File size: 18,547 Bytes
fbdfc24
3e14b58
 
 
 
fbdfc24
 
 
 
 
 
 
478b91f
 
fbdfc24
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
# core/retriever.py
# Add this as the FIRST lines of code (after docstrings)
import sys
from pathlib import Path
sys.path.insert(0, str(Path(__file__).parent.parent))
import re
import logging
import asyncio
from typing import List, Dict, Any, Tuple
from langchain_core.documents import Document
from langchain_mongodb.vectorstores import MongoDBAtlasVectorSearch

from config.settings import settings
from config.constants import ARTICLE_PATTERNS, CATEGORY_KEYWORDS, DOCUMENT_TYPE_KEYWORDS

logger = logging.getLogger(__name__)

class LegalRetriever:
    def __init__(self, vectorstore: MongoDBAtlasVectorSearch, collection):
        self.vectorstore = vectorstore
        self.collection = collection

    async def smart_legal_query(self, user_query: str, country: str) -> Tuple[List[Document], List[str], Dict[str, Any], str]:
        """Perform smart legal search with automatic fallback and custom messages - ASYNC VERSION"""
        try:
            # Détection initiale du type de document
            initial_doc_type = self._detect_document_type(user_query.lower())
            pre_filter = self._build_pre_filters(user_query, country)
            
            logger.info(f"📋 Filtre doc_type initial: {initial_doc_type}")
            logger.info(f"🔍 Recherche {country} avec filtres: {pre_filter}")
            
            # Première recherche
            enhanced_docs, detected_articles, applied_filters = await self._perform_search_async(
                user_query, country, pre_filter
            )
            
            message_supplementaire = ""
            
            # Fallback automatique si aucun résultat pour case_study
            if not enhanced_docs and initial_doc_type == "case_study":
                logger.info("🔄 Fallback: Aucun case_study trouvé, recherche dans les articles")
                
                # Create new filter for articles - DON'T rebuild, just modify
                fallback_filter = pre_filter.copy()  # Copy the original filter
                fallback_filter["doc_type"] = "articles"  # Force articles type
                
                logger.info(f"🔄 Fallback filter: {fallback_filter}")  # Log the fallback filter
                
                enhanced_docs, detected_articles, applied_filters = await self._perform_search_async(
                    user_query, country, fallback_filter
                )
                
                # Mark that fallback was used
                applied_filters["original_search"] = "case_study"
                applied_filters["fallback_to"] = "articles"
                applied_filters["fallback_used"] = True
                
                # Message personnalisé pour le fallback
                if enhanced_docs:
                    message_supplementaire = (
                        "⚠️ Nous nous excusons, mais aucune décision de justice n'a été trouvée pour votre requête. "
                        "La base de données sera enrichie avec des décisions de justice prochainement. "
                        "En attendant, voici des articles de loi pertinents qui peuvent vous aider."
                    )
                else:
                    # Check if it's a MongoDB error
                    if "mongodb_error" in applied_filters:
                        message_supplementaire = (
                            "⚠️ Nous nous excusons, mais une erreur technique s'est produite lors de la recherche. "
                            "Nous travaillons à résoudre ce problème. Veuillez réessayer dans quelques instants."
                        )
                    else:
                        message_supplementaire = (
                            "⚠️ Nous nous excusons, mais aucune décision de justice n'a été trouvée pour votre requête. "
                            "La base de données sera enrichie avec des décisions de justice prochainement. "
                            "De plus, aucun article de loi correspondant n'a été trouvé. "
                            "Essayez de reformuler votre question avec des termes plus généraux."
                        )
            
            logger.info(f"🔍 Search completed: {len(enhanced_docs)} documents found")
            logger.info(f"📢 Supplemental message: {message_supplementaire[:100] if message_supplementaire else 'None'}")
            return enhanced_docs, detected_articles, applied_filters, message_supplementaire
            
        except Exception as e:
            logger.error(f"Error in smart_legal_query: {str(e)}")
            # Return empty results on error
            return [], [], {"error": str(e)}, f"Erreur lors de la recherche: {str(e)}"


    async def _perform_search_async(self, user_query: str, country: str, pre_filter: Dict) -> Tuple[List[Document], List[str], Dict[str, Any]]:
        """Perform search with given filters - ASYNC VERSION"""
        try:
            detected_articles = self._detect_articles(user_query)
            enhanced_query = self._enhance_query(user_query, detected_articles)
            
            logger.info(f"🔢 Articles détectés: {detected_articles}")
            logger.info(f"🔍 Requête enrichie: {enhanced_query[:100]}...")
            
            # CRITICAL FIX: Run synchronous vectorstore operation in thread pool
            docs = await asyncio.get_event_loop().run_in_executor(
                None,  # Use default thread pool
                lambda: self.vectorstore.similarity_search(
                    enhanced_query, 
                    k=settings.MAX_SEARCH_RESULTS, 
                    pre_filter=pre_filter
                )
            )
            
            logger.info(f"🎯 Vector search returned {len(docs)} raw documents")
            
            if docs:
                logger.info(f"📄 First result metadata: {docs[0].metadata}")
            else:
                logger.warning(f"⚠️ No documents found with filters: {pre_filter}")
                await self._debug_search_issue(pre_filter)
            
            enhanced_docs = self.enhance_with_article_context(docs)
            return enhanced_docs, detected_articles, pre_filter
            
        except Exception as e:
            logger.error(f"Error in _perform_search_async: {str(e)}")
            # Mark the filter with MongoDB error for better error handling
            error_filter = pre_filter.copy()
            error_filter["mongodb_error"] = str(e)
            return [], [], error_filter

    async def _debug_search_issue(self, pre_filter: Dict):
        """Debug why search returned no results"""
        try:
            # Check total document count
            total_count = await asyncio.get_event_loop().run_in_executor(
                None,
                lambda: self.collection.count_documents({})
            )
            logger.info(f"🔢 Total documents in collection: {total_count}")
            
            # Check documents matching country filter
            country_count = await asyncio.get_event_loop().run_in_executor(
                None,
                lambda: self.collection.count_documents({"pays": pre_filter.get("pays")})
            )
            logger.info(f"🌍 Documents for country {pre_filter.get('pays')}: {country_count}")
            
            # Check documents with doc_type
            doc_type_count = await asyncio.get_event_loop().run_in_executor(
                None,
                lambda: self.collection.count_documents({
                    "pays": pre_filter.get("pays"),
                    "doc_type": pre_filter.get("doc_type")
                })
            )
            logger.info(f"📋 Documents with doc_type {pre_filter.get('doc_type')}: {doc_type_count}")
            
            # Check documents with embeddings
            embedding_count = await asyncio.get_event_loop().run_in_executor(
                None,
                lambda: self.collection.count_documents({
                    "pays": pre_filter.get("pays"),
                    "embedding": {"$exists": True, "$ne": None}
                })
            )
            logger.info(f"🎯 Documents with embeddings: {embedding_count}")
            
            # Sample document check
            sample_doc = await asyncio.get_event_loop().run_in_executor(
                None,
                lambda: self.collection.find_one({"pays": pre_filter.get("pays")})
            )
            
            if sample_doc:
                logger.info(f"📄 Sample document keys: {list(sample_doc.keys())}")
                logger.info(f"📄 Sample doc_type: {sample_doc.get('doc_type', 'NOT_SET')}")
            else:
                logger.error("❌ No sample document found!")
                
        except Exception as e:
            logger.error(f"Error in debug: {str(e)}")

    def _build_pre_filters(self, query: str, country: str) -> Dict[str, Any]:
        """Build search filters based on query and country"""
        # Filtre pays obligatoire - MAKE SURE EXACT MATCH
        country_mapping = {
            "benin": "Bénin",
            "madagascar": "Madagascar"
        }
        
        pre_filter = {"pays": country_mapping.get(country.lower(), country)}
        
        # Filtre doc_type pour différencier articles et études de cas
        query_lower = query.lower()
        detected_doc_type = self._detect_document_type(query_lower)
        pre_filter["doc_type"] = detected_doc_type
        
        logger.info(f"🏷️ Using country filter: {pre_filter['pays']}")
        logger.info(f"📋 Using doc_type filter: {detected_doc_type}")
        
        # Filtres par catégorie (optionnels)
        logger.info("ℹ️  No category filter applied - using all available family law documents")
        # for keyword, category in CATEGORY_KEYWORDS.items():
        #     if keyword in query_lower:
        #         pre_filter["categorie"] = category
        #         logger.info(f"🏷️ Filtre catégorie: {category}")
        #         break
                
        return pre_filter

    def _detect_document_type(self, query_lower: str) -> str:
        """Détecte le type de document basé sur les mots-clés de la requête"""
        # Mots-clés pour les études de cas
        case_study_indicators = [
            "jurisprudence", "arrêt", "décision", "tribunal", "cours", "jugement",
            "affaire", "procès", "litige", "contentieux", "précédent", "cas",
            "cour d'appel", "cour suprême", "conseil d'état", "juridiction"
        ]
        
        # Mots-clés pour les articles
        articles_indicators = [
            "article", "loi", "code", "décret", "texte", "disposition",
            "règlement", "ordonnance", "prescription", "norme", "chapitre", "titre"
        ]
        
        case_study_score = sum(1 for keyword in case_study_indicators if keyword in query_lower)
        articles_score = sum(1 for keyword in articles_indicators if keyword in query_lower)
        
        if case_study_score > articles_score and case_study_score > 0:
            return "case_study"
        elif articles_score > 0:
            return "articles"
        else:
            # Par défaut, on cherche les articles de loi
            return "articles"

    def _detect_articles(self, query: str) -> List[str]:
        """Detect article references in query"""
        detected_articles = []
        for pattern in ARTICLE_PATTERNS:
            matches = re.findall(pattern, query.lower())
            for match in matches:
                if isinstance(match, tuple):
                    nums = [n for n in match if n.isdigit()]
                    detected_articles.extend(nums)
                else:
                    nums = re.findall(r"\d+", match)
                    detected_articles.extend(nums)
        
        return sorted(list(set(detected_articles)))

    def _enhance_query(self, query: str, detected_articles: List[str]) -> str:
        """Enhance query with article context"""
        if detected_articles:
            enhanced = f"article {' '.join(detected_articles)} {query}"
            logger.info(f"🔢 Requête enrichie avec articles: {detected_articles}")
            return enhanced
        return query

    def enhance_with_article_context(self, results: List[Document]) -> List[Document]:
        """Enhance search results with referenced article context"""
        enhanced_results = []
        for result in results:
            enhanced_results.append(result)
            
            # Pour les documents de type "articles", on peut ajouter les références
            if result.metadata.get("doc_type") == "articles":
                article_refs = result.metadata.get("article_references", [])
                resolved_refs = result.metadata.get("resolved_references", {})
                
                for article_num in article_refs[:3]:
                    if article_num in resolved_refs:
                        ref_doc = Document(
                            page_content=f"Article {article_num} (Référencé): {resolved_refs[article_num][:500]}...",
                            metadata={
                                **result.metadata,
                                "is_reference": True,
                                "referenced_article": article_num,
                                "doc_type": "article_reference"
                            },
                        )
                        enhanced_results.append(ref_doc)
        
        return enhanced_results
    def format_search_results(self, query: str, enhanced_docs: List[Document], 
                            detected_articles: List[str], applied_filters: Dict[str, Any], 
                            country: str, supplemental_message: str = "") -> str:
        """Format search results for system prompt"""
        country_name = "Bénin" if country == "benin" else "Madagascar"
        
        if not enhanced_docs:
            doc_type = applied_filters.get("doc_type", "articles")
            
            # Check if this was an error case
            if "error" in applied_filters:
                return f"""
                    **🚨 ERREUR DE RECHERCHE - {country_name.upper()}**

                    Une erreur s'est produite lors de la recherche: {applied_filters['error']}

                    **Informations de débogage:**
                    - **Requête**: "{query}"
                    - **Pays**: {country_name}
                    - **Type de document recherché**: {doc_type}
                    - **Filtres**: {applied_filters}

                    Veuillez réessayer ou contacter le support technique.
                    """
            
            if applied_filters.get("fallback_used"):
                # Cas où le fallback a été utilisé mais n'a rien trouvé non plus
                mongodb_error_note = ""
                if "mongodb_error" in applied_filters:
                    mongodb_error_note = f"\n\n**⚠️ Erreur technique**: {applied_filters['mongodb_error'][:200]}..."
                
                return f"""
                    **🔍 RECHERCHE JURIDIQUE - {country_name.upper()}**

                    {supplemental_message}

                    **💡 Informations :**
                    - Votre recherche portait sur des **décisions de justice (jurisprudence)**
                    - Aucune décision de justice n'a été trouvée dans la base de données
                    - Aucun article de loi correspondant n'a été trouvé non plus
                    {mongodb_error_note}

                    **Suggestion**: Essayez de reformuler votre requête avec des termes plus généraux.

                    **Recherche effectuée**: 
                    - Type initial: {applied_filters.get('original_search', 'N/A')}
                    - Fallback vers: {applied_filters.get('fallback_to', 'N/A')}
                    - Pays: {country_name}
                    """
            else:
                # Cas normal sans fallback
                return f"""
                    **🔍 RECHERCHE JURIDIQUE - {country_name.upper()}**

                    Aucun document trouvé avec les critères suivants:
                    - **Type de document**: {doc_type}
                    - **Catégorie**: {applied_filters.get('categorie', 'Toutes')}
                    - **Requête**: "{query}"

                    **Suggestion**: Essayez avec des termes plus généraux ou vérifiez l'orthographe.

                    **Filtres appliqués**: {applied_filters}
                    """

        # Si des documents sont trouvés
        doc_type = applied_filters.get("doc_type", "articles")
        doc_type_fr = "articles de loi" if doc_type == "articles" else "études de cas/jurisprudence"
        
        fallback_note = ""
        if applied_filters.get("fallback_used"):
            fallback_note = f"""
                **💡 {supplemental_message}**

                ---
                """
        
        search_results = f"""
                **🔍 RECHERCHE JURIDIQUE - {country_name.upper()}**
                **Type de documents**: {doc_type_fr}
                **Requête**: "{query}"
                **Juridiction**: {country_name}
                **Articles détectés**: {', '.join(detected_articles) if detected_articles else 'Aucun'}
                **Documents trouvés**: {len(enhanced_docs)}

                {fallback_note}
                """

        # Formatage des documents trouvés
        main_docs = [doc for doc in enhanced_docs if not doc.metadata.get("is_reference", False)]
        
        for i, doc in enumerate(main_docs[:5]):
            doc_type = doc.metadata.get("doc_type", "inconnu")
            source = doc.metadata.get('source', 'Non spécifié')
            content = doc.page_content[:600]
            
            search_results += f"""
                    **📄 DOCUMENT {i+1}** (Type: {doc_type})
                    - **Source**: {source}
                    - **Contenu**: {content}...

                    """
        
        return search_results

    # BACKWARD COMPATIBILITY: Keep sync version for any remaining sync calls
    def smart_legal_query_sync(self, user_query: str, country: str) -> Tuple[List[Document], List[str], Dict[str, Any], str]:
        """Synchronous version for backward compatibility"""
        logger.warning("Using sync version of smart_legal_query - consider migrating to async")
        return asyncio.run(self.smart_legal_query(user_query, country))