Etape 1 OK, sans optionnel
This commit is contained in:
Chevallier
@@ -1,15 +1,179 @@
|
||||
#pm_agent.py
|
||||
import json
|
||||
import re
|
||||
import logging
|
||||
from langchain_openai import ChatOpenAI
|
||||
from app.schemas.spec import ProjectSpec
|
||||
from app.llm.prompts import PM_AGENT_PROMPT
|
||||
from app.core.config import settings
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
async def run_pm_agent(user_input: str, history: list | None = None) -> ProjectSpec:
|
||||
"""Agent PM qui remplit ProjectSpec en analysant le besoin utilisateur."""
|
||||
|
||||
llm = ChatOpenAI(
|
||||
base_url=settings.llm_base_url,
|
||||
api_key=settings.llm_api_key,
|
||||
model="local-model",
|
||||
temperature=0.3,
|
||||
)
|
||||
|
||||
messages = [
|
||||
{"role": "system", "content": PM_AGENT_PROMPT},
|
||||
]
|
||||
|
||||
if history:
|
||||
messages.extend(history)
|
||||
|
||||
messages.append({
|
||||
"role": "user",
|
||||
"content": f"""En te basant sur TOUT l'historique de notre conversation et sur cette dernière précision, génère le JSON ProjectSpec valide et complètement rempli.
|
||||
|
||||
DERNIÈRE PRÉCISION / INPUT UTILISATEUR :
|
||||
{user_input}
|
||||
|
||||
IMPORTANT : Tu dois impérativement combiner les contraintes énoncées précédemment (comme le langage de programmation choisi, l'OS, etc.) avec cette nouvelle information pour enrichir la spécification existante.
|
||||
Réponds UNIQUEMENT avec du JSON valide. Aucun texte avant le JSON, aucun texte après le JSON."""
|
||||
})
|
||||
|
||||
try:
|
||||
response = await llm.ainvoke(messages)
|
||||
raw_response = response.content if hasattr(response, 'content') else str(response)
|
||||
logger.debug(f"[PM Agent] Réponse brute: {raw_response}")
|
||||
|
||||
parsed_spec = _extract_json_robust(raw_response)
|
||||
|
||||
project_spec = ProjectSpec(**parsed_spec)
|
||||
logger.info(f"[PM Agent] ✅ Tentative réussie (parsing JSON manuel)")
|
||||
|
||||
project_spec = _validate_and_sanitize(project_spec, user_input)
|
||||
return project_spec
|
||||
|
||||
except Exception as e2:
|
||||
logger.error(f"[PM Agent] ❌ Tentative échouée: {type(e2).__name__}: {str(e2)}")
|
||||
logger.info("[PM Agent] Fallback: Génération automatique du spec")
|
||||
|
||||
return _generate_fallback_spec(user_input)
|
||||
|
||||
|
||||
async def run_pm_agent(user_input: str) -> ProjectSpec:
|
||||
def _extract_json_robust(response_text: str) -> dict:
|
||||
"""
|
||||
Agent PM minimal :
|
||||
- transforme l'entrée utilisateur en cahier des charges structuré
|
||||
Extrait et parse le JSON depuis la réponse du LLM.
|
||||
Robuste pour llama.cpp qui ajoute souvent du texte avant/après le JSON.
|
||||
"""
|
||||
|
||||
logger.debug(f"[JSON Extract] Réponse brute: {response_text}")
|
||||
|
||||
# Stratégie 1: Chercher un bloc JSON entre ```json et ```
|
||||
json_match = re.search(r'```json\s*(.*?)\s*```', response_text, re.DOTALL)
|
||||
if json_match:
|
||||
json_str = json_match.group(1).strip()
|
||||
logger.debug(f"[JSON Extract] ✓ Trouvé via ```json block")
|
||||
return json.loads(json_str)
|
||||
|
||||
# Stratégie 2: Chercher un bloc JSON entre ``` et ``` (sans spécifier json)
|
||||
json_match = re.search(r'```\s*(.*?)\s*```', response_text, re.DOTALL)
|
||||
if json_match:
|
||||
json_str = json_match.group(1).strip()
|
||||
logger.debug(f"[JSON Extract] ✓ Trouvé via ``` block")
|
||||
try:
|
||||
return json.loads(json_str)
|
||||
except json.JSONDecodeError:
|
||||
logger.debug(f"[JSON Extract] ✗ Code block trouvé mais pas JSON valide")
|
||||
|
||||
# Stratégie 3: Chercher directement un objet JSON { ... } en étant très prudent
|
||||
first_brace = response_text.find('{')
|
||||
last_brace = response_text.rfind('}')
|
||||
|
||||
if first_brace != -1 and last_brace != -1 and last_brace > first_brace:
|
||||
json_str = response_text[first_brace:last_brace+1].strip()
|
||||
|
||||
logger.debug(f"[JSON Extract] Tentative extraction (longueur: {len(json_str)})")
|
||||
|
||||
try:
|
||||
parsed = json.loads(json_str)
|
||||
logger.debug(f"[JSON Extract] ✓ Trouvé via extraction")
|
||||
return parsed
|
||||
except json.JSONDecodeError as e:
|
||||
logger.debug(f"[JSON Extract] ✗ Extraction invalide: {e}")
|
||||
|
||||
# Stratégie 4: Parser tout le texte comme JSON (dernier recours)
|
||||
try:
|
||||
parsed = json.loads(response_text.strip())
|
||||
logger.debug(f"[JSON Extract] ✓ Trouvé via parsing direct")
|
||||
return parsed
|
||||
except json.JSONDecodeError:
|
||||
logger.debug(f"[JSON Extract] ✗ Parsing direct échoué")
|
||||
|
||||
# Aucune stratégie n'a fonctionné
|
||||
logger.error(f"[JSON Extract] ❌ Impossible d'extraire JSON valide")
|
||||
logger.error(f"[JSON Extract] Réponse brute complète:\n{response_text}")
|
||||
raise ValueError(f"Impossible d'extraire un JSON valide de la réponse du LLM.\nRéponse: {response_text}")
|
||||
|
||||
|
||||
def _validate_and_sanitize(spec: ProjectSpec, user_input: str) -> ProjectSpec:
|
||||
"""
|
||||
Fait confiance au LLM pour la logique métier.
|
||||
Se contente de s'assurer de la cohérence technique minimale.
|
||||
"""
|
||||
logger.debug(f"[Sanitize] Validation du spec généré pour : {spec.title}")
|
||||
|
||||
# 1. Sécurité minimale sur les chaînes de texte vides
|
||||
if not spec.title or spec.title.lower() in ["null", "none", ""]:
|
||||
spec.title = "Automation Script"
|
||||
|
||||
if not spec.description:
|
||||
spec.description = f"Script d'automatisation basé sur : {user_input[:50]}..."
|
||||
|
||||
# 2. Gestion de la complétude :
|
||||
if not spec.is_complete or (spec.clarifying_question and spec.clarifying_question.strip()):
|
||||
spec.is_complete = False
|
||||
if not spec.clarifying_question:
|
||||
spec.clarifying_question = "Pourriez-vous apporter plus de précisions sur les actions que doit effectuer ce script ?"
|
||||
logger.info(f"[Sanitize] Le besoin est qualifié d'INCOMPLET par l'agent PM.")
|
||||
else:
|
||||
spec.is_complete = True
|
||||
spec.clarifying_question = None
|
||||
logger.info(f"[Sanitize] Le besoin est qualifié de COMPLET par l'agent PM.")
|
||||
|
||||
return spec
|
||||
|
||||
def _generate_fallback_spec(user_input: str) -> ProjectSpec:
|
||||
"""Génère un ProjectSpec par défaut en cas d'erreur complète."""
|
||||
|
||||
logger.warning(f"[Fallback] Génération d'un spec par défaut pour: {user_input}")
|
||||
|
||||
return ProjectSpec(
|
||||
title="Projet généré depuis demande utilisateur",
|
||||
description=user_input,
|
||||
requirements=["MVP minimal", "Architecture modulaire"],
|
||||
constraints=["Python", "LangGraph", "Pydantic"],
|
||||
target_stack="Python",
|
||||
title="Automation Script",
|
||||
description=f"Automatisation du besoin utilisateur: {user_input}",
|
||||
requirements=[
|
||||
f"Exécuter l'action demandée: {user_input}",
|
||||
"Gérer les erreurs",
|
||||
"Générer des logs"
|
||||
],
|
||||
constraints=["PEP 8 strict"],
|
||||
language="Python",
|
||||
target_stack="",
|
||||
io_config={
|
||||
"has_inputs": False,
|
||||
"input_type": "none",
|
||||
"input_paths_or_sources": [],
|
||||
"has_outputs": False,
|
||||
"output_type": "log_only",
|
||||
"output_formats": []
|
||||
},
|
||||
auth_config={
|
||||
"requires_auth": False,
|
||||
"auth_method": "none",
|
||||
"target_tools_and_apis": []
|
||||
},
|
||||
env_config={
|
||||
"target_os": "cross_platform",
|
||||
"language_version": "3.11",
|
||||
"critical_dependencies": ["logging"]
|
||||
},
|
||||
error_handling_strategy="log_and_continue",
|
||||
is_complete=False,
|
||||
clarifying_question="Pourriez-vous donner plus de détails sur votre demande ?"
|
||||
)
|
||||
Reference in New Issue
Block a user