Download modules/dialog_manager/intent.py from recommender-system/llmproccrs: direct link, hf CLI and curl.
- Browser
- Download file 2.91 kB
-
https://huggingface.co/recommender-system/llmproccrs/resolve/main/modules/dialog_manager/intent.py
- Command line
-
hf download hf://recommender-system/llmproccrs/modules/dialog_manager/intent.py
-
curl -L -o intent.py https://huggingface.co/recommender-system/llmproccrs/resolve/main/modules/dialog_manager/intent.py
2.91 kB
| import json | |
| from langchain_core.prompts import PromptTemplate | |
| from config import Config | |
| class IntentDetector: | |
| def __init__(self): | |
| # Temperature 0 wajib agar klasifikasi stabil | |
| self.llm = Config.get_llm(temperature=0.0) | |
| self.template = """ | |
| Kamu adalah Intent Classifier untuk sistem e-Procurement. | |
| Tugas: Klasifikasikan input user ke dalam satu kategori: "basa_basi" atau "cari_produk". | |
| STATUS SAAT INI: {search_status} | |
| Definisi Kategori: | |
| 1. "basa_basi": | |
| - Sapaan (Halo, Pagi, Hai). | |
| - Perkenalan diri yang tidak relevan. | |
| - Ucapan terima kasih. | |
| - Pertanyaan "Kamu siapa?". | |
| 2. "cari_produk": | |
| - Ingin membeli/mencari barang atau jasa. | |
| - Menyebutkan NAMA PRODUK (Laptop, Semen, Jasa Kebersihan). | |
| - Menyebutkan SPESIFIKASI (Murah, Mahal, Warna Merah). | |
| - Menyebutkan NAMA KOTA/LOKASI (Contoh: "Jakarta", "Sidoarjo", "Bandung", "di Surabaya") -> PENTING! | |
| - Menjawab pertanyaan bot terkait preferensi (Ya, Tidak, Asus, Lenovo). | |
| Input User: "{user_text}" | |
| Aturan Khusus: | |
| - Jika Status "Sedang mencari", anggap input pendek (nama kota/merk) sebagai "cari_produk". | |
| - Jika user menyebut nama kota (Sidoarjo, Jakarta, dll), ITU ADALAH "cari_produk" (Lokasi). | |
| JAWAB HANYA SATU KATA (tanpa tanda baca): | |
| """ | |
| self.prompt = PromptTemplate(input_variables=["user_text", "search_status"], template=self.template) | |
| self.chain = self.prompt | self.llm | |
| def detect(self, state: dict) -> str: | |
| user_text = state.get("user_text", "") | |
| constraints = state.get("collected_constraints", {}) | |
| # Cek Context: Apakah user sudah mulai mencari sesuatu? | |
| # Jika constraints terisi (misal sudah ada product='laptop'), | |
| # maka kita set flag agar detector lebih bias ke 'cari_produk' | |
| is_searching = bool(constraints) and any(v for v in constraints.values()) | |
| search_status = "User SEDANG dalam proses pencarian/filter produk." if is_searching else "User BELUM memulai pencarian." | |
| try: | |
| response = self.chain.invoke({ | |
| "user_text": user_text, | |
| "search_status": search_status | |
| }) | |
| intent = response.content.strip().lower() | |
| # Cleaning extra chars just in case | |
| intent = intent.replace('"', '').replace("'", "").replace(".", "") | |
| # Normalisasi output jika LLM agak 'kreatif' | |
| if any(x in intent for x in ["produk", "cari", "beli", "search", "filter"]): | |
| return "cari_produk" | |
| return "basa_basi" | |
| except Exception as e: | |
| print(f"[IntentDetector] Error: {e}, Defaulting to basa_basi") | |
| return "basa_basi" |