File size: 16,363 Bytes
24431ef
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
"""
Capa 3 · Critic-Loop — Agente Evaluador Matemático
====================================================
Implementa el pipeline: Generador → Evaluador → Corrección → Respuesta Final

Arquitectura:
  [Respuesta borrador del LLM]
        ↓
  [EVALUADOR Python — verificación matemática instantánea]
        ↓
  [¿Hay errores?] — Sí → [LLaMA 8B reescribe con feedback específico]
        ↓ No
  [Respuesta Final]

El evaluador Python es determinístico — no usa LLM para detectar errores numéricos.
El LLM solo se usa para REESCRIBIR si hay error detectado.
Máximo 2 iteraciones para evitar loops infinitos.
"""

import re
import json
import os
from datetime import datetime

DATA_PATH  = "/data"
ERROR_LOG  = os.path.join(DATA_PATH, "error_catalog.json")
MAX_ITER   = 2  # máximo de reintentos

# ─── Catálogo de errores conocidos ───────────────────────────────────────────
# Se carga al inicio y se actualiza cuando el evaluador detecta errores nuevos.

def load_error_catalog() -> dict:
    """Carga el catálogo de errores conocidos desde /data/error_catalog.json."""
    try:
        if os.path.exists(ERROR_LOG):
            with open(ERROR_LOG, "r", encoding="utf-8") as f:
                return json.load(f)
    except Exception:
        pass
    return {
        "version": "1.0",
        "actualizado": datetime.now().isoformat(),
        "reglas_escala": [
            {
                "id": "SCALE_001",
                "patron": r"\b(\d+[\.,]?\d*)\s*billones?\s+USD\b",
                "descripcion": "billion en inglés = mil millones en español, NO billón",
                "ejemplo_mal": "681.35 billones USD",
                "ejemplo_bien": "681 mil millones USD",
                "detectado": 0,
            },
            {
                "id": "SCALE_002",
                "patron": r"inflaci[oó]n[^.]*?(\d+[\.,]\d+)\s*%[^.]*?[ií]ndice",
                "descripcion": "INPC es índice base 2018=100, NO porcentaje de inflación",
                "ejemplo_mal": "inflación de 127.5%",
                "ejemplo_bien": "INPC índice: 127.5 (base 2018=100)",
                "detectado": 0,
            },
        ],
        "errores_detectados": [],
    }


def save_error_catalog(catalog: dict):
    """Guarda el catálogo actualizado."""
    try:
        os.makedirs(DATA_PATH, exist_ok=True)
        catalog["actualizado"] = datetime.now().isoformat()
        with open(ERROR_LOG, "w", encoding="utf-8") as f:
            json.dump(catalog, f, ensure_ascii=False, indent=2)
    except Exception:
        pass


# ─── Verificadores matemáticos Python (determinísticos) ─────────────────────

def _check_scale_billions(text: str, raw_data: dict) -> list:
    """
    Verifica que los valores USD del World Bank estén en la escala correcta.
    Un 'billion' USD = 1,000 millones USD (NO 1 billón en español).
    """
    errors = []

    # Patrones de error: número seguido de "billones USD" cuando debería ser "mil millones"
    patron_error = re.compile(
        r'(\d{1,4}(?:[\.,]\d+)?)\s*billones?\s+(?:de\s+)?USD',
        re.IGNORECASE
    )

    for match in patron_error.finditer(text):
        valor_str = match.group(1).replace(',', '.')
        try:
            valor = float(valor_str)
            # Si el valor está entre 1 y 9999, probablemente es "miles de millones"
            # mal expresado como "billones"
            if 1 <= valor <= 9999:
                # Verificar contra datos reales si están disponibles
                context = text[max(0, match.start()-50):match.end()+50]
                errors.append({
                    "tipo":    "SCALE_001",
                    "texto":   match.group(0),
                    "valor":   valor,
                    "contexto": context.strip(),
                    "feedback": (
                        f"ERROR DE ESCALA: '{match.group(0)}' usa 'billones' incorrectamente. "
                        f"En español mexicano, {valor:.0f} billion USD = "
                        f"{valor:.0f} mil millones USD (NO {valor:.0f} billones). "
                        f"Reescribe usando 'mil millones USD'."
                    )
                })
        except ValueError:
            pass

    return errors


def _check_inpc_as_pct(text: str) -> list:
    """
    Verifica que el INPC no se presente como porcentaje de inflación.
    El INPC es un índice base 2018=100, no un porcentaje.
    """
    errors = []

    # Detectar cuando se menciona inflación con valor > 50% (imposible — sería el índice)
    patron = re.compile(
        r'inflaci[oó]n[^.]{0,50}?(\d{2,3}[\.,]\d+)\s*%',
        re.IGNORECASE
    )
    for match in patron.finditer(text):
        try:
            valor = float(match.group(1).replace(',', '.'))
            if valor > 20:  # inflación > 20% es sospechosa — probablemente es el índice
                errors.append({
                    "tipo":    "SCALE_002",
                    "texto":   match.group(0),
                    "valor":   valor,
                    "feedback": (
                        f"ERROR INPC: '{match.group(0)}' presenta el INPC como porcentaje. "
                        f"El valor {valor} es el ÍNDICE INPC base 2018=100, NO el porcentaje de inflación. "
                        f"Reescribe indicando que es el índice, no la tasa de inflación anual."
                    )
                })
        except ValueError:
            pass

    return errors


def _check_tiie_hallucination(text: str, raw_data: dict) -> list:
    """
    Verifica que los valores de TIIE o tasa objetivo sean coherentes
    con los datos del bucket.
    """
    errors = []

    # Obtener valor real de tasa del bucket
    tasa_real = None
    tiie_real  = None
    try:
        banxico = raw_data.get("banxico", {})
        tasa_real = float(banxico.get("tasa_objetivo", banxico.get("SF61745", 0)) or 0)
        tiie_real = float(banxico.get("tiie_28_dias",  banxico.get("SF43783", 0)) or 0)
    except Exception:
        pass

    if not tasa_real:
        return errors

    # Buscar menciones de la tasa en el texto
    patron_tasa = re.compile(
        r'tasa\s+objetivo[^.]{0,30}?(\d+[\.,]\d+)\s*%',
        re.IGNORECASE
    )
    for match in patron_tasa.finditer(text):
        try:
            valor_texto = float(match.group(1).replace(',', '.'))
            # Tolerancia de 0.5% — diferencias mayores son sospechosas
            if abs(valor_texto - tasa_real) > 0.5:
                errors.append({
                    "tipo":    "DATA_001",
                    "texto":   match.group(0),
                    "valor":   valor_texto,
                    "real":    tasa_real,
                    "feedback": (
                        f"ERROR DATOS: La tasa objetivo mencionada es {valor_texto}% "
                        f"pero el dato real del bucket es {tasa_real}%. "
                        f"Corrige usando el valor exacto del bucket: {tasa_real}%."
                    )
                })
        except ValueError:
            pass

    return errors


def _check_math_operations(text: str) -> list:
    """
    Verifica operaciones matemáticas simples expresadas en el texto.
    Ej: "X representa el Y% de Z" → verifica que X/Z ≈ Y/100
    """
    errors = []

    # Patrón: "X millones MXN, lo que representa el Y% de Z millones"
    patron = re.compile(
        r'([\d,\.]+)\s*millones[^,]{0,60}?representa[^.]{0,60}?(\d+[\.,]\d+)\s*%[^.]{0,60}?([\d,\.]+)\s*millones',
        re.IGNORECASE
    )
    for match in patron.finditer(text):
        try:
            parte = float(match.group(1).replace(',', '').replace('.', '')) if ',' in match.group(1) else float(match.group(1))
            pct   = float(match.group(2).replace(',', '.'))
            total = float(match.group(3).replace(',', '').replace('.', '')) if ',' in match.group(3) else float(match.group(3))
            if total > 0:
                pct_calc = (parte / total) * 100
                if abs(pct_calc - pct) > 1.0:  # tolerancia 1%
                    errors.append({
                        "tipo":    "MATH_001",
                        "texto":   match.group(0),
                        "feedback": (
                            f"ERROR MATEMÁTICO: {parte:,.0f}/{total:,.0f} = {pct_calc:.1f}%, "
                            f"pero el texto dice {pct}%. Corrige el porcentaje."
                        )
                    })
        except (ValueError, ZeroDivisionError):
            pass

    return errors


# ─── Evaluador principal ─────────────────────────────────────────────────────

def evaluate_response(text: str, raw_data: dict = None) -> dict:
    """
    Evaluador determinístico Python. Detecta errores sin llamar a LLM.

    Args:
        text:     Respuesta borrador del LLM generador
        raw_data: Dict con datos crudos del bucket para verificación cruzada

    Returns:
        {
            "valid": bool,
            "errors": [...],
            "feedback": str  # mensaje consolidado para el LLM corrector
        }
    """
    if raw_data is None:
        raw_data = {}

    all_errors = []
    all_errors.extend(_check_scale_billions(text, raw_data))
    all_errors.extend(_check_inpc_as_pct(text))
    all_errors.extend(_check_tiie_hallucination(text, raw_data))
    all_errors.extend(_check_math_operations(text))

    if not all_errors:
        return {"valid": True, "errors": [], "feedback": ""}

    # Consolidar feedback
    feedbacks = list({e["feedback"] for e in all_errors})  # deduplicar
    feedback_msg = "\n".join(f"• {f}" for f in feedbacks)

    # Registrar en catálogo
    _log_errors(all_errors)

    return {
        "valid":    False,
        "errors":   all_errors,
        "feedback": feedback_msg,
        "count":    len(all_errors),
    }


def _log_errors(errors: list):
    """Registra errores detectados en el catálogo para análisis posterior."""
    try:
        catalog = load_error_catalog()
        for err in errors:
            # Actualizar contador de regla
            for regla in catalog.get("reglas_escala", []):
                if regla.get("id") == err.get("tipo"):
                    regla["detectado"] = regla.get("detectado", 0) + 1

            # Agregar al log de errores detectados (máx 100)
            catalog["errores_detectados"].append({
                "timestamp": datetime.now().isoformat(),
                "tipo":      err.get("tipo"),
                "texto":     err.get("texto", "")[:100],
            })
            # Mantener solo los últimos 100
            catalog["errores_detectados"] = catalog["errores_detectados"][-100:]

        save_error_catalog(catalog)
    except Exception:
        pass


# ─── Loop completo: Generador → Evaluador → Corrector ────────────────────────

def critic_loop(
    draft: str,
    question: str,
    raw_data: dict,
    call_model_fn,        # función call_model del orquestador
    model: str,
    system_prompt: str,
) -> tuple:
    """
    Ejecuta el loop Generador → Evaluador → Corrector.

    Args:
        draft:         Respuesta borrador del LLM
        question:      Pregunta original del usuario
        raw_data:      Datos crudos del bucket
        call_model_fn: función call_model(model, messages, max_tokens)
        model:         Modelo a usar para corrección (LLaMA 8B)
        system_prompt: System prompt del orquestador

    Returns:
        (respuesta_final: str, iteraciones: int, errores_detectados: int)
    """
    current_draft = draft
    total_errors  = 0

    for iteration in range(MAX_ITER):
        # Paso 1: Evaluador Python (determinístico, ~1ms)
        result = evaluate_response(current_draft, raw_data)

        if result["valid"]:
            # Sin errores — respuesta lista
            return current_draft, iteration, total_errors

        # Paso 2: Hay errores — LLM reescribe con feedback específico
        total_errors += result["count"]

        correction_prompt = (
            f"Reescribe la siguiente respuesta corrigiendo SOLO los errores indicados. "
            f"NO cambies los datos numéricos correctos. NO agregues información nueva.\n\n"
            f"ERRORES A CORREGIR:\n{result['feedback']}\n\n"
            f"RESPUESTA ORIGINAL:\n{current_draft}\n\n"
            f"PREGUNTA ORIGINAL: {question}\n\n"
            f"Devuelve SOLO la respuesta corregida, sin explicaciones."
        )

        msgs = [
            {"role": "system", "content": system_prompt},
            {"role": "user",   "content": correction_prompt}
        ]

        corrected, error = call_model_fn(model, msgs, max_tokens=800)

        if error or not corrected:
            # Si falla la corrección, devolver el borrador original
            return current_draft, iteration + 1, total_errors

        current_draft = corrected

    # Máximo de iteraciones alcanzado — devolver última versión
    return current_draft, MAX_ITER, total_errors


# ─── Helper para cargar datos del bucket ─────────────────────────────────────

def load_raw_data_for_validation() -> dict:
    """
    Carga datos crudos del bucket para validación cruzada.
    Solo carga lo necesario — no el histórico completo.
    """
    result = {}
    files = {
        "banxico":    os.path.join(DATA_PATH, "banxico.json"),
        "worldbank":  os.path.join(DATA_PATH, "worldbank.json"),
        "ift":        os.path.join(DATA_PATH, "ift.json"),
    }
    for key, path in files.items():
        try:
            if os.path.exists(path):
                with open(path, "r", encoding="utf-8") as f:
                    result[key] = json.load(f)
        except Exception:
            pass
    return result


# ─── Estado del catálogo de errores ──────────────────────────────────────────

def get_error_stats() -> dict:
    """Retorna estadísticas del catálogo para la UI de administración."""
    catalog = load_error_catalog()
    total = len(catalog.get("errores_detectados", []))
    por_tipo = {}
    for err in catalog.get("errores_detectados", []):
        t = err.get("tipo", "UNKNOWN")
        por_tipo[t] = por_tipo.get(t, 0) + 1
    return {
        "total_errores_detectados": total,
        "por_tipo": por_tipo,
        "reglas_activas": len(catalog.get("reglas_escala", [])),
        "ultimo_error": catalog["errores_detectados"][-1] if catalog.get("errores_detectados") else None,
    }


if __name__ == "__main__":
    # Test del evaluador
    print("🧪 Test Critic-Loop\n")

    test_cases = [
        {
            "texto": "Las exportaciones de México en 2024 fueron de 681.35 billones USD según el World Bank.",
            "esperado": "ERROR SCALE_001 detectado"
        },
        {
            "texto": "La inflación en México fue del 127.5% según el INPC.",
            "esperado": "ERROR SCALE_002 detectado"
        },
        {
            "texto": "Las exportaciones de México fueron $681 mil millones USD. La tasa objetivo es 6.5%.",
            "esperado": "Sin errores"
        },
        {
            "texto": "Telcel generó 59,113 millones MXN, lo que representa el 39.8% de 148,541 millones.",
            "esperado": "Sin errores (59113/148541 = 39.8% ✓)"
        },
        {
            "texto": "Telcel generó 59,113 millones MXN, lo que representa el 55% de 148,541 millones.",
            "esperado": "ERROR MATH_001 detectado (55% ≠ 39.8%)"
        },
    ]

    for i, case in enumerate(test_cases, 1):
        result = evaluate_response(case["texto"], {})
        status = "✅ VÁLIDO" if result["valid"] else f"❌ {len(result['errors'])} ERROR(ES)"
        print(f"Test {i}: {status}")
        print(f"  Texto: {case['texto'][:80]}...")
        print(f"  Esperado: {case['esperado']}")
        if not result["valid"]:
            for err in result["errors"]:
                print(f"  → [{err['tipo']}] {err['feedback'][:100]}")
        print()