forked from hesabix/arc
188 lines
6.9 KiB
Python
188 lines
6.9 KiB
Python
"""کامپایل بلوک واحد حافظه برای system prompt (Recall)."""
|
|
from __future__ import annotations
|
|
|
|
import re
|
|
from typing import Any, Iterable, List, Optional, Sequence
|
|
|
|
from app.services.ai.ai_constants import (
|
|
MEMORY_ALWAYS_KIND_CHAR_BUDGET,
|
|
MEMORY_ALWAYS_KINDS,
|
|
MEMORY_RECALL_KIND_CHAR_BUDGET,
|
|
MEMORY_RECALL_KINDS,
|
|
MEMORY_RECALL_MAX_ITEMS,
|
|
)
|
|
from app.services.ai.ai_memory_keys import KEY_PROMPT_LABELS, KIND_PROMPT_TITLES, canonical_kind
|
|
|
|
IDENTITY_TOOL_POLICY = (
|
|
"نام و هویت خود کاربر را از get_business_info یا search_persons نگیر. "
|
|
"اگر نام خطاب در حافظه پایدار هست همان را جواب بده و برای این سؤال ابزار نزن."
|
|
)
|
|
|
|
_TOKEN_RE = re.compile(r"[\w\u0600-\u06FF]+", re.UNICODE)
|
|
|
|
KIND_ORDER = (
|
|
"instruction",
|
|
"identity",
|
|
"preference",
|
|
"constraint",
|
|
"context",
|
|
"goal",
|
|
)
|
|
|
|
|
|
def _tokens(text: str) -> set[str]:
|
|
return {m.group(0).lower() for m in _TOKEN_RE.finditer(text or "") if len(m.group(0)) >= 2}
|
|
|
|
|
|
def _score_recall(item: dict[str, Any], query: str) -> int:
|
|
q = _tokens(query)
|
|
if not q:
|
|
return 0
|
|
blob = f"{item.get('item_key') or ''} {item.get('content') or ''}"
|
|
return len(q & _tokens(blob))
|
|
|
|
|
|
def _item_line(item: dict[str, Any]) -> str:
|
|
content = (item.get("content") or "").strip()
|
|
if not content:
|
|
return ""
|
|
key = (item.get("item_key") or "").strip()
|
|
label = KEY_PROMPT_LABELS.get(key)
|
|
if label and label not in content:
|
|
return f"{label}: {content}"[:300]
|
|
return content[:300]
|
|
|
|
|
|
def extract_preferred_name(items: Iterable[dict[str, Any]]) -> str:
|
|
for it in items or []:
|
|
if (it.get("item_key") or "").strip() != "identity.preferred_name":
|
|
continue
|
|
content = (it.get("content") or "").strip()
|
|
if content:
|
|
return content
|
|
return ""
|
|
|
|
|
|
def build_identity_anchor(items: Optional[Iterable[dict[str, Any]]] = None) -> str:
|
|
"""لنگر هویت کنار شناسه کسبوکار — منبع حقیقت نام کاربر، نه خروجی ابزار."""
|
|
catalog = list(items or [])
|
|
name = extract_preferred_name(catalog)
|
|
lines = [
|
|
"هویت گوینده با کارت کسبوکار یکی نیست.",
|
|
"برای نام یا هویت خود کاربر get_business_info یا search_persons صدا نزن.",
|
|
"اگر نام خطاب در حافظه پایدار هست همان را جواب بده و برای این سؤال ابزار نزن.",
|
|
]
|
|
if name:
|
|
label = KEY_PROMPT_LABELS["identity.preferred_name"]
|
|
if label not in name:
|
|
lines.insert(0, f"{label} (حافظه پایدار — منبع حقیقت): {name}")
|
|
else:
|
|
lines.insert(0, f"حافظه پایدار — منبع حقیقت: {name}")
|
|
return "\n" + "\n".join(lines)
|
|
|
|
|
|
def _trim_block(title: str, lines: Sequence[str], budget: int) -> str:
|
|
body_lines = [f"- {line}" for line in lines if line and str(line).strip()]
|
|
if not body_lines:
|
|
return ""
|
|
text = f"### {title}\n" + "\n".join(body_lines)
|
|
if len(text) <= budget:
|
|
return text
|
|
kept: List[str] = []
|
|
header = f"### {title}\n"
|
|
used = len(header)
|
|
for line in body_lines:
|
|
extra = len(line) + 1
|
|
if used + extra > budget:
|
|
break
|
|
kept.append(line)
|
|
used += extra
|
|
if not kept:
|
|
return ""
|
|
return header + "\n".join(kept)
|
|
|
|
|
|
def compile_memory_prompt(
|
|
*,
|
|
instructions: str = "",
|
|
items: Optional[Iterable[dict[str, Any]]] = None,
|
|
user_query: Optional[str] = None,
|
|
) -> str:
|
|
"""
|
|
یک بلوک حافظه برای پرامپت بساز.
|
|
instruction + identity + preference + constraint همیشه؛
|
|
context/goal بر اساس تازگی و همپوشانی با سوال جاری.
|
|
"""
|
|
grouped: dict[str, List[str]] = {k: [] for k in KIND_ORDER}
|
|
instr = (instructions or "").strip()
|
|
if instr:
|
|
grouped["instruction"].append(instr)
|
|
|
|
catalog = list(items or [])
|
|
always_items = [
|
|
it for it in catalog if canonical_kind(it.get("kind") or it.get("category")) in MEMORY_ALWAYS_KINDS
|
|
]
|
|
recall_items = [
|
|
it for it in catalog if canonical_kind(it.get("kind") or it.get("category")) in MEMORY_RECALL_KINDS
|
|
]
|
|
|
|
for it in always_items:
|
|
kind = canonical_kind(it.get("kind") or it.get("category"))
|
|
line = _item_line(it)
|
|
if not line:
|
|
continue
|
|
grouped[kind].append(line)
|
|
|
|
query = (user_query or "").strip()
|
|
if recall_items:
|
|
scored = sorted(
|
|
recall_items,
|
|
key=lambda it: (
|
|
-_score_recall(it, query),
|
|
str(it.get("updated_at") or ""),
|
|
),
|
|
)
|
|
for it in scored[:MEMORY_RECALL_MAX_ITEMS]:
|
|
kind = canonical_kind(it.get("kind") or it.get("category"))
|
|
content = (it.get("content") or "").strip()
|
|
if not content:
|
|
continue
|
|
grouped[kind].append(_item_line(it))
|
|
|
|
always_parts: List[str] = []
|
|
recall_parts: List[str] = []
|
|
always_budget_left = MEMORY_ALWAYS_KIND_CHAR_BUDGET
|
|
recall_budget_left = MEMORY_RECALL_KIND_CHAR_BUDGET
|
|
|
|
for kind in KIND_ORDER:
|
|
lines = grouped.get(kind) or []
|
|
if not lines:
|
|
continue
|
|
title = KIND_PROMPT_TITLES.get(kind, kind)
|
|
if kind in MEMORY_ALWAYS_KINDS:
|
|
block = _trim_block(title, lines, max(120, always_budget_left))
|
|
if block:
|
|
always_parts.append(block)
|
|
always_budget_left -= len(block)
|
|
else:
|
|
block = _trim_block(title, lines, max(120, recall_budget_left))
|
|
if block:
|
|
recall_parts.append(block)
|
|
recall_budget_left -= len(block)
|
|
|
|
parts = always_parts + recall_parts
|
|
if not parts:
|
|
return ""
|
|
|
|
body = "\n\n".join(parts)
|
|
return (
|
|
"\n\n--- حافظهٔ پایدار کاربر ---\n"
|
|
"این بلوک زمینهٔ بین جلسات است و برای هویت/ترجیح/سیاست کاربر منبع حقیقت است. "
|
|
"سیاستهای الزامآور را رعایت کن مگر کاربر صریحاً خلاف بگوید. "
|
|
"اعداد، مانده، فاکتور، موجودی و مشخصات شرکت را از ابزار بخوان؛ آنها را از حافظه حدس نزن. "
|
|
"نام و هویت خود کاربر را از get_business_info یا search_persons نگیر — "
|
|
"اگر در این بلوک هست همان را جواب بده و برای این سؤال ابزار نزن. "
|
|
"در این نوبت حافظه را با ابزار ننویس — کیوریتور پس از پاسخ آن را بهروز میکند. "
|
|
"ابزار حافظه فقط وقتی لازم است که کاربر بخواهد فهرست/ویرایش/حذف حافظه را مدیریت کند.\n"
|
|
f"{body}"
|
|
)
|