File size: 9,445 Bytes
ea1dd9a
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
258a360
 
ea1dd9a
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
"""Step 4 - the voice-over, held to length. Cell [14].

Ported from `case_study_pipeline.ipynb`. The notebook was one namespace, so
each module re-imports the ones before it; every prompt and every standard is
the notebook's text, compared character by character by the fidelity test.
"""

from __future__ import annotations

import asyncio  # noqa: F401
import datetime  # noqa: F401
import html  # noqa: F401
import json  # noqa: F401
import pathlib  # noqa: F401
import re  # noqa: F401
from typing import Any, Callable, Literal, Optional  # noqa: F401

from pydantic import (  # noqa: F401
    BaseModel,
    ConfigDict,
    Field,
    ValidationError,
    model_validator,
)

from app.agents.case_study.helpers import *  # noqa: F403
from app.agents.case_study.lint import *  # noqa: F403
from app.agents.case_study.profiles import *  # noqa: F403
from app.agents.case_study.runner import *  # noqa: F403
from app.agents.case_study.schemas import *  # noqa: F403
from app.agents.case_study.standards import *  # noqa: F403

# The notebook was one namespace; these are read below and were
# not carried over by the split into modules.
from app.agents.case_study.agents import writer_agent
from app.agents.case_study.analysis import build_prompt

SCRIPTS_SKELETON = """{
  "scenes": [
    {"scene_number": 1, "kind": "situation", "lines": [
      {"role": "narration", "text": "سطر مسموع واحد = فكرة/لقطة واحدة.", "speaker": "الراوي"},
      {"role": "dialogue", "text": "\\"جملة الحوار\\"", "speaker": "اسم الشخصية"}
    ]},
    {"scene_number": 4, "kind": "reflection", "lines": [
      {"role": "character_action", "text": "وهذا بالضبط ما فعله ...، إذ ...", "speaker": "الراوي"},
      {"role": "link", "text": "فـ... يلتزم دائمًا بـ... التالية:", "speaker": "الراوي"},
      {"role": "bullet", "text": "نقطة إرشادية موجزة.", "speaker": "الراوي"}
    ]},
    {"scene_number": 9, "kind": "closing", "lines": [
      {"role": "closing_scene", "text": "وهكذا، ...", "speaker": "الراوي"},
      {"role": "closing_sentence", "text": "جملة ختامية واحدة ذات أثر مرتبطة بالموضوع.", "speaker": "الراوي"},
      {"role": "teaser", "text": "وفي الدرس القادم، سنتعرف معًا على ...", "speaker": "الراوي"}
    ]}
  ]
}"""

def _roles_text(inp: CaseInput) -> str:
    rows = []
    for k, r in KIND_ROLES.items():
        req = set(r["required"])
        if k == "closing" and PROFILES[inp.product_type]["closing_requires_scene"]:
            req.add("closing_scene")
        if k == "closing" and inp.next_context:
            req.add("teaser")
        rows.append(f"- {k}: المسموح {sorted(r['allowed'])} | الإلزامي {sorted(req)}")
    return "الأدوار (role) لكل نوع مشهد:\n" + "\n".join(rows) + \
        "\n- thanks تُضاف آليًا من الإعدادات (لا تكتبها). لا teaser إن لم يوجد تسلسل."

def _inter_summary(inters: dict[int, Interaction]) -> list[dict]:
    return [{"scene_number": k, "type": v.type_ar, "question": f"{v.situation_sentence} {v.question}",
             "correct_answer": v.correct_answer_text, "after_action": v.after_action} for k, v in sorted(inters.items())]

def _writer_task(inp: CaseInput, bp: Blueprint) -> str:
    targets = ", ".join(f"م{s.scene_number}({s.kind})≈{s.target_words}" for s in bp.scenes if s.kind != "interaction")
    return f"""\
- اكتب أسطر النص المسموع (VO) لكل المشاهد **غير التفاعلية** فقط: {[s.scene_number for s in bp.scenes if s.kind != 'interaction']} (مشاهد التفاعل تُبنى آليًا من interactions).
- كل سطر = فكرة/لقطة واحدة قصيرة (سيُبنى لكل سطر beat بصري). الأطوال المستهدفة بالكلمات: {targets}؛ الإجمالي مع التفاعلات ≈ {inp.size.resolved_target_words} كلمة.
- ترابط سردي واحد من أول مشهد لآخره؛ المشهد السابق لكل تفاعل ينتهي **عند لحظة القرار نفسها** التي يطرحها سؤال التفاعل تمامًا (لا قبلها ولا بعدها).
- كتابة درامية احترافية: تفاصيل حسّية ملموسة (مكان، زمن، صوت، حركة) تُدخل المتدرب في الموقف، وتوتر يتصاعد نحو القرار؛ لا جُمل تقريرية جافة ولا حشو ولا تكرار لفكرة سبق ذكرها.
- reflection: (1) character_action يعكس after_action للتفاعل السابق ويذكر اسم الشخصية («وهذا بالضبط ما فعله ...»)، (2) link تمهيدية تنتهي بـ«:»، (3) من 3 إلى 6 bullet مستخلصة من المحتوى.
- guidance: link تنتهي بـ«:» ثم bullet (من 3 إلى 6) مرتبطة بالموقف السابق.
- الحوار: role=dialogue وspeaker باسم الشخصية، والنص بين علامتي تنصيص.
- closing: {'closing_scene يُغلق الموقف ويوضح كيف آلت الأمور، ثم ' if PROFILES[inp.product_type]['closing_requires_scene'] else ''}closing_sentence واحدة ذات أثر مرتبطة بالموضوع تحديدًا (لا قوالب){'، ثم teaser مشوّق عن: ' + inp.next_context if inp.next_context else ''}.
- {'جملة ربط (role=link) بعد المقدمة تعلن المحاور — إلزامية.' if bp.intro_link_required else 'جملة الربط بعد المقدمة اختيارية.'}
- التزم بكل معلومة وردت في المحتوى وبالمصطلحات الدقيقة؛ فصحى سليمة؛ بلا حروف لاتينية في النص المسموع.
{_roles_text(inp)}"""

async def _write_all(inp, analysis, bp, inters, extra: str = "", current: Optional[Scripts] = None, marker_task="script") -> Scripts:
    scenes_meta = ",".join(f"{s.scene_number}:{s.kind}" for s in bp.scenes if s.kind != "interaction")
    prev = {"تحليل المحتوى": analysis,
            "المخطط (المحاور والشخصيات والمشاهد)": {"title": bp.title, "axes": [a.model_dump() for a in bp.axes],
                                                   "intro_type": bp.intro_type, "intro_idea": bp.intro_idea,
                                                   "characters": [c.model_dump() for c in bp.characters],
                                                   "scenes": [s.model_dump() for s in bp.scenes],
                                                   "closing_idea": bp.closing_idea, "next_teaser_idea": bp.next_teaser_idea},
            "التفاعلات (ما يسأل عنه كل تفاعل وما فعلته الشخصية)": _inter_summary(inters)}
    if current is not None:
        prev["النص الحالي"] = current
    prompt = build_prompt(f"#TASK={marker_task} #SCENE=0 #SCENES={scenes_meta}", inp, prev,
                          std_block(inp) + "\n\n" + STYLE_EXAMPLE, _writer_task(inp, bp) + extra, SCRIPTS_SKELETON)
    sc = await run_json_task(writer_agent, prompt, Scripts, marker_task, lambda o: v_scripts(o, bp, inp))
    plans = {s.scene_number: s for s in bp.scenes}
    for s in sc.scenes:
        normalize_scene_script(s, plans[s.scene_number], inp)
    sc.scenes.sort(key=lambda s: s.scene_number)
    return sc

async def step_write(inp: CaseInput, analysis: Analysis, bp: Blueprint, inters: dict[int, Interaction]) -> Scripts:
    scripts = await _write_all(inp, analysis, bp, inters)
    target, tol = inp.size.resolved_target_words, inp.size.tolerance
    for loop in range(RUN_CONFIG["length_loops"] + 1):
        total = total_vo_words(all_scene_lines(bp, scripts, inters))
        dev = (total - target) / target
        log(f"  الطول: {total} كلمة (المستهدف {target}، الانحراف {dev:+.0%})")
        if abs(dev) <= tol:
            break
        if loop == RUN_CONFIG["length_loops"]:
            qa("script", "length", [f"الطول النهائي {total} كلمة مقابل {target} (خارج ±{int(tol * 100)}%) — قُبل بعد {loop} دورات ضبط."])
            break
        per = {s.scene_number: sum(word_count(l.text) for l in s.lines) for s in scripts.scenes}
        direction = "اختصر" if dev > 0 else "وسّع"
        extra = (f"\n### ضبط الطول (دورة {loop + 1}): الإجمالي الحالي {total} كلمة والمستهدف {target} (±{int(tol * 100)}%). "
                 f"{direction} النص بنحو {abs(total - target)} كلمة دون إسقاط أي معلومة أو مكوّن إلزامي. "
                 f"أطوال المشاهد الحالية: {per}. أعد كل المشاهد كاملة.")
        scripts = await _write_all(inp, analysis, bp, inters, extra, current=scripts, marker_task="script_length")
    save_json("scripts.json", {"scenes": [{"scene_number": n, "kind": next(s.kind for s in bp.scenes if s.scene_number == n),
                                           "lines": [l.model_dump() for l in lines]}
                                          for n, lines in sorted(all_scene_lines(bp, scripts, inters).items())]})
    log(f"✓ النص: {len(scripts.scenes)} مشاهد سردية")
    return scripts

# scripts = await step_write(INPUT, analysis, blueprint, interactions)