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