Update src/module/AIP.py

src/module/AIP.py

@@ -1,85 +1,182 @@
+"""
+MODULE JASMINE AGENT - V FINAL (CASCADE MULTI-MODÈLES + FUNCTIONS)
+==================================================================
+Responsabilité : Traduire le langage naturel en actions + appeler des fonctions métier.
+"""
+import google.generativeai as genai
+from groq import Groq
+import json
 import streamlit as st
-import time
+import os
+import re
+import sys
 
-# ==============================================================================
-# 1. STYLE (THÈME GOTHAM)
-# ==============================================================================
-def apply_gotham_theme():
-    st.markdown("""
-    <style>
-    .stApp { background-color: #0d1117 !important; color: #c9d1d9; }
-    .ontology-title { font-family: 'Space Grotesk', sans-serif; font-size: 1.5rem; font-weight: 700; color: #ffffff; }
-    
-    /* Chat Styling */
-    .user-msg { 
-        background: rgba(30, 136, 229, 0.1); 
-        border-left: 3px solid #1E88E5; 
-        padding: 12px; margin: 10px 0; 
-        border-radius: 0 4px 4px 0; 
-        font-family: 'Inter', sans-serif;
-    }
-    
-    .bot-msg { 
-        background: rgba(48, 54, 61, 0.3); 
-        border-left: 3px solid #00E676; 
-        padding: 12px; margin: 10px 0; 
-        border-radius: 0 4px 4px 0; 
-        font-family: 'Inter', sans-serif;
-    }
-    
-    .debug-block {
-        font-family: 'JetBrains Mono', monospace; 
-        font-size: 0.8rem;
-        color: #8b949e;
-        background: #0d1117;
-        border: 1px solid #30363d;
-        padding: 10px;
-        margin-top: 5px;
-        border-radius: 4px;
-    }
-    </style>
-    """, unsafe_allow_html=True)
+# Import des fonctions métier
+sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '../../')))
+from src.Function.AIP_Function import (
+    calculate_occupancy_rate,
+    audit_data_quality,
+    get_stock_alerts,
+    get_patient_stats
+)
 
-# ==============================================================================
-# 2. FONCTION MODULE JASMINE
-# ==============================================================================
-def show_jasmine_terminal():
-    apply_gotham_theme()
-    
-    # --- INITIALISATION DU STATE ---
-    if "chat_history" not in st.session_state: 
-        st.session_state["chat_history"] = []
-    if "terminal_active" not in st.session_state: 
-        st.session_state["terminal_active"] = False
+class JasmineAgent:
+    def __init__(self, rdf_store, ontology_rules, dataframes=None):
+        self.google_key = os.environ.get("GOOGLE_API_KEY") or st.secrets.get("GOOGLE_API_KEY")
+        if self.google_key: 
+            genai.configure(api_key=self.google_key)
 
-    # --- HEADER ---
-    c1, c2 = st.columns([5, 1])
-    with c1: 
-        st.markdown('<h1 class="ontology-title">VORTEX FLUX - JASMINE AI</h1>', unsafe_allow_html=True)
-    with c2: 
-        st.session_state["terminal_active"] = st.toggle("TERMINAL", value=st.session_state["terminal_active"])
+        self.groq_key = os.environ.get("GROQ_API_KEY") or st.secrets.get("GROQ_API_KEY")
+        self.groq_client = Groq(api_key=self.groq_key) if self.groq_key else None
+        
+        self.rdf_store = rdf_store
+        self.ontology_rules = ontology_rules
+        self.dataframes = dataframes or {}  # Dictionnaire des DataFrames disponibles
+        
+        self.MODEL_CASCADE = [
+            "gemini-2.0-flash-exp",
+            "llama-3.3-70b-versatile",
+            "gemini-2.0-flash-lite",
+            "llama-3.1-8b-instant"
+        ]
+        
+        # Mapping des fonctions disponibles
+        self.available_functions = {
+            "calculate_occupancy_rate": calculate_occupancy_rate,
+            "audit_data_quality": audit_data_quality,
+            "get_stock_alerts": get_stock_alerts,
+            "get_patient_stats": get_patient_stats
+        }
+
+    def build_base_system_prompt(self):
+        return """
+ROLE: Tu es un agent intelligent qui analyse les requêtes utilisateur.
+MISSION: Comprendre l'intention et générer les actions appropriées.
+
+--- FONCTIONS DISPONIBLES ---
+1. calculate_occupancy_rate : Calcule le taux d'occupation (nécessite df_ressources)
+2. audit_data_quality : Analyse la qualité des données (nécessite un DataFrame avec colonnes dq_)
+3. get_stock_alerts : Identifie les ruptures de stock (nécessite df_stock)
+4. get_patient_stats : Statistiques démographiques patients (nécessite df_patients)
 
-    # --- INTERFACE TERMINAL ---
-    if st.session_state["terminal_active"]:
-        st.markdown("---")
+CONTRAINTES DE SORTIE (JSON STRICT) :
+{
+  "thought_trace": "1. ANALYSE: ... 2. EXTRACTION: ... 3. STRATÉGIE: ... 4. ACTION: ...",
+  "tool": "calculate_occupancy_rate" | "audit_data_quality" | "get_stock_alerts" | "get_patient_stats" | "none",
+  "args": { "dataframe_name": "df_ressources" }
+}
+
+IMPORTANT: Pour les fonctions de calcul, tu DOIS spécifier le nom du DataFrame dans args.
+"""
+
+    def execute_function(self, function_name, args):
+        """Exécute une fonction métier avec les arguments fournis"""
+        if function_name not in self.available_functions:
+            return {"error": f"Fonction {function_name} inconnue"}
+        
+        # Récupération du DataFrame demandé
+        df_name = args.get("dataframe_name")
+        if not df_name or df_name not in self.dataframes:
+            return {"error": f"DataFrame {df_name} non disponible. DataFrames disponibles: {list(self.dataframes.keys())}"}
         
-        # Zone d'affichage des messages
-        with st.container(height=550):
-            for msg in st.session_state["chat_history"]:
-                if msg["role"] == "user":
-                    st.markdown(f'<div class="user-msg">{msg["content"]}</div>', unsafe_allow_html=True)
-                else:
-                    st.markdown(f'<div class="bot-msg">{msg["content"]}</div>', unsafe_allow_html=True)
+        df = self.dataframes[df_name]
+        
+        # Exécution de la fonction
+        try:
+            func = self.available_functions[function_name]
+            result = func(df)
+            return {"success": True, "result": result}
+        except Exception as e:
+            return {"error": f"Erreur lors de l'exécution: {str(e)}"}
 
-        # Entrée utilisateur
-        if prompt := st.chat_input("En attente d'instruction..."):
-            # Ajout du message utilisateur
-            st.session_state["chat_history"].append({"role": "user", "content": prompt})
-            
-            # Simulation de la réponse IA Jasmine
-            with st.spinner("Jasmine analyse..."):
-                time.sleep(0.8)
-                response = f"Requête '{prompt}' reçue. Le terminal Jasmine est opérationnel."
-                st.session_state["chat_history"].append({"role": "assistant", "content": response})
-            
-            st.rerun()
+    def ask(self, user_message, chat_history):
+        """Essaie les modèles en cascade jusqu'à obtenir une réponse valide"""
+        
+        system_prompt = self.build_base_system_prompt()
+        last_error = None
+        
+        for model_name in self.MODEL_CASCADE:
+            try:
+                response_text = ""
+                
+                if "gemini" in model_name:
+                    if not self.google_key: 
+                        continue
+                    
+                    msgs = self._format_messages_for_gemini(system_prompt, chat_history, user_message)
+                    model = genai.GenerativeModel(model_name)
+                    res = model.generate_content(
+                        msgs, 
+                        generation_config={"response_mime_type": "application/json"}
+                    )
+                    response_text = res.text
+                    
+                else:  # Groq (Llama)
+                    if not self.groq_client: 
+                        continue
+                    
+                    msgs = self._format_messages_for_groq(system_prompt, chat_history, user_message)
+                    completion = self.groq_client.chat.completions.create(
+                        model=model_name, 
+                        messages=msgs, 
+                        temperature=0.0, 
+                        response_format={"type": "json_object"}
+                    )
+                    response_text = completion.choices[0].message.content
+
+                # Nettoyage de la réponse
+                clean_text = response_text.strip()
+                clean_text = re.sub(r'```json\s*|\s*```', '', clean_text)
+                
+                # Tentative de parsing JSON
+                try:
+                    action = json.loads(clean_text)
+                    
+                    # Récupération du Chain of Thought
+                    thought_trace = action.get("thought_trace", "")
+                    
+                    # Exécution de la fonction si demandée
+                    tool = action.get("tool")
+                    if tool and tool != "none":
+                        args = action.get("args", {})
+                        function_result = self.execute_function(tool, args)
+                        
+                        return "", action, thought_trace, function_result
+                    
+                    return "", action, thought_trace, None
+                    
+                except json.JSONDecodeError:
+                    continue
+                
+            except Exception as e:
+                last_error = str(e)
+                continue
+
+        # Si tous les modèles ont échoué
+        return f"⚠️ ERREUR SYSTEME : {last_error}", None, "", None
+
+    def _format_messages_for_groq(self, system_prompt, chat_history, user_message):
+        """Formate les messages pour Groq (OpenAI format)"""
+        msgs = [{"role": "system", "content": system_prompt}]
+        
+        for m in chat_history[-4:]:
+            role = "assistant" if m["role"] in ["model", "assistant"] else "user"
+            content = str(m.get("content", ""))
+            if "🛠️" not in content and content.strip(): 
+                msgs.append({"role": role, "content": content})
+        
+        msgs.append({"role": "user", "content": user_message})
+        return msgs
+
+    def _format_messages_for_gemini(self, system_prompt, chat_history, user_message):
+        """Formate les messages pour Gemini"""
+        msgs = [{"role": "user", "parts": [system_prompt]}]
+        
+        for m in chat_history[-4:]:
+            role = "user" if m["role"] == "user" else "model"
+            content = str(m.get("content", ""))
+            if "🛠️" not in content and content.strip(): 
+                msgs.append({"role": role, "parts": [content]})
+        
+        msgs.append({"role": "user", "parts": [user_message]})
+        return msgs