contiai / apps /api /app /agents /case_study /scripts.py
aliabozahra315's picture
Claude Opus 5.5
Deploy 9e83dee: case study revision, text_image, simulation_game, interactive_activities, dna_microlearning (founder-only preview)
258a360
Raw History Blame Contribute Delete
9.45 kB
"""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)