Watch
1
0
Fork
You've already forked arc
0
forked from hesabix/arc
arc/hesabixAPI/app/services/ai/ai_memory_compiler.py

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}"
)