Spaces:
Sleeping
Sleeping
File size: 8,631 Bytes
b879c19 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 |
"""
Modèles Pydantic pour l'agent Writer/Reporter.
Définit les structures de données pour la génération de rapports.
"""
from typing import List, Optional, Dict, Any
from datetime import datetime
from pydantic import BaseModel, Field
from enum import Enum
class ReportFormat(str, Enum):
"""Formats de rapport supportés."""
MARKDOWN = "markdown"
PDF = "pdf"
HTML = "html"
DOCX = "docx"
class SectionType(str, Enum):
"""Types de sections dans un rapport."""
INTRODUCTION = "introduction"
EXECUTIVE_SUMMARY = "executive_summary"
MAIN_FINDINGS = "main_findings"
DETAILED_ANALYSIS = "detailed_analysis"
CONCLUSIONS = "conclusions"
RECOMMENDATIONS = "recommendations"
BIBLIOGRAPHY = "bibliography"
APPENDIX = "appendix"
class Reference(BaseModel):
"""
Modèle pour une référence bibliographique.
"""
title: str = Field(..., description="Titre de la source")
url: str = Field(..., description="URL de la source")
author: Optional[str] = Field(default=None, description="Auteur de la source")
published_date: Optional[datetime] = Field(default=None, description="Date de publication")
source: Optional[str] = Field(default=None, description="Publication ou site source")
accessed_date: datetime = Field(default_factory=datetime.now, description="Date d'accès")
def to_citation(self, style: str = "apa") -> str:
"""
Génère une citation formatée selon le style demandé.
"""
if style.lower() == "apa":
parts = []
if self.author:
parts.append(f"{self.author}")
if self.published_date:
parts.append(f"({self.published_date.year})")
parts.append(f"{self.title}")
if self.source:
parts.append(f"{self.source}")
parts.append(f"Récupéré de {self.url}")
return ". ".join(parts) + "."
return f"{self.title} - {self.url}"
class Config:
json_schema_extra = {
"example": {
"title": "L'IA et l'emploi : défis et opportunités",
"url": "https://example.com/article",
"author": "Dr. Marie Dubois",
"published_date": "2024-01-10T00:00:00Z",
"source": "Revue Technologique",
"accessed_date": "2024-01-15T10:00:00Z"
}
}
class ReportSection(BaseModel):
"""
Modèle pour une section de rapport.
"""
title: str = Field(..., description="Titre de la section")
content: str = Field(..., description="Contenu de la section en markdown")
section_type: SectionType = Field(..., description="Type de section")
subsections: List['ReportSection'] = Field(default_factory=list, description="Sous-sections")
references: List[Reference] = Field(default_factory=list, description="Références citées dans cette section")
order: int = Field(default=0, description="Ordre d'affichage de la section")
class Config:
json_schema_extra = {
"example": {
"title": "Introduction",
"content": "L'intelligence artificielle transforme rapidement...",
"section_type": "introduction",
"subsections": [],
"references": [],
"order": 1
}
}
class ReportMetadata(BaseModel):
"""
Métadonnées du rapport.
"""
title: str = Field(..., description="Titre du rapport")
subtitle: Optional[str] = Field(default=None, description="Sous-titre du rapport")
author: str = Field(default="AI Research Assistant", description="Auteur du rapport")
creation_date: datetime = Field(default_factory=datetime.now, description="Date de création")
version: str = Field(default="1.0", description="Version du rapport")
# Informations sur la recherche
research_topic: str = Field(..., description="Sujet de recherche original")
sources_count: int = Field(default=0, ge=0, description="Nombre de sources utilisées")
# Tags et classification
keywords: List[str] = Field(default_factory=list, description="Mots-clés du rapport")
categories: List[str] = Field(default_factory=list, description="Catégories du rapport")
class Config:
json_schema_extra = {
"example": {
"title": "Impact de l'Intelligence Artificielle sur l'Emploi",
"subtitle": "Analyse des tendances actuelles et perspectives d'avenir",
"author": "AI Research Assistant",
"research_topic": "impact de l'IA sur l'emploi",
"sources_count": 8,
"keywords": ["IA", "emploi", "automatisation"],
"categories": ["technologie", "économie"]
}
}
class Report(BaseModel):
"""
Modèle complet pour un rapport de recherche.
"""
metadata: ReportMetadata = Field(..., description="Métadonnées du rapport")
sections: List[ReportSection] = Field(..., description="Sections du rapport")
bibliography: List[Reference] = Field(..., description="Bibliographie complète")
# Configuration de formatage
format_config: Dict[str, Any] = Field(
default_factory=dict,
description="Configuration de formatage spécifique au format de sortie"
)
# Statistiques du rapport
word_count: int = Field(default=0, ge=0, description="Nombre de mots total")
reading_time_minutes: int = Field(default=0, ge=0, description="Temps de lecture estimé en minutes")
def calculate_word_count(self) -> int:
"""Calcule le nombre de mots total du rapport."""
total_words = 0
for section in self.sections:
total_words += len(section.content.split())
# Récursif pour les sous-sections
def count_subsection_words(subsections):
words = 0
for subsection in subsections:
words += len(subsection.content.split())
words += count_subsection_words(subsection.subsections)
return words
total_words += count_subsection_words(section.subsections)
return total_words
def calculate_reading_time(self, words_per_minute: int = 200) -> int:
"""Calcule le temps de lecture estimé."""
if self.word_count == 0:
self.word_count = self.calculate_word_count()
return max(1, self.word_count // words_per_minute)
class Config:
json_schema_extra = {
"example": {
"metadata": {
"title": "Impact de l'IA sur l'Emploi",
"research_topic": "impact de l'IA sur l'emploi",
"sources_count": 5
},
"sections": [],
"bibliography": [],
"word_count": 2500,
"reading_time_minutes": 12
}
}
class ReportOutput(BaseModel):
"""
Modèle pour l'output de l'agent Writer/Reporter.
"""
report: Report = Field(..., description="Le rapport généré")
output_format: ReportFormat = Field(..., description="Format de sortie demandé")
file_path: Optional[str] = Field(default=None, description="Chemin du fichier généré")
# Informations de génération
generation_time: float = Field(default=0.0, ge=0, description="Temps de génération en secondes")
llm_calls: int = Field(default=0, ge=0, description="Nombre d'appels au LLM")
# Qualité du rapport
quality_score: Optional[float] = Field(default=None, ge=0, le=1, description="Score de qualité estimé")
completeness_score: Optional[float] = Field(default=None, ge=0, le=1, description="Score de complétude")
timestamp: datetime = Field(default_factory=datetime.now, description="Horodatage de la génération")
class Config:
json_schema_extra = {
"example": {
"report": {
"metadata": {
"title": "Impact de l'IA sur l'Emploi"
}
},
"output_format": "markdown",
"file_path": "./output/rapport_ia_emploi.md",
"generation_time": 15.3,
"llm_calls": 3,
"quality_score": 0.85,
"timestamp": "2024-01-15T11:00:00Z"
}
}
# Mise à jour des références pour éviter les erreurs de forward reference
ReportSection.model_rebuild() |