app_structured.py

import mlx.core as mx
from mlx_lm import load, generate
from sentence_transformers import SentenceTransformer, util
from transformers import pipeline
from collections import deque
from janome.tokenizer import Tokenizer
import json
import sqlite3
from datetime import datetime

class IlmApp:
    # --- 定数: プロンプトテンプレート ---
    BASE_PROMPT = """### 指示:
あなたは、文脈を理解し、自然な応答を生成するAIアシスタントです。
以下の状況を考慮して、最適な応答を生成してください。
{intent_instruction}
{style_instruction}
{transition_instruction}
### ユーザーからの入力:
{user_input}

### 応答:"""
    FLASHBACK_PROMPT = """... (省略) ..."""
    TRANSITION_CONTEXT = """### 直前の会話のトピック:
{previous_response}
"""

    # --- 定数: 意図・スタイルに応じた指示 ---
    INTENT_INSTRUCTIONS = {"質問": "...", "アイデアの要求": "...", "感想": "...", "雑談": "...", "デフォルト": "..."}
    STYLE_INSTRUCTIONS = {"丁寧": "...", "簡潔": "...", "創造的": "...", "ユーモラス": "...", "デフォルト": "..."}

    def __init__(self):
        # --- 設定 ---
        self.db_path = "experience.db"
        self.llm_model_path = "./merged_model"
        self.sentence_model_name = "paraphrase-multilingual-MiniLM-L12-v2"
        self.classifier_name = "MoritzLaurer/mDeBERTa-v3-base-mnli-xnli"
        self.intent_labels = ["質問", "アイデアの要求", "感想", "雑談"]
        self.style_labels = ["丁寧", "簡潔", "創造的", "ユーモラス"]
        self.topic_labels = ["テクノロジー", "ビジネス", "健康", "芸術", "食事", "地理", "歴史", "科学"]
        self.similarity_threshold = 0.4
        self.common_transition_threshold = 5 # 5回以上経験したら「自然な遷移」と判断

        # --- 状態管理 ---
        self.flashback_buffer = deque(maxlen=5)
        self.previous_response = None

        # --- 初期化 ---
        self._init_db()
        self._load_models()

    def _init_db(self):
        with sqlite3.connect(self.db_path) as conn:
            cursor = conn.cursor()
            cursor.execute("""
            CREATE TABLE IF NOT EXISTS topic_transitions (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                source_topic TEXT NOT NULL,
                destination_topic TEXT NOT NULL,
                count INTEGER NOT NULL DEFAULT 1,
                last_occurred TIMESTAMP NOT NULL,
                UNIQUE(source_topic, destination_topic)
            )
            """)
            conn.commit()

    def _load_models(self):
        print("各モデルとツールを読み込んでいます...")
        self.model, self.tokenizer = load(self.llm_model_path)
        self.sentence_model = SentenceTransformer(self.sentence_model_name)
        self.classifier = pipeline("zero-shot-classification", model=self.classifier_name)
        self.janome_tokenizer = Tokenizer()
        print("モデルの読み込みが完了しました。")

    def _get_transition_experience(self, source, dest):
        with sqlite3.connect(self.db_path) as conn:
            cursor = conn.cursor()
            cursor.execute("SELECT count FROM topic_transitions WHERE source_topic = ? AND destination_topic = ?", (source, dest))
            result = cursor.fetchone()
            return result[0] if result else 0

    def _update_l2_memory(self, source, dest):
        timestamp = datetime.now().isoformat()
        with sqlite3.connect(self.db_path) as conn:
            cursor = conn.cursor()
            cursor.execute("""
            INSERT INTO topic_transitions (source_topic, destination_topic, last_occurred) VALUES (?, ?, ?)
            ON CONFLICT(source_topic, destination_topic) DO UPDATE SET count = count + 1, last_occurred = excluded.last_occurred
            """, (source, dest, timestamp))
            conn.commit()

    def _build_prompt(self, user_input):
        # 1. フラッシュバック検知
        for item in self.flashback_buffer:
            if item['keyword'] in user_input:
                print(f"(フラッシュバックを検知: {item['keyword']})", end="")
                return self.FLASHBACK_PROMPT.format(keyword=item['keyword'], original_sentence=item['sentence'], user_input=user_input)

        # 2. 意図とスタイルの分析
        intent = self.classifier(user_input, self.intent_labels, multi_label=False)['labels'][0]
        style = self.classifier(user_input, self.style_labels, multi_label=False)['labels'][0]
        print(f"(意図: {intent} | スタイル: {style})", end="")

        intent_instruction = f"\n### ユーザーの意図: {intent}\n{self.INTENT_INSTRUCTIONS.get(intent, self.INTENT_INSTRUCTIONS['デフォルト'])}"
        style_instruction = f"\n### ユーザーの対話スタイル: {style}\n{self.STYLE_INSTRUCTIONS.get(style, self.STYLE_INSTRUCTIONS['デフォルト'])}"
        transition_instruction = ""

        # 3. 話題遷移の検知とL2記憶の活用
        if self.previous_response:
            emb_prev = self.sentence_model.encode(self.previous_response, convert_to_tensor=True)
            emb_curr = self.sentence_model.encode(user_input, convert_to_tensor=True)
            sim = util.pytorch_cos_sim(emb_prev, emb_curr).item()
            print(f" (類似度: {sim:.2f})", end="")

            if sim < self.similarity_threshold:
                source_topic = self.classifier(self.previous_response, self.topic_labels, multi_label=False)['labels'][0]
                dest_topic = self.classifier(user_input, self.topic_labels, multi_label=False)['labels'][0]
                
                # L2記憶を参照して判断
                experience_count = self._get_transition_experience(source_topic, dest_topic)
                
                if experience_count > self.common_transition_threshold:
                    transition_judgment = f"これは過去に{experience_count}回経験した、自然な話題の遷移です。その流れを汲み取って応答してください。"
                else:
                    transition_judgment = f"これは斬新な話題の飛躍です。その面白さに触れつつ、応答を返してください。"
                
                print(f" (L2判断: {transition_judgment})")
                transition_instruction = f"\n### 話題遷移の分析:\n{transition_judgment}\nスムーズな移行文を生成してください。\n" + self.TRANSITION_CONTEXT.format(previous_response=self.previous_response)

                # L2記憶を更新
                if source_topic != dest_topic:
                    self._update_l2_memory(source_topic, dest_topic)
            else:
                print()
        
        return self.BASE_PROMPT.format(intent_instruction=intent_instruction, style_instruction=style_instruction, transition_instruction=transition_instruction, user_input=user_input)

    def _update_memory(self, response):
        self.previous_response = response
        try:
            for token in self.janome_tokenizer.tokenize(response):
                if token.part_of_speech.startswith('名詞'):
                    self.flashback_buffer.append({'keyword': token.surface, 'sentence': response}); break
        except Exception: pass

    def run(self):
        print("\nIlmチャットを開始します。終了するには 'exit' と入力してください。")
        while True:
            user_input = input("\nあなた: ")
            if user_input.lower() == 'exit': break
            prompt = self._build_prompt(user_input)
            print("\nIlm: ", end="", flush=True)
            current_response = ""
            for token in generate(self.model, self.tokenizer, prompt=prompt, verbose=False):
                current_response += token
                print(token, end="", flush=True)
            print()
            self._update_memory(current_response)

if __name__ == "__main__":
    # 定義が長くなったため、クラス外で定数を設定
    IlmApp.FLASHBACK_PROMPT = """### 指示:
あなたは、以前の会話の断片を思い出すことができます。
ユーザーが、あなたが以前言及したキーワード「{keyword}」に触れました。
あなたはそのキーワードについて「{original_sentence}」と発言しています。
この「記憶の断片」を思い出したかのように自然な前置きを述べてから、ユーザーの現在の入力に答えてください。

### ユーザーからの現在の入力:
{user_input}

### 応答:"""
    IlmApp.INTENT_INSTRUCTIONS = {
        "質問": "ユーザーは具体的な情報を求めています。明確かつ簡潔に回答してください。",
        "アイデアの要求": "ユーザーは創造的な発想を求めています。斬新で多様なアイデアを提案してください。",
        "感想": "ユーザーは共感を求めています。同意や補足情報を提供し、会話を広げてください。",
        "雑談": "ユーザーは気軽な対話を望んでいます。親しみやすいトーンで応答してください。",
        "デフォルト": "ユーザーの入力に対して、適切に応答してください。"
    }
    IlmApp.STYLE_INSTRUCTIONS = {
        "丁寧": "ユーザーは丁寧な言葉遣いを好みます。あなたも敬体（です・ます調）で応答してください。",
        "簡潔": "ユーザーは要点をまとめて話しています。あなたも簡潔に応答してください。",
        "創造的": "ユーザーは比喩や創造的な表現を使っています。あなたも表現を工夫して応答してください。",
        "ユーモラス": "ユーザーはユーモアを交えて話しています。あなたも遊び心のある応答をしてください。",
        "デフォルト": "ユーザーのスタイルに合わせて、自然に応答してください。"
    }
    app = IlmApp()
    app.run()