Update src/agents/analysis_agent.py

src/agents/analysis_agent.py

@@ -1,3 +1,5 @@
+import json
+import re
 import logging
 from typing import Dict, Any
 from src.config import chat_openai
@@ -9,41 +11,41 @@ class AnalysisAgent:
         self.llm = llm or chat_openai()
 
     def analyze_candidate(self, cv_data: Dict[str, Any]) -> Dict[str, Any]:
-        """Produit une analyse enrichie du profil à partir des données structurées du CV"""
         if not cv_data or "candidat" not in cv_data:
             return {}
 
         candidat = cv_data["candidat"]
         prompt = f"""
-        Tu es un expert en recrutement. Analyse ce profil candidat en te basant sur les données suivantes :
-        {candidat}
-
-        Fournis une analyse complète avec ces sections :
-        1. Évaluation des compétences techniques (niveau de maîtrise par domaine)
-        2. Analyse des projets (objectifs, technologies, compétences démontrées)
-        3. Évaluation des soft skills
-        4. Analyse de l’expérience professionnelle (niveau, cohérence, domaines)
-        5. Détection d’une reconversion (si oui, précise depuis quel domaine et pourquoi)
-        6. Profil global (forces, axes d’amélioration, positionnement)
-        7. Recommandations de postes et de progression de carrière
-        8. Suggestions d’amélioration du CV
-
-        Donne ta réponse au format JSON clair, par exemple :
-        {{
-            "competence_analysis": [...],
-            "project_analysis": [...],
-            "soft_skills_analysis": "...",
-            "experience_evaluation": "...",
-            "reconversion": {{ "is_reconversion": true, "details": "..." }},
-            "global_profile": "...",
-            "career_recommendations": [...],
-            "cv_improvement_suggestions": [...]
-        }}
+        Tu es un expert en recrutement. Analyse ce profil candidat...
+        [PROMPT ICI — inchangé]
         """
 
         response = self.llm.invoke(prompt)
+        raw_content = response.get("content") if isinstance(response, dict) else getattr(response, "content", None)
+        if not raw_content:
+            logger.warning("Aucun contenu d'analyse trouvé dans la réponse du modèle.")
+            return {}
+
+        cleaned_json = self._extract_json_from_string(raw_content)
+        if not cleaned_json:
+            logger.warning("Impossible d'extraire le JSON propre du contenu.")
+            return {}
+
+        return cleaned_json
+
+    def _extract_json_from_string(self, text: str) -> Dict[str, Any]:
+        """
+        Extrait proprement un bloc JSON d'une réponse texte du modèle.
+        Supprime les balises ```json et convertit en dict Python.
+        """
         try:
-            return response.to_dict() if hasattr(response, "to_dict") else response
-        except Exception as e:
-            logger.error(f"Erreur d'analyse enrichie : {e}")
+            json_match = re.search(r'\{.*\}', text, re.DOTALL)
+            if not json_match:
+                return {}
+
+            json_str = json_match.group(0).strip()
+            return json.loads(json_str)
+
+        except json.JSONDecodeError as e:
+            logger.error(f"Erreur de parsing du JSON de l'analyse : {e}")
             return {}