"""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)