File size: 3,289 Bytes
17131ee
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
from langchain_core.prompts import PromptTemplate
from config import Config

class TopicAnalyzer:
    def __init__(self):
        # Temperature 0 wajib agar keputusan konsisten
        self.llm = Config.get_llm(temperature=0.0)
        
        self.template = """
        Tugas: Analisis apakah user MENGGANTI topik pencarian produk atau HANYA MENAMBAHKAN detail (Refinement).

        Context Produk Saat Ini: "{current_product}"
        Input User Baru: "{user_input}"

        Panduan Keputusan (Wajib Ikuti):
        
        1. Jawab "SAME" (Topik Sama) jika:
           - User menyebutkan LOKASI atau Nama Kota (misal: "di Bandung", "Jakarta", "kirim ke Surabaya").
           - User menyebutkan HARGA (misal: "yang murah", "dibawah 5 juta", "mahal").
           - User menyebutkan MERK/BRAND (misal: "Asus", "Honda", "Semen Gresik").
           - User menjawab pertanyaan bot (misal: "ya", "tidak", "boleh", "coba yang itu").
           - User menyebutkan spesifikasi tambahan (misal: "warna merah", "ram 8gb").
           
        2. Jawab "CHANGED" (Ganti Topik) HANYA jika:
           - User secara eksplisit meminta PRODUK BARU yang berbeda kategori dari konteks saat ini.
           - Contoh: Context "Laptop" -> Input "Cari Semen" (CHANGED).
           - Contoh: Context "Laptop" -> Input "Kalau Printer ada?" (CHANGED).
           - Contoh: Context "Laptop" -> Input "Lupakan, saya mau cari Jasa Kebersihan" (CHANGED).

        Jawab HANYA SATU KATA: "SAME" atau "CHANGED".
        """
        self.prompt = PromptTemplate(input_variables=["current_product", "user_input"], template=self.template)
        self.chain = self.prompt | self.llm

    def analyze(self, state: dict) -> dict:
        constraints = state.get("collected_constraints", {})
        
        # Ambil produk dari context untuk acuan
        current_product = constraints.get("product", "Belum ada")
        
        # Ambil juga kategori jika ada, biar LLM lebih paham konteks
        if constraints.get("category"):
            current_product += f" (Kategori: {constraints.get('category')})"

        user_input = state.get("user_text", "")

        # Jika belum ada produk di memori, anggap SAME (inisiasi flow)
        if current_product == "Belum ada":
            state["topic_status"] = "same"
            return state

        try:
            response = self.chain.invoke({
                "current_product": current_product, 
                "user_input": user_input
            })
            decision = response.content.strip().upper()
            
            # Sanitasi output jaga-jaga ada tanda baca
            if "CHANGED" in decision:
                state["topic_status"] = "changed"
            else:
                state["topic_status"] = "same"
            
            # --- LOGIC RESET CONTEXT ---
            if state["topic_status"] == "changed":
                print(f"[DMS] Topic Changed! Resetting Memory.")
                state["collected_constraints"] = {} 
            else:
                print(f"[DMS] Topic Same. Refining Context.")
                
        except Exception as e:
            print(f"[DMS] Topic Error: {e}")
            # Default ke same agar conversation tidak putus
            state["topic_status"] = "same"
            
        return state