"""视觉大模型 OCR：用多模态 API 从截图中提取文字。"""
from __future__ import annotations

from pathlib import Path

from .base import OCRProvider
from .openai_vision_client import chat_completions, safe_parse_json


_VISION_OCR_SYSTEM = """你是 OCR 助手。用户会给你一张截图，请尽可能完整地提取其中的文字。
只输出 JSON，格式：{"text": "提取到的全部文字，保留换行"}
如果没有可识别文字，text 填空字符串。"""


class VisionOCR(OCRProvider):
    """OpenAI 兼容视觉模型识文（GLM-4V / GPT-4o / Qwen-VL / Ollama 等）。"""

    name = "vision"

    def __init__(
        self,
        base_url: str,
        api_key: str,
        model: str,
        timeout: float = 60.0,
        allow_upload: bool = True,
    ) -> None:
        self.base_url = base_url
        self.api_key = api_key
        self.model = model
        self.timeout = timeout
        self.allow_upload = allow_upload

    async def recognize(self, image_path: Path) -> str:
        """调用视觉模型提取文字。"""
        if not self.allow_upload:
            raise RuntimeError("敏感目录禁止上传图片，无法使用视觉 OCR")

        content = await chat_completions(
            base_url=self.base_url,
            api_key=self.api_key,
            model=self.model,
            system_prompt=_VISION_OCR_SYSTEM,
            user_text="请提取这张截图中的所有文字。",
            image_path=image_path,
            allow_upload=True,
            timeout=self.timeout,
            json_mode=True,
        )
        parsed = safe_parse_json(content)
        text = parsed.get("text") or parsed.get("ocr_text") or content
        return str(text).strip()