Update graph_agentB.py

graph_agentB.py

@@ -1,57 +1,66 @@
-from typing import TypedDict, Annotated, Literal, Sequence
-from langchain_core.messages import BaseMessage
-from langgraph.graph import StateGraph, END
-from langgraph.graph.message import add_messages
-from config import llm, client, langsmith_project
-from pinecone_utilsB import *
-
-# Graph state definition
-class GraphState(TypedDict):
-    messages: Annotated[Sequence[BaseMessage], add_messages]
-    query: str
-    combined_docs: list
-    response: str
-
-def retrieve_combined(state: GraphState) -> dict:
-    """Récupération hybride : Pinecone (sémantique) + BM25 (mots-clés)."""
-    combined_docs = retrieve_documents(state["query"])
-    return {"combined_docs": combined_docs}
-
-def generate_response(state: GraphState) -> dict:
-    """Génération de réponse en combinant informations sémantiques et mots-clés."""
-    context = "\n\n".join(state["combined_docs"])
-    prompt = f"""
-        Vous êtes un expert en analyse de texte.
-        Votre réponse doit prendre en compte les éléments suivants :
-
-        - Recherche sémantique (contextes proches) 
-        - Recherche par mots-clés (documents contenant les termes exacts)
-
-        **Informations pertinentes trouvées** :
-        {context}
-
-        **Question de l'utilisateur** :
-        {state["query"]}
-
-        **Réponse :**
-        """
-    response = llm.invoke(prompt)
-    return {"response": response.content}
-
-def post_process_response(state: GraphState) -> dict:
-    """Nettoyage de la réponse avant affichage."""
-    response = state["response"].strip() if isinstance(state["response"], str) else state["response"]
-    return {"response": response}
-
-# Construction du graphe
-graph_builder = StateGraph(GraphState)
-graph_builder.add_node("retrieve", retrieve_combined)
-graph_builder.add_node("generate", generate_response)
-graph_builder.add_node("post_process", post_process_response)
-
-graph_builder.set_entry_point("retrieve")
-graph_builder.add_edge("retrieve", "generate")
-graph_builder.add_edge("generate", "post_process")
-graph_builder.add_edge("post_process", END)
-
-agent = graph_builder.compile()
+from typing import TypedDict, Annotated, Sequence
+from langchain_core.messages import BaseMessage
+from langgraph.graph import StateGraph, END
+from langgraph.graph.message import add_messages
+from config import llm, client, langsmith_project
+from pinecone_utilsB import *  
+
+search_engine = HybridSearchEngine()
+
+
+class GraphState(TypedDict):
+    messages: Annotated[Sequence[BaseMessage], add_messages]
+    query: str
+    relevant_docs: list
+    response: str
+
+
+def retrieve_combined(state: GraphState) -> dict:
+    """Récupération hybride : Pinecone (sémantique) + BM25 (mots-clés)."""
+    relevant_docs = search_engine.hybrid_search(state["query"])
+    return {"relevant_docs": relevant_docs}
+
+def generate_response(state: GraphState) -> dict:
+    """Génération de réponse en combinant informations sémantiques et mots-clés."""
+    context = "\n\n".join(state["relevant_docs"])
+    prompt = f"""
+        Vous êtes un expert en analyse de texte.
+        Votre réponse doit prendre en compte les éléments suivants :
+
+        - Recherche sémantique (contextes proches) 
+        - Recherche par mots-clés (documents contenant les termes exacts)
+
+        **Informations pertinentes trouvées** :
+        {context}
+
+        **Question de l'utilisateur** :
+        {state["query"]}
+
+        **Réponse :**
+        """
+    response = llm.invoke(prompt)
+    return {"response": response.content}
+
+
+def post_process_response(state: GraphState) -> dict:
+    """Nettoie et valide la réponse."""
+    response = state["response"].strip()
+    
+    # Vérifier si la réponse est pertinente
+    if not response or response.lower() in ["je ne sais pas", "i don't know"]:
+        response = "Désolé, je n'ai pas trouvé d'informations pertinentes pour votre question."
+    
+    return {"response": response}
+
+# Construction du graphe
+graph_builder = StateGraph(GraphState)
+graph_builder.add_node("retrieve", retrieve_combined)
+graph_builder.add_node("generate", generate_response)
+graph_builder.add_node("post_process", post_process_response)
+
+graph_builder.set_entry_point("retrieve")
+graph_builder.add_edge("retrieve", "generate")
+graph_builder.add_edge("generate", "post_process")
+graph_builder.add_edge("post_process", END)
+
+agent = graph_builder.compile()