src/config.py

# src/config.py
from __future__ import annotations

import os
import re
from pathlib import Path


# =========================
# Paths (HF / local)
# =========================

# Base directory = root of repo (…/hf-code-education)
BASE_DIR = Path(__file__).resolve().parents[1]

# Data
CHUNKS_PATH = str(Path(os.environ.get("CHUNKS_PATH", BASE_DIR / "data" / "chunks_articles.jsonl")))

# Vectorstore (FAISS)
DB_DIR = str(Path(os.environ.get("DB_DIR", BASE_DIR / "db" / "faiss_code_edu_by_article")))

# Embeddings model for FAISS queries (used in QA mode)
EMBED_MODEL = os.environ.get("EMBED_MODEL", "sentence-transformers/all-MiniLM-L6-v2")

# LLM (GGUF) path
LLM_MODEL_PATH = str(Path(os.environ.get("LLM_MODEL_PATH", BASE_DIR / "models" / "model.gguf")))


# =========================
# Article ID regex
# =========================

# Match typical French code article IDs: L111-1, R421-10, D521-5, etc.
ARTICLE_ID_RE = re.compile(r"\b([LDR]\s?\d{1,4}(?:-\d+){1,4})\b", re.IGNORECASE)


# =========================
# Triggers (routing)
# =========================

LIST_TRIGGERS = [
    "quels articles",
    "quels sont les articles",
    "articles sur",
    "articles parlant",
    "articles qui parlent",
    "trouve des articles",
    "trouver des articles",
    "liste des articles",
    "liste",
]

FULLTEXT_TRIGGERS = [
    "intégralité",
    "integralite",
    "texte officiel",
    "texte intégral",
    "texte integral",
    "donne l’intégralité",
    "donne l'integralite",
    "donne le texte",
    "affiche l'article",
]

EXPLAIN_TRIGGERS = [
    "explique",
    "expliquer",
    "synthèse",
    "synthese",
    "points clés",
    "points cles",
]


# =========================
# Messages utilisateur
# =========================

REFUSAL = (
    "Je ne peux pas répondre à cette demande telle quelle.\n"
    "Indique un thème (mode LIST) ou un identifiant d’article (mode FULLTEXT / Résumé / Synthèse)."
)

SYNTHESIS_REFUSAL = (
    "Pour faire une synthèse, j’ai besoin d’un identifiant d’article (ex : D521-5)."
)

QA_WARNING = (
    "Réponse IA : cette réponse peut contenir des erreurs. "
    "Vérifie toujours sur le texte officiel et, en cas de doute, demande un avis juridique."
)


# =========================
# QA settings (speed / safety)
# =========================

QA_TOP_K_FINAL = int(os.environ.get("QA_TOP_K_FINAL", "2"))
QA_DOC_MAX_CHARS = int(os.environ.get("QA_DOC_MAX_CHARS", "700"))
QA_MAX_TOKENS = int(os.environ.get("QA_MAX_TOKENS", "160"))
QA_TEMPERATURE = float(os.environ.get("QA_TEMPERATURE", "0.2"))


# =========================
# SUMMARY_AI settings (future move out of rag_core)
# =========================

SUMMARY_TRIGGERS = [
    "résumé ia", "resume ia",
    "résumé", "resume",
    "résumer", "resumer",
    "summary",
]

SUMMARY_WARNING = (
    "Résumé IA : reformulation automatique (peut contenir des erreurs ou omissions). "
    "Vérifie toujours sur le texte officiel."
)

SUMMARY_DOC_MAX_CHARS = int(os.environ.get("SUMMARY_DOC_MAX_CHARS", "1200"))
SUMMARY_MAX_TOKENS = int(os.environ.get("SUMMARY_MAX_TOKENS", "180"))
SUMMARY_TEMPERATURE = float(os.environ.get("SUMMARY_TEMPERATURE", "0.2"))


# =========================
# Llama.cpp settings
# =========================

# Important : sur HF CPU, trop de threads peut parfois dégrader.
# Laisse configurable. Valeur par défaut prudente.
LLM_N_CTX = int(os.environ.get("LLM_N_CTX", "1024"))
LLM_N_THREADS = int(os.environ.get("LLM_N_THREADS", str(max(1, (os.cpu_count() or 2) - 1))))
LLM_N_BATCH = int(os.environ.get("LLM_N_BATCH", "128"))