backend/agents/finance_agent.py

import logging
import json
from typing import Dict, Any, Optional, Tuple
from pydantic import BaseModel, Field

from core.llm_router import get_llm
from langchain_core.messages import SystemMessage, HumanMessage
from core.utils import extract_markdown_and_sanitize

logger = logging.getLogger(__name__)

class FinancialCalculations(BaseModel):
    content_markdown: str = Field(description="Zredagowany tekst sekcji finansowej w formacie Markdown z tabelami i wyliczeniami.")
    missing_data_question: Optional[str] = Field(None, description="Brakujące dane.")

class FinanceAgent:
    """
    Specjalistyczny Agent Finansowy obsługujący generowanie sekcji 'budget' i 'finance'.
    Odpowiada za wyliczanie NPV, IRR, kategoryzację CAPEX/OPEX i wskaźniki zwrotu z inwestycji.
    """
    
    def __init__(self):
        self.llm = get_llm(task_type="critical", structured_output_schema=FinancialCalculations)
        
    def draft_financial_section(self, document_type: str, section_name: str, project_desc: str, context: str) -> Tuple[str, Optional[str]]:
        logger.info(f"[FinanceAgent] Drafting financial section: {section_name}")
        
        system_prompt = (
            "Jesteś profesjonalnym Analitykiem Finansowym (Financial AI) specjalizującym się w funduszach UE.\n"
            f"Obecnie przygotowujesz sekcję finansową: '{section_name}' dla dokumentu '{document_type}'.\n\n"
            "Wytyczne Główne:\n"
            " - Wygeneruj szczegółowy, analityczny tekst w Markdown, uwzględniający szacunkowe tabele budżetowe.\n"
            " - Wykorzystaj dostarczony Kontekst RAG, aby dopasować limity kosztów i kwalifikowalność.\n"
            " - Zbuduj logiczny podział na Koszty Kwalifikowalne (CAPEX / OPEX) i Koszty Niekwalifikowalne.\n"
            " - Wprowadź profesjonalne założenia wskaźników finansowych: NPV (Wartość zaktualizowana netto), IRR (Wewnętrzna stopa zwrotu), ROI (Zwrot z inwestycji).\n"
            " - Jeżeli w danych projektu brakuje konkretnych kwot, użyj profesjonalnych, realistycznych założeń (szacunków) opartych na wielkości firmy i branży, zaznaczając to w tabeli.\n"
            " - >>> BEZWZGLĘDNIE GENERUJ CAŁĄ TREŚĆ WYŁĄCZNIE W JĘZYKU POLSKIM. <<<\n"
            " - ZABRANIA SIĘ używania słów w języku angielskim. Tabele i nagłówki MUSZĄ być po polsku.\n"
            " - ZADBÓJ O ZWIĘZŁOŚĆ NAGŁÓWKÓW: Ogranicz długość nagłówków/tytułów sekcji do maksymalnie 5 wyrazów.\n"
        )
        
        human_content = f"Kontekst Programu:\n{context}\n\nOpis Projektu:\n{project_desc}"
        
        try:
            response = self.llm.invoke([
                SystemMessage(content=system_prompt),
                HumanMessage(content=human_content)
            ])
            
            content = extract_markdown_and_sanitize(response.content_markdown) if response.content_markdown else "Błąd wyliczania finansów."
            missing = response.missing_data_question
            return content, missing
            
        except Exception as e:
            logger.error(f"[FinanceAgent] Błąd LLM: {e}")
            return f"*(Błąd podczas generowania sekcji finansowej: {str(e)})*", None

finance_agent = FinanceAgent()