Spaces:
Runtime error
Runtime error
File size: 10,854 Bytes
f0322a6 |
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 |
"""
ProcessorManager - Orquestrador de 9 Especialistas
Coordena execução sequencial/paralela de todos os processadores
"""
import asyncio
import logging
from typing import Dict, List, Any, Optional
from datetime import datetime
from concurrent.futures import ThreadPoolExecutor
import json
from processors.processor_metadados import ProcessorMetadados
from processors.processor_relatorio import ProcessorRelatorio
from processors.processor_fundamentacao import ProcessorFundamentacao
from processors.processor_decisao import ProcessorDecisao
from processors.processor_auditoria import ProcessorAuditoria
from processors.processor_arquivo_relacional import ProcessorArquivoRelacional
from processors.processor_segmentacao_sintatica import ProcessorSegmentacaoSintatica
from processors.processor_analise_contextual import ProcessorAnaliseContextual
from processors.processor_transcricao_3partite import ProcessorTranscricao3Partite
logger = logging.getLogger(__name__)
class ProcessorManager:
"""
Orquestrador central que gerencia os 9 especialistas
Funcionalidades:
- Execução sequencial ou paralela
- Orquestração de dependências entre especialistas
- Validação de resultados
- Consolidação de outputs
- Auditoria de processamento
"""
def __init__(self, llm_model=None, max_workers: int = 4):
"""
Inicializa manager
Args:
llm_model: Modelo LLM a usar
max_workers: Número máximo de workers paralelos
"""
self.llm_model = llm_model
self.max_workers = max_workers
self.start_time = None
self.execution_log = []
# Inicializar 9 especialistas
self.specialists = {
1: ProcessorMetadados(llm_model=llm_model),
2: ProcessorRelatorio(llm_model=llm_model),
3: ProcessorFundamentacao(llm_model=llm_model),
4: ProcessorDecisao(llm_model=llm_model),
5: ProcessorAuditoria(llm_model=llm_model),
6: ProcessorArquivoRelacional(llm_model=llm_model),
7: ProcessorSegmentacaoSintatica(llm_model=llm_model),
8: ProcessorAnaliseContextual(llm_model=llm_model),
9: ProcessorTranscricao3Partite(llm_model=llm_model),
}
logger.info("✅ ProcessorManager inicializado com 9 especialistas")
async def process_acordao_sequential(
self,
acordao_data: Dict[str, Any],
specialist_ids: Optional[List[int]] = None
) -> Dict[str, Any]:
"""
Processa acórdão sequencialmente (um especialista após o outro)
Args:
acordao_data: Dados estruturados do acórdão
specialist_ids: IDs dos especialistas a executar (default: todos)
Returns:
Dicionário com resultados consolidados
"""
self.start_time = datetime.now()
if specialist_ids is None:
specialist_ids = list(range(1, 10))
logger.info(f"🔄 Iniciando processamento sequencial com especialistas: {specialist_ids}")
results = {}
errors = {}
for spec_id in specialist_ids:
if spec_id not in self.specialists:
error_msg = f"Especialista {spec_id} não existe"
logger.error(error_msg)
errors[spec_id] = error_msg
continue
try:
specialist = self.specialists[spec_id]
logger.info(f"⏳ Executando {specialist.specialist_name}...")
# Executar em executor para não bloquear
loop = asyncio.get_event_loop()
result = await loop.run_in_executor(
None,
specialist.process,
acordao_data
)
# Validar resultado
if specialist.validate(result):
results[spec_id] = specialist.post_process(result)
logger.info(f"✅ {specialist.specialist_name} completado")
else:
error_msg = f"Validação falhou para {specialist.specialist_name}"
errors[spec_id] = error_msg
logger.error(error_msg)
except Exception as e:
error_msg = f"Erro ao executar {self.specialists[spec_id].specialist_name}: {str(e)}"
errors[spec_id] = error_msg
logger.error(error_msg, exc_info=True)
elapsed_time = (datetime.now() - self.start_time).total_seconds()
return {
"status": "completed" if not errors else "completed_with_errors",
"total_specialists": len(specialist_ids),
"successful": len(results),
"failed": len(errors),
"execution_time": elapsed_time,
"results": results,
"errors": errors,
"timestamp": datetime.now().isoformat()
}
async def process_acordao_parallel(
self,
acordao_data: Dict[str, Any],
specialist_ids: Optional[List[int]] = None
) -> Dict[str, Any]:
"""
Processa acórdão em paralelo (múltiplos especialistas simultaneamente)
Args:
acordao_data: Dados estruturados do acórdão
specialist_ids: IDs dos especialistas a executar (default: todos)
Returns:
Dicionário com resultados consolidados
"""
self.start_time = datetime.now()
if specialist_ids is None:
specialist_ids = list(range(1, 10))
logger.info(f"⚡ Iniciando processamento paralelo com especialistas: {specialist_ids}")
tasks = []
valid_specialists = []
for spec_id in specialist_ids:
if spec_id not in self.specialists:
logger.error(f"Especialista {spec_id} não existe")
continue
specialist = self.specialists[spec_id]
valid_specialists.append(spec_id)
# Criar task para cada especialista
loop = asyncio.get_event_loop()
task = loop.run_in_executor(
None,
self._execute_specialist,
spec_id,
acordao_data
)
tasks.append(task)
# Executar todas as tasks em paralelo
results_list = await asyncio.gather(*tasks, return_exceptions=True)
results = {}
errors = {}
for spec_id, result in zip(valid_specialists, results_list):
if isinstance(result, Exception):
errors[spec_id] = str(result)
elif result is not None:
results[spec_id] = result
else:
errors[spec_id] = "Resultado nulo"
elapsed_time = (datetime.now() - self.start_time).total_seconds()
return {
"status": "completed" if not errors else "completed_with_errors",
"total_specialists": len(valid_specialists),
"successful": len(results),
"failed": len(errors),
"execution_time": elapsed_time,
"results": results,
"errors": errors,
"timestamp": datetime.now().isoformat()
}
def _execute_specialist(
self,
spec_id: int,
acordao_data: Dict[str, Any]
) -> Optional[Dict[str, Any]]:
"""Executa especialista individual (para paralelização)"""
try:
specialist = self.specialists[spec_id]
logger.info(f"⏳ [{spec_id}] Executando {specialist.specialist_name}...")
result = specialist.process(acordao_data)
if specialist.validate(result):
processed = specialist.post_process(result)
logger.info(f"✅ [{spec_id}] {specialist.specialist_name} completado")
return processed
else:
logger.error(f"❌ [{spec_id}] Validação falhou para {specialist.specialist_name}")
return None
except Exception as e:
logger.error(f"❌ [{spec_id}] Erro: {str(e)}", exc_info=True)
return None
def process_batch(
self,
acordaos: List[Dict[str, Any]],
parallel: bool = False
) -> Dict[str, Any]:
"""
Processa múltiplos acórdãos em batch
Args:
acordaos: Lista de acórdãos a processar
parallel: Se True, processa em paralelo
Returns:
Resultados consolidados
"""
loop = asyncio.new_event_loop()
asyncio.set_event_loop(loop)
try:
results = []
for idx, acordao in enumerate(acordaos):
logger.info(f"📋 Processando acórdão {idx+1}/{len(acordaos)}")
if parallel:
result = loop.run_until_complete(
self.process_acordao_parallel(acordao)
)
else:
result = loop.run_until_complete(
self.process_acordao_sequential(acordao)
)
results.append(result)
return {
"batch_size": len(acordaos),
"processed": len(results),
"results": results,
"timestamp": datetime.now().isoformat()
}
finally:
loop.close()
def get_specialists_info(self) -> Dict[int, Dict[str, Any]]:
"""Retorna informações sobre todos os especialistas"""
return {
spec_id: specialist.info
for spec_id, specialist in self.specialists.items()
}
def get_specialist(self, spec_id: int):
"""Retorna um especialista específico"""
return self.specialists.get(spec_id)
def export_results(self, results: Dict[str, Any], format: str = "json") -> str:
"""
Exporta resultados em diferentes formatos
Args:
results: Resultados a exportar
format: Formato desejado (json, jsonl)
Returns:
String com dados formatados
"""
if format == "json":
return json.dumps(results, ensure_ascii=False, indent=2)
elif format == "jsonl":
return json.dumps(results, ensure_ascii=False) + "\n"
else:
raise ValueError(f"Formato {format} não suportado")
|