// 主要分割方法
fun split(input: String): List<String>

// 多种分割方案
fun getMultipleSplits(input: String): List<List<String>>

// 动态分割（实时输入）
fun splitDynamic(input: String): List<String>

// 智能分割（最佳结果）
fun splitSmart(input: String): List<String>

// 分段拆分（长句处理）
fun splitIntoSegments(input: String): List<List<String>>

enum class QueryStrategy {
    CHARS_BASE_PRIORITY,    // 单字+基础词组优先
    ABBREVIATION_MATCH,     // 缩写匹配
    CORRELATION_PRIORITY,   // 4字词组优先
    ASSOCIATIONAL_PRIORITY, // 长词组优先
    STOP_QUERY             // 停止查询
}

enum class InputType {
    SINGLE_CHAR,        // 单字符
    ABBREVIATION,       // 缩写
    SHORT_INPUT,        // 短输入(2-3分段)
    MEDIUM_INPUT,       // 中等输入(4分段)
    LONG_INPUT,         // 长输入(5-6分段)
    OVER_LIMIT          // 超过限制(7+分段)
}

enum class QueryMethod {
    EXACT_MATCH,        // 精确匹配
    PREFIX_MATCH,       // 前缀匹配
    FUZZY_MATCH,        // 模糊匹配
    ABBREVIATION_MATCH, // 缩写匹配
    SEGMENTED_MATCH,    // 分段匹配
    SYLLABLE_MATCH      // 音节匹配
}

// 智能分层显示策略
第1层: 完整短语匹配（与音节数相同的词组）
第2层: 智能分段组合（2+4、4+2、3+3等分段）
第3层: 常用短语优先（2-3字高频词组）
第4-N层: 按音节顺序的单字候选

// 示例：jin tian tian qi hen hao (6个音节)
第1层: 6字完整短语
第2层: "今天" + "天气很好" (2+4分段)
第3层: "今天天气" + "很好" (4+2分段)
第4层: "今天天" + "气很好" (3+3分段)

// Trie查询失败时回退到Realm数据库
private suspend fun queryWithFallback(
    trieTypes: List<TrieType>,
    query: String,
    limit: Int
): List<WordFrequency> {
    // 1. 优先Trie查询
    val trieResults = queryFromTrie(trieTypes, query, limit)
    
    // 2. 结果不足时回退到Realm
    if (trieResults.size < limit) {
        val realmResults = queryFromRealm(query, limit)
        return (trieResults + realmResults).distinctBy { it.word }
    }
    
    return trieResults
}

open class Entry : RealmObject {
    @PrimaryKey
    var id: String = ""           // 词条唯一标识符
    
    var word: String = ""         // 词条文本内容
    
    @Index
    var pinyin: String = ""       // 词条拼音（空格分隔）
    
    @Index
    var initialLetters: String = "" // 拼音首字母缩写
    
    var frequency: Int = 0        // 词频
    
    var type: String = ""         // 词典类型
}

// 前缀匹配查询
realm.query(Entry::class)
    .query("pinyin BEGINSWITH $0 OR initialLetters BEGINSWITH $0", query)
    .limit(limit)
    .find()

class PinyinTrie : Serializable {
    private val root = TrieNode()           // 根节点
    private val lock = ReentrantReadWriteLock() // 读写锁
    
    // 插入词语
    fun insert(pinyin: String, word: String, frequency: Int)
    
    // 前缀搜索
    fun searchByPrefix(prefix: String, limit: Int): List<WordItem>
    
    // 内存统计
    fun getMemoryStats(): TrieMemoryStats
}

class TrieNode : Serializable {
    val children: MutableMap<Char, TrieNode> = HashMap()
    val words: MutableList<WordItem> = ArrayList()
    var isEndOfWord: Boolean = false
    
    companion object {
        const val MAX_WORDS_PER_NODE = 50        // 普通节点最大词数
        const val MAX_WORDS_PER_NODE_CHARS = 1000 // 单字节点最大词数
    }
}

// 轻量级初始化（启动时）
fun init() {
    // 只检查可用文件，不加载到内存
    val availableTypes = checkAvailableTrieFiles()
    isInitialized = true
}

// 按需加载（使用时）
suspend fun ensureTrieLoaded(trieType: TrieType) {
    if (!isTrieLoaded(trieType)) {
        loadTrieFromAssets(trieType)
    }
}

class LlmManager {
    // 模型管理
    private var llmInference: LlmInference? = null
    
    // 异步初始化
    suspend fun initialize(): Boolean
    
    // 文本生成
    suspend fun generateResponse(prompt: String): String?
    
    // 资源管理
    fun release()
}

class LlmSession {
    // Native指针管理
    private var nativePtr: Long = 0
    
    // 模型加载
    fun load()
    
    // 文本生成
    fun generate(prompt: String, params: Map<String, Any>): HashMap<String, Any>
    
    // 会话重置
    fun reset(): String
    
    // 资源释放
    fun release()
}

// MediaPipe配置
val options = LlmInference.LlmInferenceOptions.builder()
    .setModelPath(modelFile.absolutePath)
    .setMaxTokens(1024)
    .setMaxTopK(40)
    .build()

// MNN配置
val config = ModelConfig.loadMergedConfig(configPath, extraConfigFile)
val configMap = HashMap<String, Any>().apply {
    put("is_r1", ModelUtils.isR1Model(modelId))
    put("mmap_dir", rootCacheDir ?: "")
    put("keep_history", keepHistory)
}

suspend fun correctPinyin(
    input: String, 
    context: InputContext
): List<CorrectionSuggestion> {
    val prompt = buildCorrectionPrompt(input, context)
    val response = llmManager?.generateResponse(prompt)
    return parseCorrectionResponse(response, input)
}

suspend fun generateContinuation(
    text: String,
    context: InputContext
): List<ContinuationSuggestion> {
    val prompt = buildContinuationPrompt(text, context)
    val response = llmManager?.generateResponse(prompt)
    return parseContinuationResponse(response)
}

suspend fun analyzeSemantics(
    input: String,
    context: InputContext
): SemanticAnalysis {
    val prompt = buildSemanticPrompt(input, context)
    val response = llmManager?.generateResponse(prompt)
    return parseSemanticResponse(response)
}