Files
RAG_helper/services/llm_client.py
T
AR 15 M4 9eef2dab3a feat(sprint6a): блок A — structured output, intent_steps, sticky-удержание
Заменили строковый тег [STATE: ...] из Спринта 5 на структурированный выход
ветки в виде JSON-блока в хвосте ответа: {state_after, slots_updated}, парсимый
балансировкой скобок. Шаги state machine вынесены из монолитного промпта в
таблицу intent_steps (intent_id FK, code, name, order_index, system_prompt,
allowed_next JSON, guards JSON) и редактируются через UI. Валидатор переходов
сверяет state_after с allowed_next и блокирует невалидные прыжки.

Базовый промпт new_booking разбит на base + 6 файлов шагов (intro/qualify/
present/offer_time/book/close), которые сидятся при старте через
ensure_seed_steps. В chat_service промпт собирается как base + step + блок
[ТЕКУЩЕЕ СОСТОЯНИЕ].

Попутно реализован мини-блок G (sticky state machine): когда диалог идёт по
sm-ветке и роутер на новой реплике предлагает другую — state НЕ сбрасывается,
в системный промпт ветки подаётся блок [ПОДСКАЗКА РОУТЕРА], LLM сама решает
(STATE_JSON или INTENT_CHANGE). Это сняло ключевую дыру Спринта 5: «Меня
зовут Алексей» / «болит ухо» внутри записи больше не сбрасывают сценарий.

Промпт ветки new_booking ужесточён: бытовые жалобы — это повод записи (слот
reason + сочувствие), не повод уводить в medical_question. Шаг present теперь
использует reason в формулировке. Промпт _router расширен живыми примерами
для всех 6 веток, особенно для reschedule («не смогу подойти», «перенесите»).

Надёжность внешнего LLM:
- ретрай в LLMClient с паузой 500 мс + новое исключение LLMUnavailableError;
- ретрай в RouterClient (DeepSeek периодически моргает);
- /chat при ошибке делает session.rollback() и возвращает 503 с понятным
  сообщением — больше не остаётся «диалогов-призраков» с одной репликой;
- UI убирает свой пузырь и возвращает текст в поле ввода для повторной отправки.

UI «Настройки» — добавлена вкладка «Шаги» для веток с state machine: список
шагов chip-ами, редактор промпта/имени/allowed_next/guards, сохранение через
PATCH /intents/{code}/steps/{step_code} без версионирования. Иконка ⓘ возле
поля «Правила» открывает popover с пояснением, что туда писать.

UI «Песочница»:
- блок «Состояние диалога» показывает имя шага из intent_steps (а не сырое
  число), для не-sm-веток пишется «без пошагового сценария»;
- подсветка illegal-переходов (валидатор отклонил state_after) и parse_error
  для sm-веток;
- блок «Решение роутера» развёрнут в три исхода: «попал в ту же ветку» /
  «удержались в ветке» / «ветка сама передала управление через INTENT_CHANGE»;
- секция «Найденные фрагменты» сворачивается, карточки чанков раскрываются
  по клику — правый сайдбар стал компактнее.

Терминология (по договорённости — простой русский в UI):
- «тред» → «диалог» в текстах для оператора (в коде/API thread_id оставлен);
- «sticky state machine» → «удержались в ветке»;
- «state machine» → «пошаговый сценарий» в видимых местах.

SPRINTS.md: блок G в Спринте 6b сокращён — sticky-логика уже сделана здесь,
осталась только вторая линия (передача thread_state в системный промпт самого
роутера для ещё более точной первичной классификации).

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-04-25 11:45:42 +05:00

189 lines
6.9 KiB
Python

import asyncio
import logging
from pathlib import Path
import httpx
from config import settings
class LLMUnavailableError(RuntimeError):
"""Внешний LLM недоступен после всех попыток — сигнал для вызывающего кода."""
pass
logger = logging.getLogger(__name__)
SYSTEM_PROMPT_PATH = Path(__file__).resolve().parent.parent / "prompts" / "system_prompt.md"
def _load_system_prompt() -> str:
try:
return SYSTEM_PROMPT_PATH.read_text(encoding="utf-8").strip()
except FileNotFoundError:
logger.warning("System prompt file not found at %s — using empty prompt", SYSTEM_PROMPT_PATH)
return ""
DEFAULT_SYSTEM_PROMPT = _load_system_prompt()
DEFAULT_USER_TEMPLATE = """Вопрос пациента:
{question}
Выдержки из базы знаний операторов:
{sources}
Ответь пациенту в чате по правилам из системного сообщения."""
CHAT_USER_TEMPLATE = """Новая реплика пациента:
{question}
Выдержки из базы знаний операторов (по последней реплике):
{sources}
Ответь пациенту с учётом истории диалога выше и правил из системного сообщения."""
class LLMClient:
def __init__(
self,
api_key: str | None = None,
model: str | None = None,
base_url: str | None = None,
):
self.api_key = api_key or settings.deepseek_api_key
self.model = model or settings.deepseek_model
self.base_url = (base_url or settings.deepseek_base_url).rstrip("/")
def _format_sources(self, sources: list[dict]) -> str:
if not sources:
return "(источники не найдены)"
lines = []
for i, src in enumerate(sources, 1):
meta = src.get("metadata", {})
doc_name = meta.get("document_name", "Документ")
section = meta.get("section", "")
lines.append(
f"[{i}] {src['text']}\n"
f" (Источник: {doc_name}, раздел: {section})"
)
return "\n".join(lines)
async def answer(
self,
question: str,
sources: list[dict],
system_prompt: str | None = None,
temperature: float | None = None,
max_tokens: int | None = None,
) -> dict:
"""Generate a patient-facing answer using RAG context.
Returns dict with 'text' and 'assembled_prompt'.
"""
effective_system = system_prompt or DEFAULT_SYSTEM_PROMPT
effective_temp = temperature if temperature is not None else 0.2
effective_max_tokens = max_tokens or 1200
formatted_sources = self._format_sources(sources)
user_message = DEFAULT_USER_TEMPLATE.format(
question=question,
sources=formatted_sources,
)
assembled_prompt = f"[SYSTEM]\n{effective_system}\n\n[USER]\n{user_message}"
url = f"{self.base_url}/chat/completions"
payload = {
"model": self.model,
"messages": [
{"role": "system", "content": effective_system},
{"role": "user", "content": user_message},
],
"temperature": effective_temp,
"max_tokens": effective_max_tokens,
}
data = await self._call_with_retry(url, payload)
content = data["choices"][0]["message"]["content"]
logger.info("LLM response: %d chars, model=%s, temp=%.2f", len(content), self.model, effective_temp)
return {"text": content.strip(), "assembled_prompt": assembled_prompt}
async def chat(
self,
question: str,
sources: list[dict],
history: list[dict],
system_prompt: str | None = None,
temperature: float | None = None,
max_tokens: int | None = None,
) -> dict:
"""Generate a patient-facing answer using RAG + conversation history.
`history` — список предыдущих сообщений треда в формате
[{"role": "user"|"assistant", "content": str}, ...] (без текущей реплики).
Returns dict with 'text' and 'assembled_prompt'.
"""
effective_system = system_prompt or DEFAULT_SYSTEM_PROMPT
effective_temp = temperature if temperature is not None else 0.2
effective_max_tokens = max_tokens or 1200
formatted_sources = self._format_sources(sources)
user_message = CHAT_USER_TEMPLATE.format(
question=question,
sources=formatted_sources,
)
messages: list[dict] = [{"role": "system", "content": effective_system}]
messages.extend(history)
messages.append({"role": "user", "content": user_message})
assembled_prompt_parts = [f"[SYSTEM]\n{effective_system}"]
for m in history:
tag = "USER" if m["role"] == "user" else "ASSISTANT"
assembled_prompt_parts.append(f"[{tag}]\n{m['content']}")
assembled_prompt_parts.append(f"[USER]\n{user_message}")
assembled_prompt = "\n\n".join(assembled_prompt_parts)
url = f"{self.base_url}/chat/completions"
payload = {
"model": self.model,
"messages": messages,
"temperature": effective_temp,
"max_tokens": effective_max_tokens,
}
data = await self._call_with_retry(url, payload)
content = data["choices"][0]["message"]["content"]
logger.info("LLM chat response: %d chars, history=%d, model=%s", len(content), len(history), self.model)
return {"text": content.strip(), "assembled_prompt": assembled_prompt}
async def _call_with_retry(self, url: str, payload: dict) -> dict:
"""POST к DeepSeek с одним ретраем — модель периодически моргает по сети."""
last_error: Exception | None = None
for attempt in range(2):
try:
async with httpx.AsyncClient(timeout=60.0) as client:
response = await client.post(
url,
json=payload,
headers={
"Authorization": f"Bearer {self.api_key}",
"Content-Type": "application/json",
},
)
response.raise_for_status()
return response.json()
except Exception as e:
last_error = e
logger.warning(
"LLM call failed (attempt %d, %s: %s)",
attempt + 1, type(e).__name__, e,
)
if attempt < 1:
await asyncio.sleep(0.5)
raise LLMUnavailableError(
f"LLM unavailable after retries: {type(last_error).__name__}: {last_error}"
) from last_error