Spaces:
Paused
Paused
File size: 3,228 Bytes
443e097 | 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 | """Modelo Determinístico de Retroalimentación Estratégica — Experimento A (TA-003).
Contraparte del LLM (Experimento B, en modules/llm). Expone la MISMA firma
`comentar(move, clasificacion, history)` para ser intercambiable con Qwen en
routes/comment.py y comparable en el experimento (DO-002).
Pipeline:
historial ─► serie del jugador ─► estado recursivo (Markov)
─► patrón (reglas sobre features) ─► comentario (plantillas)
Es función PURA del historial: mismo input ⇒ mismo output, sin estado global ni
azar (RN-004).
"""
from modules.analysis.classifier import classify
from . import estado as estado_mod
from . import reglas, plantillas, tablero
def _serie_del_jugador(move: dict, clasificacion: str, history: list) -> list[tuple]:
"""Jugadas del MISMO color que la actual, en orden, incluyendo la actual.
La tendencia estratégica se mide sobre las jugadas del propio jugador, no
sobre los plies del rival intercalados.
"""
color = move["color"]
jugadas = [
(h.get("diferencia_cp", 0), classify(h.get("diferencia_cp", 0)), h.get("number", 0))
for h in history if h.get("color") == color
]
jugadas.append((move.get("diferencia_cp", 0), clasificacion, move.get("number", 0)))
return jugadas
def _analizar(move: dict, clasificacion: str, history: list) -> tuple[str, object]:
"""Núcleo del pipeline: devuelve (patrón dominante, estado acumulado)."""
jugadas = _serie_del_jugador(move, clasificacion, history)
estado = estado_mod.construir(jugadas)
# Reconstrucción del tablero a partir de la secuencia SAN completa (ambos
# colores), para aportar el contexto posicional al patrón.
sans = [h.get("move") for h in history] + [move.get("move")]
feats = tablero.features_tablero(sans, move["color"], move.get("number", 0))
return reglas.detectar_patron(estado, clasificacion, feats), estado
def detectar(move: dict, clasificacion: str, history: list | None = None) -> str:
"""Devuelve solo el patrón, sin redactar el comentario.
Se usa para etiquetar los ejercicios guardados: el patrón es un dato de
ANÁLISIS (qué tipo de error fue), independiente de quién redacte el texto.
Por eso se calcula siempre con las reglas, incluso cuando el comentario que
ve el jugador lo genera Qwen; así la métrica "mejora por tipo de error"
existe en ambos brazos del experimento y son comparables.
"""
patron, _ = _analizar(move, clasificacion, history or [])
return patron
def comentar(move: dict, clasificacion: str, history: list | None = None) -> dict:
"""Genera {corto, expandido, patron} para una jugada analizando la secuencia hasta ella.
Args:
move: dict de Stockfish (number, color, diferencia_cp, ...).
clasificacion: categoría de la jugada actual (classify del diferencia_cp).
history: jugadas ANTERIORES de la partida (ambos colores); se filtra el
color propio internamente.
Returns:
{"corto": str, "expandido": str | None, "patron": str}
"""
patron, estado = _analizar(move, clasificacion, history or [])
return {**plantillas.generar(patron, estado), "patron": patron}
|