feat: implement conversational chatbot with routing and chat history support

app/api/v1/recommendations.py

@@ -12,9 +12,15 @@ from pydantic import BaseModel
 
 router = APIRouter()
 
+class ChatMessage(BaseModel):
+    role: str
+    content: str
+
 class OutfitRecommendRequest(BaseModel):
-    weather: str = "28C"
-    event: str = "workplace"
+    message: str
+    history: List[ChatMessage] = []
+    weather: Optional[str] = "25C"
+    event: Optional[str] = None
 
 @router.post("/outfit")
 def recommend_outfit(
@@ -45,9 +51,11 @@ def recommend_outfit(
         for item in wardrobe
     ]
 
-    recommendation = llm_service.recommend_outfits(
+    recommendation = llm_service.chat_and_recommend(
         user_profile=body_data,
         wardrobe_items=wardrobe_list,
+        message=req.message,
+        history=[{"role": m.role, "content": m.content} for m in req.history],
         weather=req.weather,
         event=req.event
     )

app/services/llm_service.py

@@ -20,12 +20,33 @@ class LLMService:
         wardrobe_items: List[Dict[str, Any]],
         weather: str,
         event: str
+    ) -> Dict[str, Any]:
+        return self.chat_and_recommend(
+            user_profile=user_profile,
+            wardrobe_items=wardrobe_items,
+            message=event,
+            history=[],
+            weather=weather,
+            event=event
+        )
+
+    def chat_and_recommend(
+        self,
+        user_profile: Dict[str, Any],
+        wardrobe_items: List[Dict[str, Any]],
+        message: str,
+        history: List[Dict[str, str]],
+        weather: Optional[str] = "25C",
+        event: Optional[str] = None
     ) -> Dict[str, Any]:
         if not self.enabled:
-            # Mock mode for testing/fallback
+            # Simple keyword-based classifier in mock mode
+            keywords = ["recommend", "gợi ý", "phối đồ", "mặc gì", "chọn đồ", "outfit", "wear"]
+            is_rec = any(kw in message.lower() for kw in keywords) or not history
             return {
-                "recommendation": "Mock Outfit: Áo sơ mi trắng phối quần tây đen nhã nhặn phù hợp cho môi trường văn phòng/phỏng vấn.",
-                "selected_item_ids": [str(item["id"]) for item in wardrobe_items[:2]] if wardrobe_items else []
+                "is_recommendation": is_rec,
+                "recommendation": "Mock Outfit: Áo sơ mi trắng phối quần tây đen nhã nhặn phù hợp cho môi trường văn phòng/phỏng vấn." if is_rec else f"Tôi hiểu bạn đang nói về: '{message}'. Trong vai trò trợ lý thời trang, tôi khuyên bạn nên tự tin thể hiện phong cách của mình!",
+                "selected_item_ids": [str(item["id"]) for item in wardrobe_items[:2]] if (wardrobe_items and is_rec) else []
             }
 
         # Structure wardrobe context
@@ -37,9 +58,16 @@ class LLMService:
             )
         wardrobe_context = "\n".join(wardrobe_desc)
 
+        # Structure chat history context
+        history_desc = []
+        for msg in history:
+            role_label = "User" if msg["role"] == "user" else "Stylist"
+            history_desc.append(f"{role_label}: {msg['content']}")
+        history_context = "\n".join(history_desc) if history_desc else "Chưa có lịch sử trò chuyện."
+
         prompt = f"""
-        Bạn là một Trợ lý thời trang cá nhân AI chuyên nghiệp.
-        Hãy phân tích dữ liệu người dùng và đưa ra gợi ý phối đồ từ tủ quần áo ảo của họ.
+        Bạn là một Trợ lý thời trang cá nhân AI chuyên nghiệp (tên là Aura).
+        Hãy phân tích dữ liệu người dùng, tủ đồ hiện có, lịch sử trò chuyện và tin nhắn mới nhất để phản hồi phù hợp.
 
         Thông tin người dùng:
         - Giới tính: {user_profile.get('gender')}
@@ -49,21 +77,35 @@ class LLMService:
         - Vòng eo: {user_profile.get('waist_cm') or 'Chưa cung cấp'} cm
         - Vòng mông: {user_profile.get('hips_cm') or 'Chưa cung cấp'} cm
 
-        Ngữ cảnh hiện tại:
-        - Thời tiết: {weather}
-        - Sự kiện/Hoàn cảnh tham gia: {event}
+        Ngữ cảnh hiện tại (nếu có):
+        - Thời tiết: {weather or 'Không xác định'}
+        - Sự kiện/Hoàn cảnh: {event or 'Không xác định'}
 
         Danh sách tủ quần áo hiện có của người dùng:
         {wardrobe_context}
 
-        Nhiệm vụ:
-        1. Đề xuất một bộ phối đồ hoàn hảo và hợp thời trang nhất cho người dùng trong hoàn cảnh trên.
-        2. Chọn chính xác các ID sản phẩm phù hợp từ danh sách tủ đồ của họ ở trên.
-        3. Giải thích ngắn gọn lý do phối đồ dựa trên vóc dáng và thời tiết.
-
-        Hãy trả về kết quả dưới định dạng JSON duy nhất và hợp lệ sau:
+        Lịch sử trò chuyện gần đây:
+        {history_context}
+
+        Tin nhắn mới từ người dùng:
+        "{message}"
+
+        Nhiệm vụ của bạn:
+        1. Phân loại ý định của người dùng (User Intent Routing):
+           - Nếu người dùng muốn gợi ý phối đồ mới, phối đồ lại, thay thế/thay đổi trang phục nào đó trong set đồ hiện tại, hoặc tìm đồ phối hợp từ tủ quần áo, hãy thiết lập "is_recommendation" thành true.
+           - Nếu người dùng chỉ đang bàn luận, hỏi đáp chung về thời trang, hỏi lý do lựa chọn sản phẩm trước đó (ví dụ: "Tại sao bạn chọn áo thun này?", "Quần này hợp với giày gì?", "Có nên sơ vin không?"), hoặc tán gẫu thông thường mà không cần thay đổi hay tạo mới set đồ đề xuất, hãy thiết lập "is_recommendation" thành false.
+        2. Nếu "is_recommendation" là true:
+           - Hãy gợi ý một set phối đồ hoàn hảo và hợp thời trang nhất từ tủ đồ.
+           - Chọn chính xác các ID sản phẩm phù hợp từ danh sách tủ đồ của họ.
+           - Điền danh sách ID này vào "selected_item_ids".
+        3. Nếu "is_recommendation" là false:
+           - Trả lời người dùng một cách thân thiện, chi tiết và có kiến thức chuyên môn về thời trang dựa trên câu hỏi của họ.
+           - Đặt "selected_item_ids" là [] (mảng rỗng).
+
+        Hãy trả về kết quả dưới định dạng JSON duy nhất và hợp lệ sau (không chứa ký tự thừa bên ngoài):
         {{
-            "recommendation": "Chuỗi văn bản giải thích và mô tả bộ đồ phối gợi ý",
+            "is_recommendation": true,
+            "recommendation": "Chuỗi văn bản phản hồi người dùng",
             "selected_item_ids": ["uuid-1", "uuid-2"]
         }}
         """
@@ -101,10 +143,13 @@ class LLMService:
                 content_str = "\n".join(lines).strip()
 
             data = json.loads(content_str)
+            if "is_recommendation" not in data:
+                data["is_recommendation"] = len(data.get("selected_item_ids", [])) > 0
             return data
         except Exception as e:
             logging.error(f"Error calling Nvidia API: {e}")
             return {
+                "is_recommendation": False,
                 "recommendation": "Hệ thống gặp lỗi khi liên kết với AI gợi ý. Hãy thử lại sau.",
                 "selected_item_ids": []
             }

tests/test_llm.py

@@ -10,6 +10,7 @@ def test_llm_service_mock_mode():
         service = LLMService()
         assert service.enabled is False
         
+        # Test old recommend_outfits wrapper
         res = service.recommend_outfits(
             user_profile={"gender": "male", "height_cm": 175, "weight_kg": 70},
             wardrobe_items=[{"id": "item1", "category": "shirt", "color_hex": "#ffffff"}],
@@ -20,6 +21,36 @@ def test_llm_service_mock_mode():
         assert "Mock Outfit" in res["recommendation"]
         assert "item1" in res["selected_item_ids"]
 
+def test_chat_and_recommend_mock_routing():
+    with patch("app.services.llm_service.settings") as mock_settings:
+        mock_settings.NVIDIA_API_KEY = None
+        
+        service = LLMService()
+        assert service.enabled is False
+        
+        # Test recommendation intent (should be true)
+        res_rec = service.chat_and_recommend(
+            user_profile={"gender": "male", "height_cm": 175, "weight_kg": 70},
+            wardrobe_items=[{"id": "item1", "category": "shirt", "color_hex": "#ffffff"}],
+            message="Gợi ý phối đồ đi chơi",
+            history=[],
+            weather="28C"
+        )
+        assert res_rec["is_recommendation"] is True
+        assert "item1" in res_rec["selected_item_ids"]
+        
+        # Test non-recommendation/chat intent (should be false if there is history)
+        res_chat = service.chat_and_recommend(
+            user_profile={"gender": "male", "height_cm": 175, "weight_kg": 70},
+            wardrobe_items=[{"id": "item1", "category": "shirt", "color_hex": "#ffffff"}],
+            message="Tại sao chiếc áo này lại hợp với tôi?",
+            history=[{"role": "user", "content": "Mặc gì đây"}, {"role": "assistant", "content": "Áo sơ mi"}],
+            weather="28C"
+        )
+        assert res_chat["is_recommendation"] is False
+        assert "item1" not in res_chat["selected_item_ids"]
+        assert "Tại sao chiếc áo này lại hợp với tôi?" in res_chat["recommendation"]
+
 def test_llm_service_nvidia_api_success():
     with patch("app.services.llm_service.settings") as mock_settings:
         mock_settings.NVIDIA_API_KEY = "mock_key"
@@ -35,21 +66,23 @@ def test_llm_service_nvidia_api_success():
             "choices": [
                 {
                     "message": {
-                        "content": '{\n  "recommendation": "Gợi ý: Áo thun trắng phối quần short năng động.",\n  "selected_item_ids": ["item1"]\n}'
+                        "content": '{\n  "is_recommendation": true,\n  "recommendation": "Gợi ý: Áo thun trắng phối quần short năng động.",\n  "selected_item_ids": ["item1"]\n}'
                     }
                 }
             ]
         }
         
         with patch("requests.post", return_value=mock_response) as mock_post:
-            res = service.recommend_outfits(
+            res = service.chat_and_recommend(
                 user_profile={"gender": "male", "height_cm": 175, "weight_kg": 70},
                 wardrobe_items=[{"id": "item1", "category": "shirt", "color_hex": "#ffffff"}],
-                weather="28C",
-                event="workplace"
+                message="Mặc gì hôm nay?",
+                history=[],
+                weather="28C"
             )
             
             mock_post.assert_called_once()
+            assert res["is_recommendation"] is True
             assert res["recommendation"] == "Gợi ý: Áo thun trắng phối quần short năng động."
             assert res["selected_item_ids"] == ["item1"]
 
@@ -62,13 +95,14 @@ def test_llm_service_nvidia_api_error_fallback():
         assert service.enabled is True
         
         with patch("requests.post", side_effect=Exception("API connection timeout")) as mock_post:
-            res = service.recommend_outfits(
+            res = service.chat_and_recommend(
                 user_profile={"gender": "male", "height_cm": 175, "weight_kg": 70},
                 wardrobe_items=[{"id": "item1", "category": "shirt", "color_hex": "#ffffff"}],
-                weather="28C",
-                event="workplace"
+                message="Mặc gì hôm nay?",
+                history=[]
             )
             
             mock_post.assert_called_once()
+            assert res["is_recommendation"] is False
             assert "Hệ thống gặp lỗi" in res["recommendation"]
             assert res["selected_item_ids"] == []