152 lines
5.1 KiB
Python
152 lines
5.1 KiB
Python
import json
|
|
import logging
|
|
import re
|
|
from typing import Any
|
|
|
|
from sqlalchemy.orm import Session
|
|
|
|
from app.config import get_settings
|
|
from app.llm.client import LLMClient
|
|
from app.memory.service import MemoryService
|
|
from app.projects.structuring import strip_markdown_json
|
|
|
|
logger = logging.getLogger(__name__)
|
|
|
|
SKIP_USER_PATTERN = re.compile(
|
|
r"^(ок|ok|да|нет|спасибо|thanks|\.{1,3}|👍|\+1)$",
|
|
re.IGNORECASE,
|
|
)
|
|
|
|
EXTRACTION_PROMPT = """
|
|
Ты извлекаешь долгосрочные факты о пользователе из фрагмента диалога.
|
|
Ответь ТОЛЬКО JSON без markdown.
|
|
|
|
Схема:
|
|
{
|
|
"facts": [
|
|
{"content": "текст факта", "category": "preference|person|habit|project|fact", "importance": 1}
|
|
],
|
|
"profile": {"name": "", "age": "", "timezone": "", "notes": ""}
|
|
}
|
|
|
|
Правила:
|
|
- Сохраняй устойчивое: имя, возраст, предпочтения, привычки, проекты, семья, работа.
|
|
- НЕ сохраняй: статус помидоро, погоду, разовые команды, ролевую игру, выдумки ассистента.
|
|
- profile — только поля с новыми значениями (пустые строки не включай).
|
|
- facts — короткие утверждения от первого лица пользователя («люблю кофе», «меня зовут …»).
|
|
- Если нечего сохранять — {"facts": [], "profile": {}}.
|
|
- Не дублируй уже известное (см. текущий профиль и факты ниже).
|
|
- importance: 5 критично (имя), 4 важно, 3 обычно, 2 мелочь.
|
|
""".strip()
|
|
|
|
|
|
def _should_skip_extraction(user_text: str) -> bool:
|
|
text = user_text.strip()
|
|
if len(text) < 4:
|
|
return True
|
|
if SKIP_USER_PATTERN.match(text):
|
|
return True
|
|
return False
|
|
|
|
|
|
async def _call_extractor(
|
|
user_text: str,
|
|
assistant_text: str,
|
|
snapshot: dict[str, Any],
|
|
) -> dict[str, Any]:
|
|
profile = snapshot.get("profile") or {}
|
|
facts = snapshot.get("facts") or []
|
|
known = [
|
|
f"Профиль: {json.dumps(profile, ensure_ascii=False)}",
|
|
"Факты:",
|
|
*[f"- {f.get('content')}" for f in facts[:30]],
|
|
]
|
|
|
|
settings = get_settings()
|
|
extract_model = settings.memory_extract_model.strip() or None
|
|
|
|
llm = LLMClient()
|
|
result = await llm.complete(
|
|
[
|
|
{"role": "system", "content": EXTRACTION_PROMPT},
|
|
{
|
|
"role": "user",
|
|
"content": (
|
|
"\n".join(known)
|
|
+ "\n\n---\nДиалог:\nПользователь: "
|
|
+ user_text
|
|
+ "\nАссистент: "
|
|
+ assistant_text[:1500]
|
|
),
|
|
},
|
|
],
|
|
temperature=0.2,
|
|
model=extract_model,
|
|
)
|
|
raw = strip_markdown_json(result.get("content") or "")
|
|
if not raw:
|
|
return {"facts": [], "profile": {}}
|
|
parsed = json.loads(raw)
|
|
if not isinstance(parsed, dict):
|
|
return {"facts": [], "profile": {}}
|
|
return parsed
|
|
|
|
|
|
async def extract_after_turn(
|
|
db: Session,
|
|
session_id: int,
|
|
user_text: str,
|
|
assistant_text: str,
|
|
*,
|
|
force: bool = False,
|
|
) -> dict[str, Any]:
|
|
if not force and _should_skip_extraction(user_text):
|
|
return {"ok": True, "skipped": "short_message", "saved": []}
|
|
|
|
if not (assistant_text or "").strip():
|
|
return {"ok": True, "skipped": "no_assistant_reply", "saved": []}
|
|
|
|
memory = MemoryService(db)
|
|
snapshot = memory.snapshot(session_id)
|
|
|
|
try:
|
|
parsed = await _call_extractor(user_text, assistant_text, snapshot)
|
|
except (json.JSONDecodeError, Exception) as exc:
|
|
logger.warning("Memory extraction failed: %s", exc)
|
|
return {"ok": False, "error": str(exc), "saved": []}
|
|
|
|
saved: list[dict[str, Any]] = []
|
|
|
|
profile_updates = parsed.get("profile") or {}
|
|
if isinstance(profile_updates, dict):
|
|
filtered = {
|
|
k: str(v).strip()
|
|
for k, v in profile_updates.items()
|
|
if v and str(v).strip()
|
|
}
|
|
if filtered:
|
|
memory.update_profile(filtered)
|
|
saved.append({"type": "profile", "updates": filtered})
|
|
|
|
facts = parsed.get("facts") or []
|
|
if isinstance(facts, list):
|
|
for item in facts:
|
|
if not isinstance(item, dict):
|
|
continue
|
|
content = (item.get("content") or "").strip()
|
|
if not content or len(content) < 3:
|
|
continue
|
|
try:
|
|
result = memory.remember_fact(
|
|
content,
|
|
category=str(item.get("category") or "fact")[:64],
|
|
importance=int(item.get("importance") or 3),
|
|
session_id=session_id,
|
|
source="auto",
|
|
)
|
|
saved.append({"type": "fact", **result})
|
|
except ValueError:
|
|
continue
|
|
|
|
return {"ok": True, "saved": saved, "count": len(saved)}
|