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"