llmproccrs / modules /user_modeling /query_relaxer.py
aitek230telu's picture
Upload 40 files
17131ee verified
Raw History Blame Contribute Delete
4.24 kB
import json
from langchain_core.prompts import PromptTemplate
from langchain_core.output_parsers import StrOutputParser
from config import Config
class QueryRelaxer:
def __init__(self):
# Temperature 0 wajib agar output deterministik (tidak kreatif/halusinasi)
self.llm = Config.get_llm(temperature=0.0)
# --- PROMPT BARU (STRICT CLEANING) ---
# Fokus: Buang basa-basi, PERTAHANKAN istilah teknis & lokasi.
# DILARANG menggunakan label "Produk:", "Lokasi:", dll.
self.template = """
Kamu adalah asisten AI ahli dalam sistem E-Procurement.
Tugasmu adalah membersihkan input pengguna menjadi "Search Query" yang sangat presisi untuk mesin pencari database (BM25/Keyword Search).
INSTRUKSI UTAMA (WAJIB PATUH):
1. HAPUS BASA-BASI: Buang kata seperti "bantu cari", "tolong", "saya butuh", "carikan", "sebagai pejabat", "ingin membeli".
2. DILARANG MENAMBAH LABEL: JANGAN tulis "Produk:", "Lokasi:", "Kategori:", atau "Supplier:". HANYA return kata kuncinya saja.
3. PERTAHANKAN ISTILAH TEKNIS: Jangan ubah ejaan sedikitpun (Contoh: "Pendaftaran" JANGAN ubah jadi "Pendataan").
4. PERTAHANKAN LOKASI SPESIFIK: Jangan generalisasi (Contoh: "Kab. Buleleng" JANGAN ubah jadi "Bali").
5. PERTAHANKAN HARGA: Ambil bagian value nya misalnya 7 milyar jadi 7000000000 beserta operatornya < atau > atau =
6. PERTAHANKAN NAMA ENTITAS: Biarkan nama PT/CV tetap ada.
6. OUTPUT HANYA STRING QUERY BERSIH TANPA TANDA BACA YANG TIDAK PERLU.
CONTOH INPUT DAN OUTPUT:
Input: "Bantu cari Banten Canang Sari di Kab. Buleleng Bali"
Output: Banten Canang Sari Kab. Buleleng Bali
Input: "Jembatan Rangka Baja Type-B60M di Kab Bekasi, GUNUNG BAJA PERMATA?"
Output: Jembatan Rangka Baja Type-B60M Kab Bekasi GUNUNG BAJA PERMATA
Input: "PEKERJAAN PEMBANGUNAN RUANG PENDAFTARAN Kab. Mamuju Sulawesi Barat PETTA PUANG REGENERATION"
Output: PEKERJAAN PEMBANGUNAN RUANG PENDAFTARAN Kab. Mamuju Sulawesi Barat PETTA PUANG REGENERATION
Input: "Carilah JEMBATAN GANTUNG PEJALAN KAKI TIPE RIGID BENTANG 40 METER di Kab. Bogor Jawa Barat."
Output: JEMBATAN GANTUNG PEJALAN KAKI TIPE RIGID BENTANG 40 METER Kab. Bogor Jawa Barat
---
Input Pengguna: "{user_text}"
Output Query Bersih:
"""
self.prompt = PromptTemplate(input_variables=["user_text"], template=self.template)
# Menggunakan StrOutputParser agar langsung dapat string bersih
self.chain = self.prompt | self.llm | StrOutputParser()
def run(self, state: dict) -> dict:
"""
Menjalankan proses cleaning query.
Mengutamakan 'user_text' karena mengandung keyword asli yang paling relevan.
"""
user_text = state.get("collected_constraints", {})
# user_text = state.get("user_text", "")
# Jika user text kosong, tidak bisa diproses
if not user_text:
state["relaxed_query"] = ""
return state
try:
# Jalankan Chain
user_text = json.dumps(user_text)
relaxed_query = self.chain.invoke({"user_text": user_text})
# Cleaning extra whitespace
relaxed_query = relaxed_query.strip().replace('"', '').replace("'", "")
# --- VALIDASI SEDERHANA ---
# Kita tidak lagi pakai validasi panjang < original,
# karena tujuan kita memang membuang kata-kata sampah (jadi pasti lebih pendek).
# Jika hasil kosong atau cuma tanda baca, fallback ke user_text asli
if not relaxed_query or relaxed_query in ["-", ".", ""]:
# print(f"[UMS] Relaxed Query Kosong. Fallback ke Original.")
state["relaxed_query"] = user_text
else:
state["relaxed_query"] = relaxed_query
# print(f"[UMS] Clean Query: {relaxed_query}")
except Exception as e:
print(f"[UMS] Error Query Relaxation: {e}")
# Fallback aman
state["relaxed_query"] = user_text
return state