File size: 10,934 Bytes
8a848a5 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 |
"""
Modèles Pydantic pour l'agent Global Synthesizer.
Définit les structures de données pour la synthèse finale et le rapport global.
"""
from typing import List, Optional, Dict, Any
from datetime import datetime
from pydantic import BaseModel, Field
from enum import Enum
from src.models.document_models import DocumentSummary, SummarizationOutput
class ReportType(str, Enum):
"""Types de rapports de synthèse finale."""
EXECUTIVE = "executive" # Rapport exécutif court
DETAILED = "detailed" # Rapport détaillé complet
ACADEMIC = "academic" # Rapport de style académique
BUSINESS = "business" # Rapport orienté business
class ReportFormat(str, Enum):
"""Formats de sortie du rapport."""
MARKDOWN = "markdown"
HTML = "html"
TEXT = "text"
class GlobalSynthesisInput(BaseModel):
"""
Input pour l'agent Global Synthesizer.
"""
summarization_output: SummarizationOutput = Field(
...,
description="Sortie complète de l'agent Summarizer avec tous les résumés"
)
original_topic: str = Field(
...,
description="Sujet de recherche original"
)
synthesis_options: Optional[Dict[str, Any]] = Field(
default_factory=dict,
description="Options de configuration pour la synthèse"
)
# Options configurables avec valeurs par défaut
report_type: ReportType = Field(
default=ReportType.DETAILED,
description="Type de rapport à générer"
)
report_format: ReportFormat = Field(
default=ReportFormat.MARKDOWN,
description="Format de sortie du rapport"
)
include_methodology: bool = Field(
default=True,
description="Inclure la section méthodologie"
)
include_sources: bool = Field(
default=True,
description="Inclure les références des sources"
)
include_limitations: bool = Field(
default=True,
description="Inclure les limitations de l'analyse"
)
max_report_length: int = Field(
default=5000,
description="Longueur maximale du rapport en mots"
)
target_audience: str = Field(
default="general",
description="Audience cible (general, business, academic, policy_makers)"
)
def __init__(self, **data):
# Extraire les options de synthesis_options si présentes
synthesis_options = data.get('synthesis_options', {})
# Appliquer les options aux champs correspondants
if 'report_type' in synthesis_options:
data['report_type'] = synthesis_options['report_type']
if 'report_format' in synthesis_options:
data['report_format'] = synthesis_options['report_format']
if 'include_methodology' in synthesis_options:
data['include_methodology'] = synthesis_options['include_methodology']
if 'include_sources' in synthesis_options:
data['include_sources'] = synthesis_options['include_sources']
if 'include_limitations' in synthesis_options:
data['include_limitations'] = synthesis_options['include_limitations']
if 'max_report_length' in synthesis_options:
data['max_report_length'] = synthesis_options['max_report_length']
if 'target_audience' in synthesis_options:
data['target_audience'] = synthesis_options['target_audience']
super().__init__(**data)
class Config:
json_schema_extra = {
"example": {
"original_topic": "impact de l'intelligence artificielle sur l'emploi",
"synthesis_options": {
"report_type": "detailed",
"report_format": "markdown",
"include_methodology": True,
"include_sources": True,
"target_audience": "business"
}
}
}
class ExecutiveSummary(BaseModel):
"""Résumé exécutif du rapport final."""
key_findings: List[str] = Field(
default_factory=list,
description="3-5 conclusions principales"
)
main_insights: List[str] = Field(
default_factory=list,
description="Insights et découvertes principales"
)
recommendations: List[str] = Field(
default_factory=list,
description="Recommandations basées sur l'analyse"
)
summary_text: str = Field(
...,
description="Texte de synthèse exécutive (2-3 paragraphes)"
)
class ReportSection(BaseModel):
"""Section individuelle du rapport."""
title: str = Field(..., description="Titre de la section")
content: str = Field(..., description="Contenu de la section")
subsections: List['ReportSection'] = Field(
default_factory=list,
description="Sous-sections"
)
order: int = Field(default=0, description="Ordre d'affichage")
class SourceReference(BaseModel):
"""Référence bibliographique d'une source."""
title: str = Field(..., description="Titre du document source")
url: str = Field(..., description="URL du document")
author: Optional[str] = Field(default=None, description="Auteur")
publication_date: Optional[datetime] = Field(default=None, description="Date de publication")
credibility_score: Optional[float] = Field(default=None, description="Score de crédibilité")
citation_count: int = Field(default=0, description="Nombre de fois citée dans le rapport")
class Methodology(BaseModel):
"""Description de la méthodologie utilisée."""
research_approach: str = Field(..., description="Approche de recherche utilisée")
sources_count: int = Field(..., description="Nombre de sources analysées")
analysis_methods: List[str] = Field(
default_factory=list,
description="Méthodes d'analyse utilisées"
)
limitations: List[str] = Field(
default_factory=list,
description="Limitations de l'étude"
)
data_quality_assessment: str = Field(
...,
description="Évaluation de la qualité des données"
)
class FinalReport(BaseModel):
"""
Modèle pour le rapport final de synthèse globale.
"""
# Métadonnées du rapport
report_id: str = Field(..., description="Identifiant unique du rapport")
title: str = Field(..., description="Titre du rapport")
topic: str = Field(..., description="Sujet de recherche original")
generated_at: datetime = Field(default_factory=datetime.now, description="Date de génération")
report_type: ReportType = Field(default=ReportType.DETAILED, description="Type de rapport")
report_format: ReportFormat = Field(default=ReportFormat.MARKDOWN, description="Format du rapport")
# Contenu principal
executive_summary: ExecutiveSummary = Field(..., description="Résumé exécutif")
introduction: str = Field(..., description="Introduction du rapport")
main_sections: List[ReportSection] = Field(
default_factory=list,
description="Sections principales du rapport"
)
conclusion: str = Field(..., description="Conclusion du rapport")
# Analyses transversales
key_themes: List[str] = Field(
default_factory=list,
description="Thèmes principaux identifiés"
)
consensus_points: List[str] = Field(
default_factory=list,
description="Points de consensus entre les sources"
)
conflicting_viewpoints: List[str] = Field(
default_factory=list,
description="Points de vue contradictoires"
)
emerging_trends: List[str] = Field(
default_factory=list,
description="Tendances émergentes identifiées"
)
# Métadonnées d'analyse
methodology: Methodology = Field(..., description="Méthodologie utilisée")
sources: List[SourceReference] = Field(
default_factory=list,
description="Sources utilisées avec références"
)
# Métriques de qualité
confidence_score: float = Field(
default=0.0,
ge=0.0,
le=1.0,
description="Score de confiance global (0-1)"
)
completeness_score: float = Field(
default=0.0,
ge=0.0,
le=1.0,
description="Score de complétude de l'analyse (0-1)"
)
# Statistiques de traitement
total_sources_analyzed: int = Field(default=0, description="Nombre total de sources analysées")
processing_time: float = Field(default=0.0, description="Temps de traitement en secondes")
word_count: int = Field(default=0, description="Nombre de mots du rapport")
class Config:
json_schema_extra = {
"example": {
"report_id": "rpt_20241115_001",
"title": "Impact de l'Intelligence Artificielle sur l'Emploi - Rapport de Synthèse",
"topic": "impact de l'intelligence artificielle sur l'emploi",
"report_type": "detailed",
"executive_summary": {
"key_findings": [
"L'IA transformera 60% des emplois d'ici 2030",
"Nouveaux emplois créés dans la tech et supervision IA"
],
"summary_text": "Analyse complète de l'impact de l'IA..."
},
"confidence_score": 0.85,
"total_sources_analyzed": 5
}
}
class GlobalSynthesisOutput(BaseModel):
"""
Modèle pour l'output de l'agent Global Synthesizer.
"""
final_report: FinalReport = Field(..., description="Rapport final de synthèse")
synthesis_metadata: Dict[str, Any] = Field(
default_factory=dict,
description="Métadonnées sur le processus de synthèse"
)
processing_stats: Dict[str, Any] = Field(
default_factory=dict,
description="Statistiques de traitement"
)
# Formats alternatifs du rapport
formatted_outputs: Dict[str, str] = Field(
default_factory=dict,
description="Rapport formaté dans différents formats (markdown, html, etc.)"
)
timestamp: datetime = Field(
default_factory=datetime.now,
description="Horodatage de la synthèse"
)
class Config:
json_schema_extra = {
"example": {
"synthesis_metadata": {
"llm_model_used": "groq/llama-3.1-8b-instant",
"synthesis_strategy": "comprehensive",
"quality_checks_passed": True
},
"processing_stats": {
"input_summaries": 5,
"synthesis_time": 15.3,
"final_report_words": 2500
}
}
}
# Configuration forward reference pour les modèles imbriqués
ReportSection.model_rebuild() |