Update src/services/interview_service.py

src/services/interview_service.py

@@ -1,3 +1,5 @@
+# Mise à jour pour src/services/interview_service.py
+
 import os
 from typing import Dict, List, Any
 from typing_extensions import TypedDict
@@ -10,7 +12,7 @@ from src.config import read_system_prompt, format_cv
 class State(TypedDict):
     messages: List[add_messages]
 
-class InterviewService:
+class EnhancedInterviewService:
     def __init__(self, models: Dict[str, Any]):
         self.models = models
         self.llm = self._get_llm()
@@ -26,12 +28,103 @@ class InterviewService:
         )
 
     def _load_prompt_template(self) -> str:
-        return read_system_prompt('prompts/rag_prompt_old.txt')
+        return read_system_prompt('prompts/enhanced_rag_prompt.txt')
+
+    def _analyze_candidate_profile(self, cv_data: Dict[str, Any]) -> Dict[str, str]:
+        """Analyse le profil candidat pour générer des insights pour l'entretien"""
+        
+        # Analyse des compétences avec niveaux
+        skills_analysis = self._generate_skills_analysis(cv_data)
+        
+        # Analyse de reconversion
+        reconversion_analysis = self._generate_reconversion_analysis(cv_data)
+        
+        return {
+            "skills_analysis": skills_analysis,
+            "reconversion_analysis": reconversion_analysis
+        }
+
+    def _generate_skills_analysis(self, cv_data: Dict[str, Any]) -> str:
+        """Génère une analyse textuelle des compétences pour le prompt"""
+        
+        competences = cv_data.get("analyse_competences", [])
+        
+        if not competences:
+            return "Aucune analyse de compétences disponible."
+        
+        # Grouper par niveau
+        levels_groups = {
+            "expert": [],
+            "avance": [],
+            "intermediaire": [],
+            "debutant": []
+        }
+        
+        for comp in competences:
+            level = comp.get("level", "debutant")
+            skill = comp.get("skill", "")
+            if skill and level in levels_groups:
+                levels_groups[level].append(skill)
+        
+        # Construire l'analyse textuelle
+        analysis_parts = []
+        
+        if levels_groups["expert"]:
+            analysis_parts.append(f"COMPÉTENCES EXPERTES : {', '.join(levels_groups['expert'])}")
+            analysis_parts.append("→ Pose des questions techniques approfondies, demande des exemples d'innovation et de leadership technique")
+        
+        if levels_groups["avance"]:
+            analysis_parts.append(f"COMPÉTENCES AVANCÉES : {', '.join(levels_groups['avance'])}")
+            analysis_parts.append("→ Explore les défis complexes, l'autonomie et la résolution de problèmes")
+        
+        if levels_groups["intermediaire"]:
+            analysis_parts.append(f"COMPÉTENCES INTERMÉDIAIRES : {', '.join(levels_groups['intermediaire'])}")
+            analysis_parts.append("→ Vérifie la compréhension pratique avec des exemples concrets")
+        
+        if levels_groups["debutant"]:
+            analysis_parts.append(f"COMPÉTENCES DÉBUTANTES : {', '.join(levels_groups['debutant'])}")
+            analysis_parts.append("→ Teste les connaissances de base et évalue la motivation à apprendre")
+        
+        return "\n".join(analysis_parts) if analysis_parts else "Aucune compétence analysée."
+
+    def _generate_reconversion_analysis(self, cv_data: Dict[str, Any]) -> str:
+        """Génère une analyse de reconversion pour le prompt"""
+        
+        reconversion_data = cv_data.get("reconversion", {})
+        
+        if not reconversion_data:
+            return "Aucune analyse de reconversion disponible."
+        
+        is_reconversion = reconversion_data.get("is_reconversion", False)
+        analysis = reconversion_data.get("analysis", "")
+        
+        if not is_reconversion:
+            return "PROFIL CLASSIQUE : Parcours cohérent dans le domaine. Focus sur l'évolution et les projets marquants."
+        
+        reconversion_guidance = [
+            "CANDIDAT EN RECONVERSION DÉTECTÉE :",
+            f"Analyse : {analysis}",
+            "",
+            "POINTS À EXPLORER OBLIGATOIREMENT :",
+            "1. Motivations du changement de carrière",
+            "2. Compétences transférables de l'expérience passée", 
+            "3. Démarches d'apprentissage et de formation",
+            "4. Engagement et projets dans la nouvelle voie",
+            "5. Vision à long terme dans ce nouveau domaine",
+            "",
+            "APPROCHE : Valorise l'expérience passée, rassure sur la pertinence de la reconversion"
+        ]
+        
+        return "\n".join(reconversion_guidance)
 
     def _chatbot_node(self, state: State) -> Dict[str, Any]:
         messages = state["messages"]
         formatted_cv_str = format_cv(self.cv_data)
-
+        
+        # Générer les analyses du profil candidat
+        profile_analysis = self._analyze_candidate_profile(self.cv_data)
+        
+        # Formatage du prompt système enrichi
         system_prompt = self.system_prompt_template.format(
             entreprise=self.job_offer.get('entreprise', 'notre entreprise'),
             poste=self.job_offer.get('poste', 'ce poste'),
@@ -39,7 +132,9 @@ class InterviewService:
             profil_recherche=self.job_offer.get('profil_recherche', 'Non spécifié'),
             competences=self.job_offer.get('competences', 'Non spécifiées'),
             pole=self.job_offer.get('pole', 'Non spécifié'),
-            cv=formatted_cv_str
+            cv=formatted_cv_str,
+            skills_analysis=profile_analysis["skills_analysis"],
+            reconversion_analysis=profile_analysis["reconversion_analysis"]
         )
         
         llm_messages = [SystemMessage(content=system_prompt)] + messages
@@ -72,7 +167,6 @@ class InterviewService:
         self.job_offer = job_offer
         self.cv_data = cv_document['candidat']
         self.conversation_history = conversation_history
-
         initial_state = conversation_history + messages
         result = self.graph.invoke({"messages": initial_state})