"""知识图谱构建 + 匹配。"""

from app.services.llm_client import LLMClient


async def build_knowledge_graph(management_experiences: str) -> dict:
    """构建知识图谱 — 企业特征 + 管理动作 + 环境上下文 → 结果 → 回报影响。"""
    llm = LLMClient()
    prompt = f"""请基于以下管理经验构建知识图谱：

{management_experiences[:6000]}

以 JSON 格式返回：
{{"nodes": [{{"entity_type": "company/action/context/result/return", "attributes": {{}}}}], "relations": [{{"source": "node_id", "target": "node_id", "relation_type": "leads_to"}}]}}"""
    result = await llm.chat(prompt, temperature=0.3)
    return result if isinstance(result, dict) else {"nodes": [], "relations": []}


async def match_best_strategy(new_company_profile: str, knowledge_graph: dict) -> dict:
    """为新企业匹配最佳管理策略。"""
    llm = LLMClient()
    prompt = f"""请基于知识图谱为新企业匹配最佳管理策略：

新企业画像：{new_company_profile[:3000]}
知识图谱：{knowledge_graph}

以 JSON 格式返回：
{{"recommended_strategy": "推荐策略", "match_confidence": 0.8, "similar_cases": ["相似案例"], "expected_outcome": "预期结果"}}"""
    result = await llm.chat(prompt, temperature=0.4)
    return result if isinstance(result, dict) else {}