Correction QA: Validation arborescence + qualité/sécurité, ajout logique de fin complète, suppression repo non conforme

backend/app/agents/qa_agent.py

@@ -3,8 +3,8 @@ from langchain_openai import ChatOpenAI
 from langchain_core.messages import SystemMessage, HumanMessage
 import httpx
 from app.core.config import settings
-from app.schemas.qa_report import QAEvaluation
-from app.llm.prompts import QA_AGENT_PROMPT
+from app.schemas.qa_report import QAEvaluation, StructureEvaluation
+from app.llm.prompts import QA_AGENT_PROMPT, QA_STRUCTURE_AGENT_PROMPT
 from app.sandbox.qa_client import run_project_qa
 
 logger = logging.getLogger(__name__)
@@ -15,8 +15,9 @@ async_client = httpx.AsyncClient(verify=False)
 async def run_qa_agent(project_title: str, dev_output: dict) -> QAEvaluation:
     """
     Agent QA : 
-    Analyse le code généré à l'aide de l'API externe de la Sandbox (Semgrep uniquement)
-    et produit le rapport d'évaluation structuré final.
+    Analyse le code généré à l'aide de l'API externe de la Sandbox (Semgrep uniquement),
+    valide la structure minimale du projet à l'aide d'un second appel LLM,
+    puis produit le rapport d'évaluation fusionné.
     """
     logger.info(f"[QA Agent] Début du processus d'audit statique pour le projet : {project_title}")
     
@@ -39,12 +40,12 @@ async def run_qa_agent(project_title: str, dev_output: dict) -> QAEvaluation:
         http_async_client=async_client,
     )
 
-    # 2. Exécution de l'analyse statique via le service Sandbox indépendant
+    # 1. Exécution de l'analyse statique via le service Sandbox indépendant
     try:
         repo_name = repo_url.rstrip("/").split("/")[-1]
         logger.info(f"[QA Agent] Envoi du dépôt '{repo_name}' au conteneur d'analyse statique...")
         
-        raw_results = await run_project_qa(repo_name=repo_name)
+        raw_results = await run_project_qa(repo_url=repo_url)
         
         logger.info(f"[QA Agent] 📊 Retour Sandbox Statis - Status : {'Succès' if raw_results.is_executable else 'Échec'}")
         logger.info(f"[QA Agent] 📊 Retour Sandbox - Nombre d'alertes de sécurité/qualité (Semgrep): {len(raw_results.issues)}")
@@ -57,46 +58,84 @@ async def run_qa_agent(project_title: str, dev_output: dict) -> QAEvaluation:
             technical_feedback=[f"L'API de la sandbox a échoué : {type(e).__name__}: {str(e)}"]
         )
     
-    # 3. Génération de l'évaluation finale via LLM
-    structured_llm = llm.with_structured_output(QAEvaluation, strict=True)
-
-    messages = [
-        SystemMessage(content=QA_AGENT_PROMPT),
-    ]
-
-    # Le prompt est nettoyé des mentions relatives à l'exécution de tests dynamiques
-    user_content = f"PROJET À AUDITER : {project_title}\n"
-    user_content += f"LIEN DU DÉPÔT : {repo_url}\n"
-    user_content += f"RÉSULTATS DE L'ANALYSE STATIQUE DU CODE (Semgrep) :\n"
-    user_content += f"{raw_results.model_dump_json(indent=2)}\n\n"
-    user_content += "Analyse ces failles, vulnérabilités et défauts de qualité de code, puis génère ton évaluation de sécurité au format structuré demandé."
-
-    messages.append(HumanMessage(content=user_content))
-
+    # 2. Premier appel LLM : Audit de sécurité (Semgrep)
+    qa_evaluation = None
     try:
-        qa_evaluation = await structured_llm.ainvoke(messages)
-        logger.info(f"[QA Agent] 📝 Justification du LLM : {qa_evaluation.global_summary}")
+        logger.info("[QA Agent] Lancement de l'audit de sécurité et de qualité (Semgrep)...")
+        structured_security_llm = llm.with_structured_output(QAEvaluation, strict=True)
+
+        security_messages = [
+            SystemMessage(content=QA_AGENT_PROMPT),
+            HumanMessage(content=(
+                f"PROJET À AUDITER : {project_title}\n"
+                f"LIEN DU DÉPÔT : {repo_url}\n"
+                f"RÉSULTATS DE L'ANALYSE STATIQUE DU CODE (Semgrep) :\n"
+                f"{raw_results.model_dump_json(indent=2)}\n\n"
+                f"Analyse ces failles, vulnérabilités et défauts de qualité de code, puis génère ton évaluation de sécurité au format structuré demandé."
+            ))
+        ]
+
+        qa_evaluation = await structured_security_llm.ainvoke(security_messages)
         
-        if not qa_evaluation:
-            logger.error("[QA Agent] Le LLM a renvoyé une réponse vide (None).")
-            return QAEvaluation(
-                is_complete_and_safe=False,
-                global_summary="Erreur de formatage de l'évaluation par l'IA.",
-                technical_feedback=["L'évaluation automatique n'a pas pu être structurée correctement."]
-            )
-            
-        if qa_evaluation.is_complete_and_safe:
-            logger.info(f"[QA Agent] ✅ Projet '{project_title}' VALIDÉ (Analyse statique propre).")
-        else:
-            reason = "Erreur d'exécution ou non-conformité" if "exit_code" in str(qa_evaluation) else "Failles de sécurité"
-            logger.warning(f"[QA Agent] ❌ Projet '{project_title}' REJETÉ ({reason}).")
-            
-        return qa_evaluation
+    except Exception as e:
+        logger.error(f"[QA Agent] ❌ Échec lors de l'audit de sécurité LLM : {type(e).__name__}: {str(e)}")
+        qa_evaluation = QAEvaluation(
+            is_complete_and_safe=False,
+            global_summary="Erreur lors de la génération du rapport de sécurité par le LLM.",
+            technical_feedback=[f"Le module de sécurité a échoué : {type(e).__name__}"]
+        )
+
+    # 3. Second appel LLM : Validation de la structure minimale (Arborescence)
+    structure_evaluation = None
+    try:
+        logger.info("[QA Agent] Lancement de l'audit de conformité de l'arborescence...")
+        structured_structure_llm = llm.with_structured_output(StructureEvaluation, strict=True)
+        
+        repo_structure = raw_results.runtime.stdout or "Arborescence non détectée ou vide."
+
+        structure_messages = [
+            SystemMessage(content=QA_STRUCTURE_AGENT_PROMPT),
+            HumanMessage(content=(
+                f"PROJET À ANALYSER : {project_title}\n"
+                f"ARBORESCENCE DU RÉPERTOIRE CLONÉ :\n"
+                f"{repo_structure}\n\n"
+                f"Vérifie si la structure respecte les exigences minimales et fournis ton évaluation structurée."
+            ))
+        ]
+
+        structure_evaluation = await structured_structure_llm.ainvoke(structure_messages)
+        logger.info(f"[QA Agent] 📁 Structure détectée : {structure_evaluation.detected_language} | Valide : {structure_evaluation.is_valid}")
 
     except Exception as e:
-        logger.error(f"[QA Agent] ❌ Échec critique lors de l'analyse LLM : {type(e).__name__}: {str(e)}")
-        return QAEvaluation(
-            is_complete_and_safe=False,
-            global_summary="Erreur interne de l'Agent QA lors de la génération du rapport LLM.",
-            technical_feedback=[f"Le LLM a crashé avec l'erreur : {type(e).__name__}."]
-        )
+        logger.error(f"[QA Agent] ❌ Échec lors de la validation de structure LLM : {type(e).__name__}: {str(e)}")
+        structure_evaluation = StructureEvaluation(
+            is_valid=False,
+            detected_language="Inconnu",
+            missing_elements=["Erreur d'analyse structurelle"],
+            feedback="Le module d'analyse d'arborescence a rencontré une erreur de traitement."
+        )
+
+    # 4. Fusion des résultats des deux audits
+    final_is_complete_and_safe = qa_evaluation.is_complete_and_safe and structure_evaluation.is_valid
+    final_feedback = list(qa_evaluation.technical_feedback)
+    if not structure_evaluation.is_valid:
+        for missing in structure_evaluation.missing_elements:
+            final_feedback.append(f"[Structure] Élément obligatoire manquant : {missing}")
+
+    final_summary = (
+        f"{qa_evaluation.global_summary}\n\n"
+        f"--- 📁 Validation de la Structure ({structure_evaluation.detected_language}) ---\n"
+        f"Statut : {'Conforme' if structure_evaluation.is_valid else 'Non conforme'}\n"
+        f"Feedback : {structure_evaluation.feedback}"
+    )
+
+    if final_is_complete_and_safe:
+        logger.info(f"[QA Agent] ✅ Projet '{project_title}' VALIDÉ (Sécurité & Structure OK).")
+    else:
+        logger.warning(f"[QA Agent] ❌ Projet '{project_title}' REJETÉ (Non-conformité détectée).")
+
+    return QAEvaluation(
+        is_complete_and_safe=final_is_complete_and_safe,
+        global_summary=final_summary,
+        technical_feedback=final_feedback
+    )