52b46bc53e
Спринт 6c — терминология и сверка документации с реальным кодом:
- Словарь терминов в static/docs.html: «маршрутизатор» вместо «роутер»,
«защитное условие» вместо «guard», «пошаговая ветка» вместо «многошаговая».
Разделены концепты «намерение» (intent) и «ветка» (branch) с пометкой,
что в коде они хранятся как одна сущность 1:1.
- Песочница: «Решение маршрутизатора» виден всегда (зелёный/жёлтый),
счётчик переключений «N из 3» отдельной плашкой, бейджи под словарь.
- Настройки: «Условия перехода» → «Защитные условия (guards, JSON)».
- GRAPH_ARCHITECTURE_v4.md: имена полей thread_state и слоты приведены
к реальной БД (db/models/thread_state.py) и таксономии промптов шагов
(prompts/intents/new_booking/steps/). Ссылки на *_v2 примеры. На v3
поставлена шапка «устарело».
- 4 примера переписаны как *_v2: реальные current_intent_code/
current_step_code/slots_json, реальные allowed_next без двойных переходов,
реальная таксономия слотов name/reason/specialist/preferred_time/confirmed.
Удалены вымышленные CRM tool calls и слоты, которых нет в коде.
- static/example.html — параметризованная страница с навигацией между
4 примерами; роут GET /api/docs/examples/{name} в main.py отдаёт
markdown без дублирования файлов.
- Редактирование документов в Отладке: GET/PUT /documents/{id}/raw,
textarea с переразметкой и обновлением Chroma при сохранении.
Спринт 7, часть A — мульти-RAG через подписку ветка↔документы:
- Миграция: таблица intent_documents (M:N), модель IntentDocument,
индекс по document_id для обратного поиска.
- API: GET/PUT /intents/{code}/documents и GET/PUT /documents/{id}/intents
с PUT-семантикой «полный список», атомарно. Сервис
services/intent_document_service.py.
- Retrieval-фильтр в chat_service: подтягивает document_ids активной
ветки и передаёт в vectorstore.query(). Дефолт пустой подписки —
document_ids=[] (= 0 чанков), не «вся коллекция»: пустая подписка
означает «ветка не настроена», подмешивать случайное хуже, чем
ничего. vectorstore.query() различает None (нет фильтра) и [] (0).
- UI Настроек: блок «Документы базы знаний» в правом сайдбаре,
всегда видим независимо от вкладки, сортировка по имени, счётчик
«N из M», PUT при сохранении.
- UI Отладки: третья кнопка «привязка» рядом с «удалить» —
раскрывашка со списком веток (галочки), быстрая привязка прямо
на странице загрузки.
- Песочница: блок «Срез RAG» с подпиской/найдено, ворнинг при пустой
подписке. Поле rag_subscription в QueryResponse и ChatResponse.
- Системный промпт страницы Отладки переехал в обычную ветку _debug
(«Страница отладки»). Удалён prompts/system_prompt.md и логика
DEFAULT_SYSTEM_PROMPT в llm_client. routers/query.py подтягивает
активный конфиг ветки _debug и её подписки. Дефолт пустой подписки
для _debug — None (вся коллекция), не [] как для пациентских — чтобы
Отладка работала «из коробки». На странице Отладки info-bar показывает
активную версию и счётчик подписок, ссылка → Настройки.
- Тест-блок «Тест-вопрос» в центре Настроек: расширил /query
параметрами intent_code (default _debug), system_prompt (override
для теста черновика из textarea), disable_rag (для _router).
Редактор промпта обёрнут в <details open> — можно свернуть до
одной строки. Под ним — три колонки результата (RAG / промпт /
ответ). Для _router показывается подсказка про отсутствие RAG.
Документы:
- data/datasets/*.md — наработки по 6 веткам (рабочие материалы оператора).
- docs/BRANCH_MAP_AND_PROMPTS_v1.md, docs/OPTIMIZATION_CONVERSION_v1.md,
docs/guides/state_machine_and_slots.md.
Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
155 lines
5.6 KiB
Python
155 lines
5.6 KiB
Python
import logging
|
|
from datetime import datetime, timezone
|
|
|
|
import chromadb
|
|
|
|
from services.embeddings import EmbeddingService
|
|
|
|
logger = logging.getLogger(__name__)
|
|
|
|
COLLECTION_NAME = "operators_wiki"
|
|
|
|
|
|
class VectorStoreService:
|
|
def __init__(self, persist_dir: str, embedding_service: EmbeddingService):
|
|
self.client = chromadb.PersistentClient(path=persist_dir)
|
|
self.embedding_service = embedding_service
|
|
self.collection = self.client.get_or_create_collection(
|
|
name=COLLECTION_NAME,
|
|
metadata={"hnsw:space": "cosine"},
|
|
)
|
|
logger.info("ChromaDB collection '%s': %d items", COLLECTION_NAME, self.collection.count())
|
|
|
|
def add_document(
|
|
self,
|
|
document_id: str,
|
|
document_name: str,
|
|
file_type: str,
|
|
chunks: list[dict],
|
|
) -> int:
|
|
if not chunks:
|
|
return 0
|
|
|
|
texts = [c["text"] for c in chunks]
|
|
embeddings = self.embedding_service.embed_documents(texts)
|
|
|
|
ids = []
|
|
metadatas = []
|
|
now = datetime.now(timezone.utc).isoformat()
|
|
|
|
for i, chunk in enumerate(chunks):
|
|
ids.append(f"{document_id}_chunk_{i}")
|
|
metadatas.append({
|
|
"document_id": document_id,
|
|
"document_name": document_name,
|
|
"file_type": file_type,
|
|
"section": chunk.get("section", ""),
|
|
"page_number": chunk.get("page_number", 0),
|
|
"chunk_index": i,
|
|
"created_at": now,
|
|
})
|
|
|
|
self.collection.add(
|
|
ids=ids,
|
|
embeddings=embeddings,
|
|
documents=texts,
|
|
metadatas=metadatas,
|
|
)
|
|
logger.info("Added %d chunks for document '%s'", len(chunks), document_name)
|
|
return len(chunks)
|
|
|
|
def query(
|
|
self,
|
|
query_text: str,
|
|
top_k: int = 5,
|
|
document_ids: list[str] | None = None,
|
|
) -> list[dict]:
|
|
# Различаем None (фильтра нет — вся коллекция) и [] (ветка без подписок —
|
|
# сознательный возврат 0 чанков, см. Спринт 7 в SPRINTS.md).
|
|
if document_ids is not None and len(document_ids) == 0:
|
|
return []
|
|
|
|
query_embedding = self.embedding_service.embed_query(query_text)
|
|
|
|
where_filter = None
|
|
if document_ids:
|
|
if len(document_ids) == 1:
|
|
where_filter = {"document_id": document_ids[0]}
|
|
else:
|
|
where_filter = {"document_id": {"$in": document_ids}}
|
|
|
|
results = self.collection.query(
|
|
query_embeddings=[query_embedding],
|
|
n_results=top_k,
|
|
where=where_filter,
|
|
include=["documents", "metadatas", "distances"],
|
|
)
|
|
|
|
items = []
|
|
if results["ids"] and results["ids"][0]:
|
|
for i, chunk_id in enumerate(results["ids"][0]):
|
|
items.append({
|
|
"chunk_id": chunk_id,
|
|
"text": results["documents"][0][i],
|
|
"metadata": results["metadatas"][0][i],
|
|
"distance": results["distances"][0][i],
|
|
"relevance_score": 1 - results["distances"][0][i],
|
|
})
|
|
return items
|
|
|
|
def delete_document(self, document_id: str) -> int:
|
|
existing = self.collection.get(where={"document_id": document_id}, include=[])
|
|
count = len(existing["ids"])
|
|
if count > 0:
|
|
self.collection.delete(ids=existing["ids"])
|
|
logger.info("Deleted %d chunks for document_id=%s", count, document_id)
|
|
return count
|
|
|
|
def list_documents(self) -> list[dict]:
|
|
all_items = self.collection.get(include=["metadatas"])
|
|
docs: dict[str, dict] = {}
|
|
for meta in all_items["metadatas"]:
|
|
doc_id = meta["document_id"]
|
|
if doc_id not in docs:
|
|
docs[doc_id] = {
|
|
"document_id": doc_id,
|
|
"name": meta.get("document_name", ""),
|
|
"file_type": meta.get("file_type", ""),
|
|
"created_at": meta.get("created_at", ""),
|
|
"chunks_count": 0,
|
|
"metadata": {},
|
|
}
|
|
docs[doc_id]["chunks_count"] += 1
|
|
return list(docs.values())
|
|
|
|
def get_document_chunks(self, document_id: str) -> list[dict]:
|
|
"""Return all chunks for a document, sorted by chunk_index. Includes embeddings."""
|
|
results = self.collection.get(
|
|
where={"document_id": document_id},
|
|
include=["documents", "metadatas", "embeddings"],
|
|
)
|
|
items = []
|
|
if results["ids"]:
|
|
embeddings = results.get("embeddings")
|
|
has_emb = embeddings is not None and len(embeddings) > 0
|
|
for i, chunk_id in enumerate(results["ids"]):
|
|
emb = embeddings[i] if has_emb and i < len(embeddings) else None
|
|
items.append({
|
|
"chunk_id": chunk_id,
|
|
"text": results["documents"][i],
|
|
"metadata": results["metadatas"][i],
|
|
"embedding": [float(x) for x in emb] if emb is not None else [],
|
|
})
|
|
items.sort(key=lambda x: x["metadata"].get("chunk_index", 0))
|
|
return items
|
|
|
|
def get_stats(self) -> dict:
|
|
all_items = self.collection.get(include=["metadatas"])
|
|
doc_ids = set()
|
|
for meta in all_items["metadatas"]:
|
|
doc_ids.add(meta.get("document_id", ""))
|
|
return {
|
|
"documents_count": len(doc_ids),
|
|
"chunks_count": self.collection.count(),
|
|
}
|