Upload create_tile_from_topic.py with huggingface_hub

create_tile_from_topic.py

@@ -0,0 +1,115 @@
+import json
+import asyncio
+import os
+import sys
+
+# プロジェクトルートをPythonパスに追加
+sys.path.insert(0, os.path.abspath(os.path.dirname(__file__)))
+
+# Phase 0 & 1で作成した各モジュールをインポート
+from backend.deepseek_local_client import DeepSeekLocalClient, DeepSeekConfig
+from deepseek_prompt_templates import MEDICAL_KNOWLEDGE_GENERATION_PROMPT
+from reasoning_chain_extractor import extract_reasoning_chain
+from knowledge_tile_generator import create_knowledge_tile
+from iath_encoder import IathEncoder
+# 修正：新しいパスからCoordinateMapperとDomainManagerをインポート
+from ilm_athens_engine.domain.manager import DomainManager
+from coordinate_mapper import CoordinateMapper
+
+# --- グローバルオブジェクトの初期化 ---
+# DomainManagerとCoordinateMapperは一度だけ初期化する
+domain_manager = DomainManager()
+# このスクリプトは現在、医療ドメイン専用
+medical_schema = domain_manager.get_schema("medical")
+if not medical_schema:
+    raise RuntimeError("医療ドメインのスキーマを 'domain_schemas.json' から読み込めませんでした。")
+mapper = CoordinateMapper(medical_schema)
+
+
+async def create_knowledge_tile_pipeline(
+    topic: str,
+    domain_id: str = "medical", # ドメインIDを引数に追加
+    audience_level: str = "intermediate",
+    output_filename: str = None,
+    save_json: bool = True
+):
+    """
+    単一のトピックからDeepSeekで知識を生成し、.iathファイルとして保存するまでの
+    完全なパイプラインを実行します。
+    """
+    print(f"--- パイプライン開始: トピック「{topic}」, ドメイン「{domain_id}」 ---")
+
+    # 1. DeepSeekで知識を生成
+    print("ステップ1: DeepSeekによる知識生成...")
+    api = DeepSeekLocalClient(config=DeepSeekConfig(
+        api_url="http://localhost:11434",
+        model_name="deepseek-r1:32b"
+    ))
+    # ドメインに応じたプロンプトを取得
+    from ilm_athens_engine.deepseek_integration.deepseek_runner import DeepSeekR1Engine
+    domain_instructions = DeepSeekR1Engine()._get_domain_instructions(domain_id)
+    
+    prompt = f"{domain_instructions}\n\n【トピック】\n{topic}"
+    
+    deepseek_response = await api.generate_async(prompt)
+    if not deepseek_response or not deepseek_response.get("success"):
+        print(f"エラー: DeepSeekモデルからの応答に失敗しました - {deepseek_response.get('error', '不明なエラー')}")
+        return None
+
+    # 2. テキストの解析と座標へのマッピング
+    print("ステップ2: テキストの解析と座標へのマッピング...")
+    reasoning_steps = extract_reasoning_chain(deepseek_response)
+    if not reasoning_steps:
+        reasoning_steps = [{'sequence': 0, 'text': deepseek_response['response'], 'confidence': 0.7, 'concepts': [], 'depth_level': 2}]
+    
+    # ドメインスキーマをロードしてマッパーを初期化
+    schema = domain_manager.get_schema(domain_id)
+    if not schema:
+        print(f"エラー: ドメイン '{domain_id}' のスキーマが見つかりません。")
+        return None
+    mapper = CoordinateMapper(schema)
+    coordinates = mapper.map_reasoning_to_domain_space(reasoning_steps)
+    print(f"  -> {len(coordinates)}個の推論ステップを座標にマッピングしました。")
+
+    # 3. Knowledge Tileの構造化
+    print("ステップ3: Knowledge Tileの構造化...")
+    knowledge_tile = create_knowledge_tile(deepseek_response, coordinates, topic)
+    print(f"  -> Knowledge Tile ID: {knowledge_tile['metadata']['knowledge_id']}")
+
+    # 4. エンコードとファイルへの保存
+    print("ステップ4: エンコードと.iathファイルへの保存...")
+    encoder = IathEncoder()
+    compressed_binary = encoder.encode_tile(knowledge_tile)
+
+    if not output_filename:
+        safe_filename = topic.replace(" ", "_").replace("/", "_").replace("（", "").replace("）", "")[:30]
+        output_filename = f"{safe_filename}.iath"
+    
+    try:
+        with open(output_filename, "wb") as f:
+            f.write(compressed_binary)
+        print(f"  -> 成功: 知識タイルを {output_filename} ({len(compressed_binary)} bytes) に保存しました。")
+    except IOError as e:
+        print(f"  -> エラー: ファイルの保存に失敗しました - {e}")
+        return None
+
+    if save_json:
+        json_filename = output_filename.replace(".iath", ".json")
+        with open(json_filename, "w", encoding="utf-8") as f:
+            json.dump(knowledge_tile, f, indent=2, ensure_ascii=False)
+        print(f"  -> 検証用の {json_filename} も保存しました。")
+    
+    print("--- パイプライン完了 ---")
+    return output_filename
+
+
+if __name__ == '__main__':
+    # --- 実行 ---
+    # DBに追加したいトピックを指定してください
+    target_topic = "心筋梗塞の急性期診断アルゴリズム"
+    
+    # パイプ��インを実行
+    # このスクリプトを直接実行する場合、トップレベルで `await` は使えないため、
+    # asyncio.run() を使用します。
+    import asyncio
+    asyncio.run(create_knowledge_tile_pipeline(topic=target_topic))