family_budget/backend/src/services/pdfToStatement.ts

import OpenAI from 'openai';
import { config } from '../config';
import type { StatementFile } from '@family-budget/shared';

const PDF2JSON_PROMPT = `Ты — конвертер банковских выписок. Твоя задача: извлечь данные из текста банковской выписки ниже и вернуть строго один валидный JSON-объект в формате ниже. Никакого текста до или после JSON, только сам объект.

## Структура выходного JSON

{
  "schemaVersion": "1.0",
  "bank": "<название банка из выписки>",
  "statement": {
    "accountNumber": "<номер счёта, только цифры, без пробелов>",
    "currency": "RUB",
    "openingBalance": <число в копейках, целое>,
    "closingBalance": <число в копейках, целое>,
    "exportedAt": "<дата экспорта в формате ISO 8601 с offset, например 2026-02-27T13:23:00+03:00>"
  },
  "transactions": [
    {
      "operationAt": "<дата и время операции в формате ISO 8601 с offset>",
      "amountSigned": <число: положительное для прихода, отрицательное для расхода; 0 допустим только если сумма фактически в commission и в description есть «Зачисление»>,
      "commission": <число, целое, >= 0, в копейках>,
      "description": "<полное описание операции из выписки>"
    }
  ]
}

## Правила конвертации

1. Суммы — всегда в копейках (рубли × 100). Пример: 500,00 ₽ → 50000, -1234,56 ₽ → -123456.
2. amountSigned: приход — положительное, расход — отрицательное.
   amountSigned = 0 допускается только для кейса кэшбэка/зачисления, когда сумма указана в commission и в description есть «Зачисление».
3. operationAt — дата и время, если не указано — 00:00:00, offset +03:00 для МСК.
4. commission — если не указана — 0.
5. description — полный текст операции как в выписке.
6. accountNumber — только цифры, без пробелов и дефисов.
7. openingBalance / closingBalance — в копейках.
8. bank — краткое название (VTB, Sberbank, Тинькофф).
9. exportedAt — дата формирования выписки.
10. transactions — хронологический порядок.

## Требования

- transactions не должен быть пустым.
- Все числа — целые.
- Даты — ISO 8601 с offset.
- currency всегда "RUB".
- schemaVersion всегда "1.0".`;

export interface PdfConversionError {
  status: number;
  error: string;
  message: string;
}

export function isPdfConversionError(r: unknown): r is PdfConversionError {
  return (
    typeof r === 'object' &&
    r !== null &&
    'status' in r &&
    'error' in r &&
    'message' in r
  );
}

// Lazy-loaded so the app starts even if pdf-parse is missing from node_modules.
let _pdfParse: ((buf: Buffer) => Promise<{ text: string }>) | undefined;
function getPdfParse() {
  if (!_pdfParse) {
    // eslint-disable-next-line @typescript-eslint/no-require-imports
    _pdfParse = require('pdf-parse') as (buf: Buffer) => Promise<{ text: string }>;
  }
  return _pdfParse;
}

export async function convertPdfToStatement(
  buffer: Buffer,
): Promise<StatementFile | PdfConversionError> {
  if (!config.llmApiKey || config.llmApiKey.trim() === '') {
    return {
      status: 503,
      error: 'SERVICE_UNAVAILABLE',
      message: 'Конвертация PDF недоступна: не задан LLM_API_KEY',
    };
  }

  let text: string;
  try {
    const result = await getPdfParse()(buffer);
    text = result.text || '';
  } catch (err) {
    console.error('PDF extraction error:', err);
    return {
      status: 400,
      error: 'BAD_REQUEST',
      message: 'Не удалось обработать PDF-файл',
    };
  }

  if (!text || text.trim().length === 0) {
    return {
      status: 400,
      error: 'BAD_REQUEST',
      message: 'Не удалось извлечь текст из PDF',
    };
  }

  const openai = new OpenAI({
    apiKey: config.llmApiKey,
    ...(config.llmApiBaseUrl && { baseURL: config.llmApiBaseUrl }),
    timeout: 5 * 60 * 1000,
  });

  try {
    const completion = await openai.chat.completions.create({
      model: config.llmModel,
      messages: [
        { role: 'system', content: PDF2JSON_PROMPT },
        { role: 'user', content: `Текст выписки:\n\n${text}` },
      ],
      temperature: 0,
      max_tokens: 32768,
    });

    const content = completion.choices[0]?.message?.content?.trim();
    if (!content) {
      return {
        status: 422,
        error: 'VALIDATION_ERROR',
        message: 'Результат конвертации пуст',
      };
    }

    const jsonMatch = content.match(/\{[\s\S]*\}/);
    const jsonStr = jsonMatch ? jsonMatch[0] : content;
    let parsed: unknown;
    try {
      parsed = JSON.parse(jsonStr);
    } catch {
      return {
        status: 422,
        error: 'VALIDATION_ERROR',
        message: 'Результат конвертации не является валидным JSON',
      };
    }

    const data = parsed as Record<string, unknown>;
    if (data.schemaVersion !== '1.0') {
      return {
        status: 422,
        error: 'VALIDATION_ERROR',
        message: 'Результат конвертации не соответствует схеме 1.0',
      };
    }

    return parsed as StatementFile;
  } catch (err) {
    console.error('LLM conversion error:', err);
    return {
      status: 502,
      error: 'BAD_GATEWAY',
      message: extractLlmErrorMessage(err),
    };
  }
}

function extractLlmErrorMessage(err: unknown): string {
  const raw = String(
    (err as Record<string, unknown>)?.message ??
    (err as Record<string, Record<string, unknown>>)?.error?.message ?? '',
  );
  if (/context.length|n_ctx|too.many.tokens|maximum.context/i.test(raw)) {
    return 'PDF-файл слишком большой для обработки. Попробуйте файл с меньшим количеством операций или используйте модель с большим контекстным окном.';
  }
  if (/timeout|timed?\s*out|ETIMEDOUT|ECONNREFUSED/i.test(raw)) {
    return 'LLM-сервер не отвечает. Проверьте, что сервер запущен и доступен.';
  }
  return 'Временная ошибка конвертации';
}