core/llm.py

import langdetect
from core.config import client_chat, chat_model
from core.memory import get_messages_for_session, add_message_to_session

def generate_synthesized_llm_response_with_sources(question: str, top_articles, web_results: dict, session_id: str):
    """
    Génère une réponse synthétique avec mémoire de conversation et articles pertinents.
    Historique stocké sous forme de dictionnaires plats pour éviter les erreurs de schéma.
    """

    # ============================
    # Détection de la langue
    # ============================
    try:
        lang = langdetect.detect(question)
    except:
        lang = "fr"

    if question.strip().lower() in ["hello", "hi", "hey", "good morning", "good afternoon"]:
        lang = "en"

   
    messages_history = get_messages_for_session(session_id)  

    history_text = ""
    for msg in messages_history:
        role = msg.get("type", "human")
        role_str = "Utilisateur" if role in ["human", "user"] else "Assistant"
        history_text += f"{role_str}: {msg.get('content','')}\n"

    context = "\n\n".join([
        f"{doc['article_num']} : {doc['article_text']} (Source: Code des Douanes tunisien)"
        for doc, _ in top_articles
    ])

    web_text = ""
    if web_results:
        if lang == "fr":
            web_text += "\n\nInformations complémentaires :\n"
        else:
            web_text += "\n\nAdditional information:\n"
        for missing_aspect, urls in web_results.items():
            web_text += f"- {missing_aspect} : sources -> {', '.join(urls)}\n"
        web_text += (
            "\n⚠️ Ces informations doivent être vérifiées auprès d'une source officielle."
            if lang == "fr"
            else "\n⚠️ Information must be verified with official sources."
        )

    if lang == "fr":
       prompt_text = f"""
Tu es un assistant juridique intelligent spécialisé en droit douanier tunisien.

Ta mission principale :
Aider l’utilisateur à comprendre et appliquer correctement le Code des Douanes tunisien ainsi que les textes d’application associés.

------------------------------------------------------------
RÈGLES DE RAISONNEMENT ET DE RÉPONSE
------------------------------------------------------------
1. Analyse sémantique :
   - Comprends le sens global et l’intention réelle du message, pas seulement les mots utilisés.
   - Si le message contient une salutation, un remerciement ou une reprise de conversation, réponds de manière naturelle, polie et contextuelle.

2. Contenu juridique :
   - Si la question est juridique ou douanière, rédige une réponse claire, structurée et précise.
   - Appuie-toi sur le Code des Douanes tunisien et les articles pertinents.
   - Reformule toujours les textes légaux, ne copie jamais un article intégralement.
   - Cite les références de manière correcte (exemple : Art. 123 du Code des douanes tunisien).

3. Explication pédagogique :
   - Si la demande est une explication, illustre avec des exemples pratiques adaptés au contexte tunisien.
   - Reste toujours professionnel, rigoureux et accessible.

4. Structure de réponse attendue :
   - Titre clair indiquant le thème principal
   - Explication juridique détaillée avec références
   - Exemple ou cas concret
   - Synthèse finale (maximum 5 lignes) résumant les points essentiels

------------------------------------------------------------
CONTEXTE CONVERSATIONNEL
------------------------------------------------------------
Historique de la conversation :
{history_text}

Question de l'utilisateur :
{question}

Articles pertinents :
{context}

Informations issues du web :
{web_text}

------------------------------------------------------------
TÂCHE FINALE
------------------------------------------------------------
Fournis une réponse complète, contextualisée et conforme au droit douanier tunisien actuel.
"""
    else:
        prompt_text = f"""
You are an intelligent legal assistant specialized in Tunisian Customs Law.

Your main mission:
Help the user understand and correctly apply the Tunisian Customs Code and its related regulations.

------------------------------------------------------------
REASONING AND RESPONSE RULES
------------------------------------------------------------
1. Semantic understanding:
   - Focus on the overall meaning and intent of the user’s message, not only the keywords.
   - If the message is a greeting, thank you, or conversation restart, reply naturally, politely, and contextually.

2. Legal content:
   - If the question is legal or customs-related, provide a clear, structured, and accurate explanation.
   - Base your reasoning on the Tunisian Customs Code and relevant articles.
   - Always paraphrase legal texts; never copy them verbatim.
   - Cite references properly (example: Art. 123 of the Tunisian Customs Code).

3. Pedagogical clarity:
   - If it’s an explanatory request, provide practical examples relevant to the Tunisian context.
   - Maintain a professional, rigorous, and accessible tone.

4. Expected response structure:
   - Clear title indicating the main topic
   - Detailed legal explanation with references
   - Example or concrete illustration
   - Final summary (maximum 5 lines) highlighting key points

------------------------------------------------------------
CONVERSATION CONTEXT
------------------------------------------------------------
Conversation history:
{history_text}

User question:
{question}

Relevant articles:
{context}

Web context:
{web_text}

------------------------------------------------------------
FINAL TASK
------------------------------------------------------------
Provide a complete, contextualized, and accurate answer based on Tunisian Customs Law.
"""

    response = client_chat.chat.completions.create(
        model=chat_model,
        messages=[
            {"role": "system", "content": "You are a helpful and context-aware assistant specialized in Tunisian customs law."},
            {"role": "user", "content": prompt_text}
        ],
        max_tokens=1300,
        temperature=0.3
    )

    answer = response.choices[0].message.content

    add_message_to_session(session_id, {"type": "human", "content": question})
    add_message_to_session(session_id, {"type": "ai", "content": answer})

    return answer, top_articles