omniai-web/src/api/scriptEvalClient.ts

import { buildApiUrl, buildAuthHeaders } from "./serverConnection";

export interface ScriptEvalResult {
  totalScore: number;
  grade: string;
  dimensionScores: Record<string, number>;
  summary: string;
  issues: string[];
  highlights: string[];
  suggestions: string[];
}

const MODEL = "qwen3.7-max";

const EVAL_SYSTEM_PROMPT = `你是一位资深影视剧本评审专家，拥有二十年以上的编剧、制片和剧本医生经验。你精通各类影视叙事理论（三幕式、英雄之旅、起承转合、序列法），同时深度跟踪AIGC短剧/漫剧行业最新趋势。你的任务是对用户提供的剧本进行严谨、系统、多维度的量化评分。

【剧本类型识别】
收到剧本后，首先判断类型：AIGC短剧/漫剧（单集5-30分钟，竖屏平台，高密度反转、强节奏）或传统影视剧本（单集40分钟以上，长视频平台，完整起承转合）。类型判定将影响各维度的评价侧重点。

【评分体系（100分制，六个维度）】
1. hook 钩子设计（20分）：开篇钩子、集末钩子、场景内钩子、悬念链完整性。短剧前3秒须有即时爆点；长剧第一幕结束前须建立核心悬念。
2. plot 剧情结构（20分）：结构框架、节奏控制、冲突设计、逻辑自洽。短剧"每分钟有事件"，反转密度加分；长剧需处理好B线C线与主线交织。
3. character 角色塑造（18分）：主角弧光、角色辨识度、角色动机、配角质量。短剧角色须在前2分钟建立；长剧需要内在矛盾和多阶段成长。
4. dialogue 台词对白（15分）：角色语言区分度、信息传递效率、潜台词与留白、金句与记忆点。
5. visual 画面表现（15分）：场景描写质量、视觉叙事技巧、镜头感与节奏、制作可行性。AIGC需考虑AI生成技术边界与一致性。
6. content 内容深度（12分）：主题表达、情感共鸣、社会/人性洞察。

【评分铁律】
- 扣分必须明确指出剧本中的具体段落/场景/台词。
- 严禁给出任何维度的满分，必须有扣分理由。
- 优缺点都要充分展开，不可只批不夸或只夸不批。
- 不因题材类型偏见降低评分，不因某一方面出色而抬高其他维度（避免光环效应）。
- 敢于拉开各维度分数差距，避免全部给中等分数。

【等级标准】按总分百分比：S≥90 | A 80-89 | B 70-79 | C 60-69 | D<60。

请严格按以下 JSON 格式返回（不要包含任何其他文字，不要用代码块包裹以外的说明）：
{
  "dimensionScores": { "hook": 数字, "plot": 数字, "character": 数字, "dialogue": 数字, "visual": 数字, "content": 数字 },
  "summary": "200-300字综合评价，概括整体质量、市场潜力与目标受众匹配度",
  "issues": ["每条指出具体维度的扣分点并引用剧本原文位置", ...],
  "highlights": ["核心亮点，引用剧本具体场景", ...],
  "suggestions": ["按优先级排列的改进建议（最优先/次优先/可优化）", ...]
}`;

const DIMENSION_WEIGHTS: Record<string, { maxScore: number }> = {
  hook: { maxScore: 20 },
  plot: { maxScore: 20 },
  character: { maxScore: 18 },
  dialogue: { maxScore: 15 },
  visual: { maxScore: 15 },
  content: { maxScore: 12 },
};

function computeTotalAndGrade(scores: Record<string, number>): { totalScore: number; grade: string } {
  const totalScore = Math.round(
    Object.entries(DIMENSION_WEIGHTS).reduce((sum, [key, dim]) => {
      return sum + Math.max(0, Math.min(dim.maxScore, scores[key] ?? 0));
    }, 0),
  );
  const grade = totalScore >= 90 ? "S" : totalScore >= 80 ? "A" : totalScore >= 70 ? "B" : totalScore >= 60 ? "C" : "D";
  return { totalScore, grade };
}

function extractJson(text: string): unknown {
  const fenced = text.match(/```(?:json)?\s*([\s\S]*?)```/);
  const raw = fenced ? fenced[1].trim() : text.trim();
  return JSON.parse(raw);
}

export async function evaluateScript(script: string, signal?: AbortSignal): Promise<ScriptEvalResult> {
  const res = await fetch(buildApiUrl("ai/chat"), {
    method: "POST",
    headers: buildAuthHeaders(),
    body: JSON.stringify({
      model: MODEL,
      messages: [
        { role: "system", content: EVAL_SYSTEM_PROMPT },
        { role: "user", content: `请评测以下剧本：\n\n${script.slice(0, 8000)}` },
      ],
      stream: false,
      temperature: 0.3,
      max_tokens: 4096,
    }),
    signal,
  });

  if (!res.ok) {
    const errText = await res.text().catch(() => "");
    throw new Error(`评测请求失败 (${res.status}): ${errText.slice(0, 200)}`);
  }

  const payload = await res.json();
  const content: string = payload?.content ?? payload?.choices?.[0]?.message?.content ?? payload?.text ?? "";

  if (!content) throw new Error("模型未返回有效内容");

  const parsed = extractJson(content) as Record<string, unknown>;
  const dimensionScores: Record<string, number> = {};
  const rawScores = parsed.dimensionScores as Record<string, number> | undefined;
  if (!rawScores || typeof rawScores !== "object") throw new Error("评分格式异常");

  for (const key of Object.keys(DIMENSION_WEIGHTS)) {
    const val = Number(rawScores[key] ?? 0);
    dimensionScores[key] = Math.max(0, Math.min(DIMENSION_WEIGHTS[key].maxScore, val));
  }

  const { totalScore, grade } = computeTotalAndGrade(dimensionScores);

  return {
    totalScore,
    grade,
    dimensionScores,
    summary: String(parsed.summary || ""),
    issues: Array.isArray(parsed.issues) ? parsed.issues.map(String) : [],
    highlights: Array.isArray(parsed.highlights) ? parsed.highlights.map(String) : [],
    suggestions: Array.isArray(parsed.suggestions) ? parsed.suggestions.map(String) : [],
  };
}