Update services/graph_service.py

services/graph_service.py

@@ -6,7 +6,6 @@ from typing import TypedDict, Annotated, Sequence, Dict, Any, List
 from langchain_openai import ChatOpenAI
 from langchain_core.runnables import Runnable
 from langchain_core.messages import BaseMessage, AIMessage, HumanMessage, SystemMessage
-# create_openai_tools_agent n'est plus nécessaire
 from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
 from langgraph.graph import StateGraph, END
 from langgraph.prebuilt import ToolNode
@@ -17,7 +16,7 @@ class AgentState(TypedDict):
     messages: Annotated[Sequence[BaseMessage], lambda x, y: x + y]
     user_id: str
     job_offer_id: str
-    
+
 class GraphInterviewProcessor:
     """
     Cette classe encapsule la logique d'un entretien en utilisant LangGraph.
@@ -65,6 +64,7 @@ class GraphInterviewProcessor:
         if reconversion.get('is_reconversion'):
             return f"CANDIDAT EN RECONVERSION: {reconversion.get('analysis', '')}"
         return "Le candidat n'est pas identifié comme étant en reconversion."
+
     def _create_agent_runnable(self) -> Runnable:
         """Crée une chaîne (runnable) qui agit comme notre agent."""
         prompt = ChatPromptTemplate.from_messages([
@@ -74,10 +74,20 @@ class GraphInterviewProcessor:
         llm = ChatOpenAI(api_key=os.getenv("OPENAI_API_KEY"), model="gpt-4o-mini", temperature=0.7)
         tools = [trigger_interview_analysis]
         llm_with_tools = llm.bind_tools(tools)
+        
         return prompt | llm_with_tools
 
     def _agent_node(self, state: AgentState):
         """Prépare le prompt et appelle le runnable de l'agent."""
+
+        context_header = (
+            f"--- CONTEXTE TECHNIQUE POUR L'AGENT (ne pas mentionner à l'utilisateur) ---\n"
+            f"L'ID de l'utilisateur actuel est : {state['user_id']}\n"
+            f"L'ID de l'offre d'emploi actuelle est : {state['job_offer_id']}\n"
+            f"Quand tu appelleras l'outil 'trigger_interview_analysis', tu devras OBLIGATOIREMENT utiliser ces IDs exacts.\n"
+            f"--- FIN DU CONTEXTE TECHNIQUE ---\n\n"
+        )
+
         system_prompt_content = self.system_prompt_template.format(
             entreprise=self.job_offer.get('entreprise', 'notre entreprise'),
             poste=self.job_offer.get('poste', 'ce poste'),
@@ -89,9 +99,14 @@ class GraphInterviewProcessor:
             skills_analysis=self.skills_summary,
             reconversion_analysis=self.reconversion_info
         )
+        
+        final_system_prompt = context_header + system_prompt_content
+        job_description = json.dumps(self.job_offer)
+
         response = self.agent_runnable.invoke({
-            "system_prompt_content": system_prompt_content,
+            "system_prompt_content": final_system_prompt,
             "messages": state["messages"],
+            "job_description": job_description 
         })
         return {"messages": [response]}
 
@@ -147,12 +162,10 @@ class GraphInterviewProcessor:
             return {"response": "Erreur: Impossible de générer une réponse.", "status": "finished"}
 
         last_message = final_state['messages'][-1]
-        
         status = "finished" if hasattr(last_message, 'tool_calls') and last_message.tool_calls else "interviewing"
-        
         response_content = last_message.content
         
         return {
             "response": response_content,
             "status": status
-        }
+        }