import sys import os import traceback from langchain_core.prompts import PromptTemplate # --- IMPORT MODULES --- from config import Config from modules.dialog_manager.state import ChatState from modules.dialog_manager.workflow import build_graph from modules.dialog_manager.intent import IntentDetector def handle_chitchat(llm, user_text): """ Menangani percakapan ringan/basa-basi (Non-Transactional). """ template = """ Kamu adalah M2Proc, asisten pintar e-Procurement. User menyapa: "{text}" Tugas: 1. Jawab dengan ramah, sopan, dan profesional. 2. Tawarkan bantuan untuk mencari Barang, Jasa, atau Supplier. Jawab singkat saja. """ prompt = PromptTemplate(input_variables=["text"], template=template) chain = prompt | llm try: response = chain.invoke({"text": user_text}) return response.content.strip() except Exception as e: return "Halo! Ada yang bisa saya bantu untuk pencarian produk?" def main(): print("\n" + "="*60) print(" šŸ¤– M2Proc - Conversational Recommender System ") print(" Status: Production Mode (Real Data) ") print("="*60) # 1. INITIALIZATION print("ā³ Sedang memuat modul dan database... (Mohon tunggu)") try: # Load Graph (DMS + RRE + UMS) app_graph = build_graph() # Load Helper Components intent_detector = IntentDetector() # Load LLM khusus untuk basa-basi (temperature agak tinggi biar luwes) llm_chitchat = Config.get_llm(temperature=0.6) print("āœ… Sistem Siap! Silakan ketik 'exit' untuk berhenti.\n") except Exception as e: print(f"āŒ Gagal memuat sistem: {e}") traceback.print_exc() return # 2. STATE INITIALIZATION # State ini akan terus dibawa selama percakapan berlangsung current_state = ChatState( user_text="", histories=[], # Log percakapan intent="", topic_status="same", entities=[], collected_constraints={}, # Memori pencarian (Product, Price, dll) relaxed_query="", candidates=[], candidate_count=0, final_response="", done=False ) # 3. MAIN CONVERSATION LOOP while True: try: # Input User user_input = input("\nUser : ").strip() # Cek Exit if user_input.lower() in ["exit", "quit", "stop", "keluar"]: print("Bot : Terima kasih telah menggunakan M2Proc. Sampai jumpa!") break if not user_input: continue # Update State dengan Input Baru current_state["user_text"] = user_input # --- STEP A: DETEKSI INTENT --- intent = intent_detector.detect(current_state) current_state["intent"] = intent if intent == "basa_basi": # --- JALUR 1: BASA-BASI --- resp = handle_chitchat(llm_chitchat, user_input) print(f"Bot : {resp}") # Update History (Manual untuk jalur ini) current_state["histories"].append(f"User: {user_input}") current_state["histories"].append(f"Bot: {resp}") else: # --- JALUR 2: SEARCH / TRANSAKSI --- # Masukkan input user ke history dulu agar Graph punya konteks lengkap current_state["histories"].append(f"User: {user_input}") # JALANKAN GRAPH (Topic -> Extract -> Relax -> RRE -> Generator) current_state = app_graph.invoke(current_state) # Ambil respon dari node terakhir (Generator) bot_resp = current_state.get("final_response", "Maaf, sistem tidak dapat memproses permintaan.") print(f"Bot : {bot_resp}") # Note: History Bot sudah otomatis di-append oleh node generator di dalam graph except KeyboardInterrupt: print("\n\nBot : Force Stop. Bye!") break except Exception as e: print(f"\nāŒ Terjadi Kesalahan Runtime: {e}") traceback.print_exc() # Reset user text agar tidak looping error current_state["user_text"] = "" if __name__ == "__main__": main()