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