Cập nhật hàm final_answer, bỏ luồng chat_pdf_rag

core.py

@@ -4,11 +4,14 @@ Core agent orchestration — entry point dùng chung cho API và UI.
 
 import base64
 import json
+import logging
 import mimetypes
 import time
 from datetime import datetime
 from typing import Optional
 
+logger = logging.getLogger(__name__)
+
 from langchain_core.messages import HumanMessage, ToolMessage
 
 from src.graph import run
@@ -26,7 +29,6 @@ def final_answer(
     pdf_path: Optional[str] = None,
     image_path: Optional[str] = None,
     pdf_name: Optional[str] = None,
-    use_rag: bool = False,
 ) -> tuple[str, str, str | None, str | None]:
     """
     Khởi tạo AgentState, chạy graph, trả về 4 giá trị.
@@ -53,23 +55,20 @@ def final_answer(
     custom_prompt = get_custom_prompt(sender_id)
 
     if pdf_path is not None:
-        if use_rag:
-            from src.pdf_rag import hybrid_search, index_pdf
+        # Auto-index vào Qdrant để dùng với rag_search sau này (idempotent)
+        try:
+            from src.pdf_rag import index_pdf
             index_pdf(pdf_path, pdf_name or "document.pdf", conversation_id)
-            chunks = hybrid_search(query, conversation_id, top_k=5)
-            rag_context = (
-                "\n\n---\n\n".join(chunks)
-                if chunks else "(Không tìm thấy nội dung liên quan trong các PDF đã gửi)"
-            )
-            tool_content = f"[Nội dung liên quan từ PDF]\n{rag_context}"
-        else:
-            pdf_content  = pdf_to_markdown(pdf_path)
-            chat_history = redis_client.get_chat_history(conversation_id)
-            chat_text    = format_chat_history(chat_history)
-            tool_content = (
-                f"[Nội dung PDF]\n{pdf_content}"
-                f"\n\n[Lịch sử trò chuyện]\n{chat_text}"
-            )
+        except Exception:
+            logger.exception("Auto-index PDF thất bại.")
+
+        pdf_content  = pdf_to_markdown(pdf_path)
+        chat_history = redis_client.get_chat_history(conversation_id)
+        chat_text    = format_chat_history(chat_history)
+        tool_content = (
+            f"[Nội dung PDF]\n{pdf_content}"
+            f"\n\n[Lịch sử trò chuyện]\n{chat_text}"
+        )
 
         state: AgentState = {
             "conversation_id": conversation_id,