from pydantic import BaseModel, Field
from typing import List, Optional
from enum import StrEnum, auto

class SpaceType(StrEnum):
    """이미지가 촬영된 공간·장소 유형. LLM이 이미지를 보고 해당하는 공간 태그를 선택하는 데 사용."""
    exterior_front = auto()
    exterior_night = auto()
    exterior_aerial = auto()
    exterior_sign = auto()
    garden = auto()
    entrance = auto()
    lobby = auto()
    reception = auto()
    hallway = auto()
    bedroom = auto()
    livingroom = auto()
    kitchen = auto()
    dining = auto()
    room = auto()
    bathroom = auto()
    amenity = auto()
    view_window = auto()
    view_ocean = auto()
    view_city = auto()
    view_mountain = auto()
    balcony = auto()
    cafe = auto()
    lounge  = auto()
    rooftop  = auto()
    pool = auto()
    breakfast_hall  = auto()
    spa = auto()
    fitness = auto()
    bbq = auto()
    terrace = auto()
    glamping = auto()
    neighborhood  = auto()
    landmark = auto()
    detail_welcome = auto()
    detail_beverage = auto()
    detail_lighting  = auto()
    detail_decor = auto()
    detail_tableware = auto()
    # 레스토랑(DVRT0001) 템플릿 어휘
    dining_hall = auto()
    table_setting = auto()
    private_room = auto()
    detail_cooking = auto()
    detail_plating = auto()
    detail_menu = auto()
    detail_dish_main = auto()
    detail_dish_side = auto()
    brand_summary = auto()
    # 카페(DVCF0001) 템플릿 어휘
    hall = auto()
    counter_bar = auto()
    seating_window = auto()
    seating_lounge = auto()
    signage = auto()
    detail_dessert = auto()
    detail_signature_drink = auto()

class Subject(StrEnum):
    """이미지 내 주요 피사체 유형. 화면에 무엇이 담겨 있는지를 분류하는 태그."""
    empty_space = auto()
    exterior_building = auto()
    architecture_detail = auto()
    decoration = auto()
    furniture = auto()
    food_dish = auto()
    nature = auto()
    signage = auto()
    amenity_item = auto()
    person = auto()
    # 레스토랑(DVRT0001) 템플릿 어휘
    cooking_action = auto()
    menu_board = auto()
    triptych = auto()
    # 카페(DVCF0001) 템플릿 어휘
    beverage = auto()
    brewing_action = auto()
    dessert = auto()

class Camera(StrEnum):
    """이미지의 촬영 기법·구도·조명 특성. 영상 편집 시 컷의 시각적 스타일을 구분하는 태그."""
    wide_angle = auto()
    tight_crop = auto()
    panoramic = auto()
    symmetrical = auto()
    leading_line = auto()
    golden_hour = auto()
    night_shot = auto()
    high_contrast = auto()
    low_light = auto()
    drone_shot = auto()
    has_face = auto()

class MotionRecommended(StrEnum):
    """해당 이미지에 적용 가능한 카메라 모션 유형. 영상 제작 시 각 컷에 어울리는 움직임을 추천하는 데 사용."""
    static = auto()
    slow_pan = auto()
    slow_zoom_in = auto()
    slow_zoom_out = auto()
    walkthrough = auto()
    dolly = auto()

class NarrativePhase(StrEnum):
    """광고 영상 내러티브 단계. 이미지가 스토리 흐름에서 어느 위치에 배치되어야 하는지를 나타냄."""
    intro = auto()
    welcome = auto()
    core = auto()
    highlight = auto()
    support = auto()
    accent = auto()
    cta = auto()

NARRATIVE_PHASE_LABEL: dict[NarrativePhase, str] = {
    NarrativePhase.intro: "첫인상(intro)",
    NarrativePhase.welcome: "진입(welcome)",
    NarrativePhase.core: "핵심(core)",
    NarrativePhase.highlight: "차별화(highlight)",
    NarrativePhase.support: "보조(support)",
    NarrativePhase.accent: "감성(accent)",
    NarrativePhase.cta: "행동유도(cta)",
}

class NarrativePreference(BaseModel):
    """이미지가 각 내러티브 단계에 얼마나 적합한지를 나타내는 점수 모델 (0.0 ~ 100.0).
    LLM이 이미지를 분석한 뒤 각 단계별 적합도를 수치로 반환하며,
    영상 편집기가 이 점수를 기반으로 컷 배치 순서를 자동 결정하는 데 사용."""
    intro: float = Field(..., description="첫인상 — 여기가 어디인가 | 장소의 정체성과 위치를 전달하는 이미지. 영상 첫 1~2초에 어떤 곳인지 즉시 인지시키는 역할. 건물 외관, 간판, 정원 등 **장소 자체를 보여주는** 컷")
    welcome: float = Field(..., description="진입/환영 — 어떻게 들어가나 | 도착 후 내부로 들어가는 경험을 전달하는 이미지. 공간의 첫 분위기와 동선을 보여줘 들어가고 싶다는 기대감을 만드는 역할. **문을 열고 들어갔을 때 보이는** 컷.")
    core: float = Field(..., description="핵심 가치 — 무엇을 경험하나 | **고객이 이 장소를 찾는 본질적 이유.** 이 이미지가 없으면 영상 자체가 성립하지 않음. 질문: 이 비즈니스에서 돈을 지불하는 대상이 뭔가? → 그 답이 core.")
    highlight: float = Field(..., description="차별화 — 뭐가 특별한가 | **같은 카테고리의 경쟁사 대비 이곳을 선택하게 만드는 이유.** core가 왜 왔는가라면, highlight는 왜 **여기**인가에 대한 답.")
    support: float = Field(..., description="보조/부대 — 그 외에 뭐가 있나 | 핵심은 아니지만 전체 경험을 풍성하게 하는 부가 요소. 없어도 영상은 성립하지만, 있으면 설득력이 올라감. **이것도 있어요** 라고 말하는 컷.")
    accent: float = Field(..., description="감성/마무리 — 어떤 느낌인가 | 공간의 분위기와 톤을 전달하는 감성 디테일 컷. 직접적 정보 전달보다 **느낌과 무드**를 제공. 영상 사이사이에 삽입되어 완성도를 높이는 역할.")
    cta: float = Field(..., description="행동 유도 — 지금 예약/방문하고 싶게 만드는 컷 | 가격·혜택·한정 오퍼 등 직접적 행동을 촉구하거나, 마지막 장면에서 강한 인상을 남기는 이미지.")

# Input 정의
class ImageTagPromptInput(BaseModel):
    """이미지 태깅 프롬프트에 전달되는 입력 스키마.
    분석할 이미지 URL과 업종 정보, LLM이 선택 가능한 태그 후보 리스트를 포함."""
    img_url : str = Field(..., description="이미지 URL")
    industry : str = Field(default="", description = "업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction|general). 통합 프롬프트가 이 값으로 내부 분기")
    space_type: list[str] = Field(list(SpaceType), description="공간적 정보를 가지는 태그 리스트")
    subject: list[str] = Field(list(Subject), description="피사체 정보를 가지는 태그 리스트")
    camera: list[str] = Field(list(Camera), description="카메라 정보를 가지는 태그 리스트")
    motion_recommended: list[str] = Field(list(MotionRecommended), description="가능한 카메라 모션 리스트")

class MarketingFilterOutput(BaseModel):
    """크롤링 단계에서 이미지의 마케팅(광고 영상) 사용 가능 여부만 판정하는 프롬프트의 출력 스키마.
    ImageTagPromptOutput과 달리 태깅(공간/피사체/카메라/모션/내러티브)은 포함하지 않는다."""
    marketing_acceptable: bool = Field(..., description="광고 영상 사용 가능 여부")
    reject_reason: str = Field(default="", description="거부 사유 (marketing_acceptable=false 시). 예: 저화질, 인물 신원 노출, 업종 부적합, 민감/의료 장면, 미성년자 식별 노출")


# Output 정의
class ImageTagPromptOutput(BaseModel):
    """이미지 태깅 프롬프트의 LLM 출력 스키마.
    공간·피사체·카메라·모션 태그와 내러티브 적합도 점수를 담아 반환.
    마케팅 사용 가능 여부는 크롤링 단계(MarketingFilterOutput)에서 이미 판정되므로 포함하지 않는다."""
    space_type: list[SpaceType] = Field(..., description="공간적 정보를 가지는 태그 리스트")
    subject: list[Subject] = Field(..., description="피사체 정보를 가지는 태그 리스트")
    camera: list[Camera] = Field(..., description="카메라 정보를 가지는 태그 리스트")
    motion_recommended: list[MotionRecommended] = Field(..., description="가능한 카메라 모션 리스트")
    narrative_preference: NarrativePreference = Field(..., description="이미지의 내러티브 상 점수")