---
CHUNK_SIZE = 5000  # 每次处理文本长度 (字符)
MODEL_NAME = "grok-3" # 使用的 AI 模型
API_URL = "https://aizex.top/v1/chat/completions" # API 地址 (请确认这是正确的聊天补全端点)
# !! 安全警告: 请不要直接将 API 密钥硬编码在脚本中 !!
# 建议使用环境变量 (os.environ.get) 或配置文件读取
API_KEY = os.environ.get("AIZEX_API_KEY", "YOUR_API_KEY_HERE") # 从环境变量读取或替换为你的密钥

# --- AI 调用函数 ---
def call_ai_api(prompt, api_key, model, api_url):
    """调用 AI API 并返回结果"""
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
    }
    # 根据常见的 API 结构构建 payload，可能需要根据 aizex.top 的具体要求调整
    payload = {
        "model": model,
        "messages": [{"role": "user", "content": prompt}],
        # 可以添加其他参数如 temperature, max_tokens 等
        # "temperature": 0.7,
    }
    try:
        response = requests.post(api_url, headers=headers, json=payload, timeout=180) # 增加超时时间
        response.raise_for_status() # 如果状态码不是 2xx，则抛出异常
        result = response.json()
        # 假设 API 返回格式类似 OpenAI，提取内容
        if "choices" in result and len(result["choices"]) > 0:
            content = result["choices"][0].get("message", {}).get("content", "")
            return content.strip(), True
        else:
            print(f"警告: API 响应格式不符合预期: {result}")
            return f"API 响应格式错误: {result}", False
    except requests.exceptions.RequestException as e:
        print(f"错误: 调用 AI API 时出错: {e}")
        return f"API 调用失败: {e}", False
    except json.JSONDecodeError:
        print(f"错误: 解析 API 响应 JSON 时出错。响应内容: {response.text}")
        return f"API 响应解析失败: {response.text}", False

# --- 主处理函数 ---
def process_text_in_batches():
    """主函数：获取剪贴板文本，分批处理并调用 AI"""
    if API_KEY == "YOUR_API_KEY_HERE":
        print("错误: 请在脚本中或环境变量 AIZEX_API_KEY 中设置您的 API 密钥。")
        return

    try:
        original_text = pyperclip.paste()
        if not original_text:
            print("错误: 剪贴板中没有文本。")
            return
    except Exception as e:
        print(f"错误: 无法从剪贴板读取文本: {e}")
        print("请确保已安装 pyperclip 库并且有所需的权限。")
        return

    text_length = len(original_text)
    num_chunks = math.ceil(text_length / CHUNK_SIZE)

    print(f"总字数: {text_length}")
    print(f"每块大小: {CHUNK_SIZE}")
    print(f"总块数: {num_chunks}")
    print("-" * 20)

    current_summary = ""
    ai_output = ""

    for i in range(num_chunks):
        start_index = i * CHUNK_SIZE
        end_index = min((i + 1) * CHUNK_SIZE, text_length)
        current_chunk = original_text[start_index:end_index]

        print(f"正在处理块 {i + 1}/{num_chunks}...")

        if i == 0:
            # 首次调用
            prompt = f"请对以下内容进行概括总结:\n\n{current_chunk}"
        else:
            # 后续调用
            prompt = f"这是上一轮的概括内容:\n\n{current_summary}\n\n请结合以上概括内容和下面的新材料，进行融合概括总结，生成一个连贯的整体摘要:\n\n{current_chunk}"

        # 调用 AI
        ai_output, success = call_ai_api(prompt, API_KEY, MODEL_NAME, API_URL)

        if success:
            current_summary = ai_output # 更新当前摘要为最新输出
            print(f"块 {i + 1} 处理成功。")
        else:
            print(f"块 {i + 1} 处理失败。脚本将中止。")
            print(f"失败时的 AI 输出/错误信息: {ai_output}")
            return # 如果某一块失败，则停止处理

        print("-" * 20)

    print("所有块处理完成。最终总结:")
    print("=" * 30)
    print(current_summary)
    print("=" * 30)

# --- 脚本入口 ---
if __name__ == "__main__":
    process_text_in_batches()