"""场景一 · 政企收入全链路穿透：拆单规避检测（R8）。

检测点：
1. 合同金额集中分布在审批阈值边缘（如阈值 80% 以上但不超阈值）。
2. 结合知识图谱穿透识别隐性实控人（多个客户经法人关联到同一实控人）。
满足上述模式则生成线索，附证据链与人话理由。
"""

from __future__ import annotations

from dataclasses import dataclass, field


@dataclass
class ContractRecord:
    """穿透分析输入：一份合同的关键信息。"""

    contract_id: str
    customer_key: str
    amount: float


@dataclass
class SplitFinding:
    """拆单检测结果。"""

    near_threshold: list[ContractRecord] = field(default_factory=list)
    ratio: float = 0.0
    total_amount: float = 0.0

    @property
    def hit(self) -> bool:
        return len(self.near_threshold) >= 3


def detect_threshold_edge(
    contracts: list[ContractRecord],
    approval_threshold: float,
    edge_ratio: float = 0.8,
) -> SplitFinding:
    """识别金额集中在审批阈值边缘 [edge_ratio*阈值, 阈值) 的合同。

    这类"刚好低于阈值"的批量合同是典型的拆单规避特征。
    """
    if approval_threshold <= 0:
        raise ValueError("审批阈值必须为正数")
    lower = edge_ratio * approval_threshold
    near = [c for c in contracts if lower <= c.amount < approval_threshold]
    finding = SplitFinding(
        near_threshold=near,
        ratio=(len(near) / len(contracts)) if contracts else 0.0,
        total_amount=sum(c.amount for c in near),
    )
    return finding


def split_risk_score(finding: SplitFinding, shared_controller: bool) -> float:
    """综合评分：阈值边缘集中度 + 是否穿透到同一实控人。"""
    if not finding.hit:
        return 0.0
    base = min(0.6, 0.1 * len(finding.near_threshold))  # 数量越多越可疑
    base += 0.2 * finding.ratio
    if shared_controller:
        base += 0.3  # 同一实控人是强证据
    return round(min(base, 1.0), 3)


def build_rationale(finding: SplitFinding, threshold: float, shared_controller: bool) -> str:
    parts = [
        f"检测到 {len(finding.near_threshold)} 份合同金额集中在审批阈值 "
        f"{threshold:.0f} 的边缘区间（占比 {finding.ratio:.0%}），",
        f"边缘合同金额合计约 {finding.total_amount:.0f}。",
    ]
    if shared_controller:
        parts.append("且经工商关联穿透，相关客户疑似同属一个隐性实控人，高度符合拆单规避特征。")
    else:
        parts.append("建议进一步穿透客户关联关系以确认是否同一实控人。")
    return "".join(parts)