rag_core/business.py

import logging
from rag_core.chunker import chunk_legal_text
from rag_core.embedder import get_embedding
from rag_core.retriever import Retriever
from rag_core.llm import generate_answer
from rag_core.utils import log_timed

retriever = Retriever()
ready = retriever.index is not None

logging.info("📦 Khởi tạo retriever")

def is_ready():
    return ready

@log_timed("xây FAISS index")
def build_index():
    global ready
    logging.info("🔄 Bắt đầu xây FAISS index từ file dữ liệu...")
    try:
        with open("data/raw_law.txt", "r", encoding="utf-8") as f:
            text = f.read()
        logging.info(f"📄 Đọc dữ liệu xong, độ dài: {len(text)} ký tự")
        chunks = chunk_legal_text(text)
        logging.info(f"✂️ Chunking xong, tổng số chunk: {len(chunks)}")
        retriever.build(chunks, get_embedding)
        ready = True
        logging.info("✅ Xây FAISS index thành công.")
    except Exception as e:
        logging.error(f"❌ Lỗi khi xây index: {e}")
        raise

@log_timed("rescan FAISS index")
def rescan_index():
    global ready
    logging.info("🔍 Bắt đầu kiểm tra và cập nhật index...")
    if retriever.index is None:
        logging.info("⚠️ Chưa có index. Gọi build_index().")
        build_index()
        return {"status": "✅ Tạo mới FAISS index."}
    else:
        try:
            with open("data/raw_law.txt", "r", encoding="utf-8") as f:
                text = f.read()
            logging.info(f"📄 Đọc dữ liệu xong, độ dài: {len(text)} ký tự")
            chunks = chunk_legal_text(text)
            logging.info(f"🔁 Rescan: tổng số chunk mới: {len(chunks)}")
            retriever.rescan_and_append(chunks, get_embedding)
            logging.info("✅ Đã cập nhật index với các chunk mới.")
            return {"status": "✅ Rescan & update thành công."}
        except Exception as e:
            logging.error(f"❌ Lỗi khi rescan index: {e}")
            return {"status": f"❌ Lỗi khi rescan: {e}"}

@log_timed("trả lời câu hỏi")
def answer_query(query: str) -> str:
    logging.info(f"❓ Nhận câu hỏi: {query}")
    if not ready:
        logging.warning("⚠️ Index chưa sẵn sàng.")
        return {"error": "Index chưa sẵn sàng. Vui lòng bấm 'Xây Index' hoặc gọi API /rescan."}
    try:
        docs = retriever.query(query, get_embedding)
        logging.info(f"📚 Truy xuất được {len(docs)} đoạn liên quan")
        for i, doc in enumerate(docs):
            # logging.info(f"🔍 Đoạn {i+1}: {doc[:300]}{'...' if len(doc) > 300 else ''}")
            logging.info(f"🔍 Đoạn {i+1}: {doc}")

        prompt = (
            "Bạn là một trợ lý AI có kiến thức pháp luật, hãy trả lời câu hỏi dựa trên các đoạn luật sau. "
            "Chỉ sử dụng thông tin có trong các đoạn, không tự đoán.\n"
        )
        prompt += "\n\n".join(docs)
        prompt += f"\n\nCâu hỏi: {query}\nTrả lời:"

        logging.info("🧠 Prompt gửi đến LLM:")
        logging.info(prompt[:1000] + ("..." if len(prompt) > 1000 else ""))

        answer = generate_answer(prompt)
        logging.info(f"💬 Câu trả lời từ LLM: {answer}")
        return {"answer": answer}
    except Exception as e:
        logging.error(f"❌ Lỗi khi trả lời câu hỏi: {e}")
        return {"error": str(e)}