"""AI 创始人副驾驶（完整版）。

融资规划/组织诊断/投资人沟通/战略规划/月报自动生成。
"""

from app.services.llm_client import LLMClient


async def financing_planner(company_data: str) -> dict:
    """AI 融资规划。"""
    llm = LLMClient()
    prompt = f"""请为以下企业生成融资规划建议：

{company_data[:4000]}

以 JSON 格式返回：
{{"round": "轮次", "target_amount": "目标金额", "valuation_range": "估值范围", "timeline": "时间节奏", "target_investors": ["目标投资人画像"], "key_metrics": ["需突出的关键指标"]}}"""
    result = await llm.chat(prompt, temperature=0.5)
    return result if isinstance(result, dict) else {}


async def org_diagnostic(team_data: str) -> dict:
    """AI 组织诊断。"""
    llm = LLMClient()
    prompt = f"""请分析以下团队数据，进行组织诊断：

{team_data[:4000]}

以 JSON 格式返回：
{{"structure_assessment": "结构评估", "key_role_risks": [{{"role": "关键岗位", "risk": "风险描述", "severity": "high/medium/low"}}], "talent_gaps": ["人才缺口"], "recommendations": ["建议"]}}"""
    result = await llm.chat(prompt, temperature=0.4)
    return result if isinstance(result, dict) else {}


async def investor_comm_prep(board_context: str) -> dict:
    """AI 投资人沟通准备。"""
    llm = LLMClient()
    prompt = f"""请为以下董事会/投资人沟通生成准备材料：

{board_context[:4000]}

以 JSON 格式返回：
{{"board_material_outline": "董事会材料大纲", "anticipated_questions": [{{"question": "预期问题", "suggested_answer": "建议回答"}}], "key_updates": ["关键进展"], "asks": ["需要投资人支持的请求"]}}"""
    result = await llm.chat(prompt, temperature=0.5)
    return result if isinstance(result, dict) else {}