vector/services/rules_analysis.py

"""Детерминированный rules-анализ (замена Claude API, решение Виктора:
ИИ из проекта убран — карточки детей не покидают контур).

Логика — бывший analyze_with_fallback из claude_service (правила по возрасту,
профилям, координатам) + urgency по правилам closed_cases. Никаких внешних
вызовов: только geo_service (Overpass) + scoring_service + справочники.
"""
from __future__ import annotations

import logging
from typing import Any

from pydantic import BaseModel, Field

from services.geo_service import build_search_zones
from services.scoring_service import WeightedScorer

logger = logging.getLogger(__name__)


class PrimaryZone(BaseModel):
    priority: int
    name: str
    direction: str
    distance: float
    reason: str


class AnalysisResult(BaseModel):
    urgency: str  # "критическая", "высокая", "средняя", "низкая"
    primary_zones: list[PrimaryZone]
    search_radius_km: float
    key_locations: list[str]
    behavioral_prediction: str
    immediate_actions: list[str]
    summary: str
    fallback_used: bool = Field(default=True)


def rule_based_urgency(elapsed: float, age: int, diagnosis: list[str]) -> str:
    """urgency по правилам: чем меньше ребёнок и дольше поиск — тем выше срочность."""
    score = 0
    if elapsed >= 24:
        score += 2
    elif elapsed >= 8:
        score += 1
    if age <= 7:
        score += 2
    elif age <= 12:
        score += 1
    if diagnosis:
        score += 1
    if score >= 4:
        return 'критическая'
    if score >= 2:
        return 'высокая'
    return 'средняя'


def _age_urgency(age: int, profiles: list[str]) -> str:
    if age <= 4 or 'эпилепсия' in profiles or 'РАС' in profiles:
        return 'критическая'
    if age <= 7 or 'велосипед' in profiles:
        return 'высокая'
    return 'средняя'


def _key_locations(age: int) -> list[str]:
    if age <= 7:
        return ['водоёмы', 'укрытия', 'густая растительность', 'ближайшие постройки']
    if age <= 12:
        return ['водоёмы', 'дороги', 'тропы', 'лесные массивы']
    return ['дороги', 'населённые пункты', 'транспортные узлы', 'водоёмы']


def _behavioral_prediction(age: int, profiles: list[str]) -> str:
    if 'РАС' in profiles:
        return 'Высокий риск движения к водоёмам и ж/д путям. Может не откликаться на имя.'
    if age <= 4:
        return 'Минимальное движение, вероятно находится близко к точке потери.'
    if age <= 12:
        return 'Умеренное движение, может следовать по тропам или дорогам.'
    return 'Целенаправленное движение, возможен выход к населённым пунктам.'


def _immediate_actions(profiles: list[str]) -> list[str]:
    actions = [
        'Организовать поисковые группы',
        'Проверить ближайшие водоёмы',
        'Опросить свидетелей в районе последнего местоположения',
    ]
    if 'РАС' in profiles:
        actions.insert(0, 'КРИТИЧНО: Проверить все водоёмы и ж/д пути в радиусе 5 км')
    if 'велосипед' in profiles:
        actions.insert(0, 'Расширить зону поиска до 10-15 км, проверить дорожные камеры')
    return actions


async def rules_analyze(case_data: dict[str, Any]) -> AnalysisResult:
    """Детерминированный анализ: scoring_service + geo_service, без LLM."""
    age = int(case_data.get('age') or 10)
    profiles = list(case_data.get('profiles') or [])

    urgency = _age_urgency(age, profiles)

    primary_zones: list[PrimaryZone] = []
    search_radius_km = 5.0

    if case_data.get('lat') and case_data.get('lon'):
        try:
            zones = await build_search_zones(
                case_data['lat'],
                case_data['lon'],
                case_data,
            )
            scorer = WeightedScorer()
            zones_dict = [
                {
                    'direction': z.direction,
                    'distance_km': z.distance_km,
                    'forest_pct': z.forest_pct,
                    'road_density': z.road_density,
                    'water_distance_km': z.water_distance_km,
                    'settlement_distance_km': z.settlement_distance_km,
                }
                for z in zones
            ]
            ranked_zones = scorer.rank_zones(zones_dict, case_data)
            for i, zone in enumerate(ranked_zones[:5]):
                primary_zones.append(PrimaryZone(
                    priority=i + 1,
                    name=f"Зона {zone['direction']} {zone['distance_km']}км",
                    direction=zone['direction'],
                    distance=zone['distance_km'],
                    reason=f"Оценка {zone['score']}/100 по scoring_service",
                ))
            search_radius_km = scorer.distance_multiplier * 2.0
        except Exception as e:
            logger.warning(f'Geo/scoring service error: {e}')

    if not primary_zones:
        primary_zones = [
            PrimaryZone(priority=1, name='Ближняя зона', direction='N',
                        distance=0.5, reason='Базовая зона поиска'),
            PrimaryZone(priority=2, name='Средняя зона', direction='E',
                        distance=1.0, reason='Расширенная зона поиска'),
        ]

    key_locations = _key_locations(age)
    behavioral_prediction = _behavioral_prediction(age, profiles)
    immediate_actions = _immediate_actions(profiles)

    summary = (
        f'Случай классифицирован как {urgency} срочность. '
        f'Рекомендуемый радиус поиска: {search_radius_km} км. '
        f'Приоритет: {key_locations[0]}.'
    )

    return AnalysisResult(
        urgency=urgency,
        primary_zones=primary_zones,
        search_radius_km=search_radius_km,
        key_locations=key_locations,
        behavioral_prediction=behavioral_prediction,
        immediate_actions=immediate_actions,
        summary=summary,
        fallback_used=True,
    )