THE DARK SIDE OF GLORY: WHEN THE ELITE BORROW SWEAT TO SELL DREAMS

 """

Core Cognitive Symbiosis & Structural Analysis Engine - OFFICIAL AI SOFTWARE (v1.0.0)

Framework: CS = AQ * (EQ_AI + IQ_AI) with Adaptive Feedback Loops

"""

import os

import logging

import json

import sqlite3

import urllib.request

from dataclasses import dataclass

from typing import Dict, List, Any, Optional

from openai import OpenAI

# 1. CẤU HÌNH HỆ THỐNG LOGGING CHUYÊN NGHIỆP

logging.basicConfig(

    level=logging.INFO,

    format="[%(asctime)s] [%(levelname)s] [COGNITIVE_NODE]: %(message)s",

    handlers=[

        logging.FileHandler("cognitive_engine.log", encoding="utf-8"),

        logging.StreamHandler()

    ]

)

logger = logging.getLogger("CognitiveEngine")

try:

    client = OpenAI()

except Exception:

    client = None

    logger.warning("OPENAI_API_KEY chưa được cấu hình. Hệ thống sẽ chạy giả lập nhận thức.")

# ==========================================

# THÀNH PHẦN 1: QUẢN LÝ THÔNG SỐ & TỰ TIẾN HÓA (SELF-EVOLUTION)

# ==========================================

@dataclass

class CognitiveParameters:

    adversarial_quotient: float       # AQ: Hệ số phản biện / Hoài nghi khoa học

    ai_emotional_intelligence: float   # EQ_AI: Hệ số căn chỉnh ngữ cảnh con người

    ai_intellectual_intelligence: float # IQ_AI: Hệ số phân tích logic / Khớp mẫu

    version: int = 1

    def calculate_symbiotic_capacity(self) -> float:

        return float(self.adversarial_quotient * (self.ai_emotional_intelligence + self.ai_intellectual_intelligence))

    def evolve(self, feedback_score: float):

        """

        Cơ chế tự tiến hóa: Điều chỉnh các hệ số dựa trên đánh giá của người dùng (-1.0 đến 1.0)

        Nếu người dùng chê AI quá lý thuyết -> Tăng EQ, giảm bớt sự khắt khe quá mức của AQ.

        Nếu người dùng chê AI đưa tin rác -> Tăng AQ để siết chặt bộ lọc.

        """

        learning_rate = 0.05

        if feedback_score < 0: # Người dùng không hài lòng với kết quả

            self.adversarial_quotient = max(0.5, min(1.0, self.adversarial_quotient + learning_rate))

            self.ai_intellectual_intelligence = max(0.5, min(1.0, self.ai_intellectual_intelligence - learning_rate))

            logger.info(f"🔄 Hệ thống tự điều chỉnh (Tiến hóa v{self.version + 1}): Tăng AQ lên {self.adversarial_quotient:.2f} để siết chặt bộ lọc.")

        else: # Người dùng hài lòng

            self.ai_emotional_intelligence = max(0.5, min(1.0, self.ai_emotional_intelligence + (learning_rate * 0.5)))

            logger.info(f"✨ Hệ thống tối ưu hóa trạng thái ổn định. EQ cập nhật: {self.ai_emotional_intelligence:.2f}")

        self.version += 1

# ==========================================

# THÀNH PHẦN 2: BỘ THU THẬP DỮ LIỆU TỰ ĐỘNG (NEWS API / SCRAPER)

# ==========================================

class AutomatedDataIngestion:

    """Tự động thu thập dòng sự kiện địa chính trị/kinh tế từ nguồn API hoặc Scraper dự phòng"""

    def __init__(self, api_key: Optional[str] = None):

        self.api_key = api_key or os.environ.get("NEWS_API_KEY")

    def fetch_geopolitical_stream(self, query: str = "geopolitics OR economy", max_results: int = 5) -> List[Dict[str, str]]:

        logger.info(f"🌐 Đang quét nguồn dữ liệu trực tuyến với từ khóa: '{query}'...")

        

        # Phương án 1: Sử dụng NewsAPI chính thức nếu có Key

        if self.api_key:

            url = f"https://newsapi.org{urllib.parse.quote(query)}&pageSize={max_results}&apiKey={self.api_key}"

            try:

                with urllib.request.urlopen(url) as response:

                    data = json.loads(response.read().decode())

                    stream = []

                    for idx, art in enumerate(data.get("articles", [])):

                        stream.append({

                            "id": f"NEWS_API_{idx:02d}",

                            "content": f"{art.get('title')}. {art.get('description')}"

                        })

                    return stream

            except Exception as e:

                logger.error(f"Lỗi kết nối NewsAPI: {e}. Chuyển sang cơ chế dữ liệu giả định thông minh.")

        # Phương án 2: Tự động tạo Mock Stream chất lượng cao (Fallback Scraper) để phần mềm không bị gián đoạn

        return [

            {"id": "SCRAPE_01", "content": "Căng thẳng leo thang tại eo biển Malacca khiến phí bảo hiểm vận tải biển tăng vọt 45% trong tuần này."},

            {"id": "SCRAPE_02", "content": "Tin nóng!!! Các nhà khoa học phát hiện bí mật động trời về năng lượng vĩnh cửu, bấm vào link để xem ngay kẻo xóa!"},

            {"id": "SCRAPE_03", "content": "Ngân hàng Trung ương châu Âu (ECB) cân nhắc hạ lãi suất thêm 25 điểm cơ bản trong cuộc họp tháng tới nhằm kích cầu kinh tế."}

        ]

# ==========================================

# THÀNH PHẦN 3: BỘ LỌC PHẢN BIỆN & ĐỘNG CƠ PHÂN TÍCH (AI COGNITIVE ENGINE)

# ==========================================

class CognitiveAIPipeline:

    def __init__(self, parameters: CognitiveParameters):

        self.params = parameters

        self.db_name = "cognitive_memory.db"

        self._init_database()

    def _init_database(self):

        """Khởi tạo tầng lưu trữ dữ liệu (Memory Layer) bảo vệ dữ liệu vĩnh viễn"""

        with sqlite3.connect(self.db_name) as conn:

            cursor = conn.cursor()

            cursor.execute("""

                CREATE TABLE IF NOT EXISTS processed_nodes (

                    id TEXT PRIMARY KEY,

                    content TEXT,

                    verification_score REAL,

                    status TEXT

                )

            """)

            cursor.execute("""

                CREATE TABLE IF NOT EXISTS system_logs (

                    id INTEGER PRIMARY KEY AUTOINCREMENT,

                    cs_index REAL,

                    config_json TEXT,

                    analysis_report TEXT

                )

            """)

            conn.commit()

    def _save_node(self, node_id: str, content: str, score: float, status: str):

        with sqlite3.connect(self.db_name) as conn:

            conn.execute(

                "INSERT OR REPLACE INTO processed_nodes VALUES (?, ?, ?, ?)",

                (node_id, content, score, status)

            )

    def evaluate_and_analyze(self, raw_stream: List[Dict[str, str]]) -> Dict[str, Any]:

        cs_index = self.params.calculate_symbiotic_capacity()

        logger.info(f"🧠 Khởi chạy chuỗi nhận thức AI. Chỉ số Cộng sinh (CS): {cs_index:.3f}")

        

        if not client:

            # Fallback mô phỏng nếu không có OpenAI API Key

            return {

                "status": "SIMULATION_MODE",

                "message": "Vui lòng cấu hình OPENAI_API_KEY để chạy mô hình phân tích sâu."

            }

        # BƯỚC 1: LỌC ADVERSARIAL FILTER (Dùng AQ)

        cleaned_nodes = []

        for item in raw_stream:

            prompt = f"Chấm điểm từ 0.0 đến 1.0 về độ tin cậy, tính xác thực khoa học (Loại bỏ tin rác/giật gân). Nội dung: {item['content']}. Chỉ trả về duy nhất 1 con số."

            try:

                res = client.chat.completions.create(

                    model="gpt-4o-mini", messages=[{"role": "user", "content": prompt}], temperature=0.2, max_tokens=5

                )

                score = float(res.choices.message.content.strip())

            except:

                score = 0.5

            

            status = "ACCEPTED" if score >= (1.1 - self.params.adversarial_quotient) else "DISCARDED"

            self._save_node(item['id'], item['content'], score, status)

            

            if status == "ACCEPTED":

                cleaned_nodes.append(item)

                logger.info(f"✅ Đã DUYỆT {item['id']} (Score: {score})")

            else:

                logger.warning(f"❌ Đã LỌC BỎ RÁC: {item['id']} (Score: {score})")

        if not cleaned_nodes:

            return {"status": "CRITICAL", "message": "Bộ lọc AQ đã chặn toàn bộ luồng dữ liệu rác."}

        # BƯỚC 2: PHÂN TÍCH CẤU TRÚC (Dùng IQ + EQ)

        aggregated = "\n".join([f"- {n['content']}" for n in cleaned_nodes])

        system_instruction = f"Bạn là lõi nhận thức phân tích hệ thống cấu trúc. Trọng số tư duy logic IQ: {self.params.ai_intellectual_intelligence}, Trọng số thấu hiểu bối cảnh EQ: {self.params.ai_emotional_intelligence}. Hãy phân tích nguyên nhân gốc rễ và xuất kịch bản giả định dạng JSON."

        

        response = client.chat.completions.create(

            model="gpt-4o",

            messages=[{"role": "system", "content": system_instruction}, {"role": "user", "content": aggregated}],

            response_format={"type": "json_object"}

        )

        

        report = json.loads(response.choices.message.content)

        

        # Lưu vết lịch sử hệ thống

        with sqlite3.connect(self.db_name) as conn:

            conn.execute(

                "INSERT INTO system_logs (cs_index, config_json, analysis_report) VALUES (?, ?, ?)",

                (cs_index, json.dumps(self.params.__dict__), json.dumps(report))

            )

        

        return report

# ==========================================

# THÀNH PHẦN 4: GIAO DIỆN ĐIỀU HÀNH & TƯƠNG TÁC

# ==========================================

def main():

    print("="*50)

    print(" CORE COGNITIVE SYMBIOSIS ENGINE - INITIALIZING...")

    print("="*50)

    

    # 1. Khởi tạo cấu hình nhận thức ban đầu

    config = CognitiveParameters(

        adversarial_quotient=0.85, 

        ai_emotional_intelligence=0.80, 

        ai_intellectual_intelligence=0.90

    )

    

    # 2. Khởi tạo các module lõi phần mềm

    ingestion = AutomatedDataIngestion()

    pipeline = CognitiveAIPipeline(parameters=config)

    

    # VÒNG LẶP ĐIỀU HÀNH TỰ ĐỘNG HÓA LIÊN TỤC (Tương tác & Tự tiến hóa)

    while True:

        # Bước A: Tự động nạp dữ liệu từ không gian mạng

        raw_data = ingestion.fetch_geopolitical_stream()

        

        # Bước B: Xử lý qua bộ lọc nhận thức AI

        if os.environ.get("OPENAI_API_KEY"):

            report = pipeline.evaluate_and_analyze(raw_data)