// 規則表：標籤 → 數值增減。所有數值集中在這裡；模型只給標籤，不給數值。
import type { Pad } from './types'
import { isTag, type Tag } from './tags'

export const RULES = {
  thanks: { p: 0.15, a: 0.05, d: 0.05 },
  scold: { p: -0.2, a: 0.15, d: -0.1 },
  success: { p: 0.08, a: 0.03, d: 0.05 },
  toolFail: { p: -0.08, a: 0.1, d: -0.08 },
  return: { p: 0.1, a: 0.08, d: 0 },
  lateNight: { p: -0.05, a: -0.1, d: 0 },
  favorite: { p: 0.12, a: 0.08, d: 0.03 },
  ignored: { p: -0.05, a: -0.03, d: -0.03 },
  praiseSkill: { p: 0.1, a: 0.04, d: 0.06 },
  amused: { p: 0.1, a: 0.06, d: 0.02 },
  cared: { p: 0.08, a: -0.02, d: -0.02 },
  apology: { p: 0.06, a: -0.06, d: 0.03 },
  soothe: { p: 0.05, a: -0.08, d: 0.02 },
  brushOff: { p: -0.06, a: 0.02, d: -0.04 },
  overstep: { p: -0.15, a: 0.12, d: 0.02 },
  remembered: { p: 0.08, a: 0.02, d: 0.02 },
  selfDisclosure: { p: 0.04, a: 0.03, d: -0.02 },
  gladForYou: { p: 0.08, a: 0.05, d: 0 },
  liedCaught: { p: -0.18, a: 0.1, d: -0.05 },
  brokenPromise: { p: -0.12, a: 0.04, d: -0.08 },
} as const satisfies Record<Tag, Pad>

// 記憶權重 W = I_eff × F × A 與生命週期的數值（第 9.5 章）
export const MEMORY = {
  /** I_eff 下限與上限 */
  weightMin: 1,
  weightMax: 5,
  /** 編碼時情緒峰值（0–100）除以此值加進 I_eff */
  peakDiv: 40,
  /** 新鮮度半衰的回合數：F = 0.5^(Δseq / 200) */
  halfSeq: 200,
  /** 被檢索到時 F 至少回到此值 */
  floor: 0.8,
  /** 存取加成：A = 1 + step × min(命中次數, cap) */
  accessStep: 0.1,
  accessCap: 5,
  /** 未解負向事件：每日 +20%，上限 3 倍 */
  ruminatePerDay: 0.2,
  ruminateCap: 3,
  /** 類別加成的角色參數門檻（0–1） */
  bonusThreshold: 0.65,
  /** 暫時記憶 7 天衰減 */
  tempDays: 7,
  /** 可升級記憶：30 天未升級就降權、90 天未檢索就封存 */
  demoteDays: 30,
  demoteFactor: 0.5,
  archiveDays: 90,
  /** 被檢索到這麼多次就升級為長期記憶 */
  upgradeHits: 3,
  /** 開放迴路：她的提問經過這麼多個使用者回合沒有回應就逾時 */
  loopTurns: 2,
  /** RRF：fused = Σ 1 / (k + rank) */
  rrfK: 60,
  /** 心情一致加權 w_m = base + slope × (1 − 釋懷速度) */
  moodBase: 0.1,
  moodSlope: 0.05,
} as const

// 正則先判明確的情況；順序即優先序
const PATTERNS: [Tag, RegExp][] = [
  ['scold', /笨|白痴|廢物|爛|你很煩|閉嘴|stupid|useless|idiot/i],
  ['thanks', /謝謝|感謝|太棒|好棒|厲害|讚|thanks?|thank you|great job|awesome/i],
  ['success', /成功|完成了|通過|搞定|passed|done|fixed/i],
]

/** 以正則判斷使用者文字的標籤；沒有明確情況回 null */
export function regexTag(text: string): Tag | null {
  for (const [tag, re] of PATTERNS) if (re.test(text)) return tag
  return null
}

/** 正則優先；正則沒判出才用模型補的標籤（須在白名單內），缺失或不合法就是沒有標籤 */
export function classify(text: string, modelTag?: string | null): Tag | null {
  return regexTag(text) ?? (isTag(modelTag) ? modelTag : null)
}