Spaces:
Sleeping
Sleeping
| from collections.abc import Sequence | |
| from techdocs_graphrag.models import EntityType, GraphFact, RetrievalContext, RetrievedChunk | |
| ENTITY_TYPES = ", ".join(entity_type.value for entity_type in EntityType) | |
| EXTRACTION_SYSTEM_PROMPT = f"""\ | |
| Tu es un système d'extraction de graphe de connaissances pour de la documentation technique. | |
| À partir du texte fourni par l'utilisateur, extrais : | |
| 1. les entités techniques importantes (composants, classes, fonctions, bibliothèques, concepts...) ; | |
| 2. le type de chaque entité, choisi parmi : {ENTITY_TYPES} ; | |
| 3. les relations factuelles explicitement affirmées par le texte ; | |
| 4. une preuve textuelle courte (25 mots maximum) recopiée du texte pour chaque relation. | |
| Règles : | |
| - Nomme chaque entité sous sa forme canonique, telle qu'écrite dans le code (ex. StateGraph, MemorySaver). | |
| - Utilise le singulier pour les concepts (Channel et non Channels). | |
| - Écris les relations en anglais, en UPPER_SNAKE_CASE, orientées source -> cible | |
| (ex. USES, PERSISTS_WITH, PART_OF, DEPENDS_ON, CONFIGURES, RETURNS, RAISES, EXTENDS, ENABLES). | |
| - N'invente aucune relation absente du texte. | |
| - Si le texte ne contient rien d'exploitable, renvoie des listes vides. | |
| Réponds uniquement avec un objet JSON valide de cette forme : | |
| {{ | |
| "entities": [{{"name": "StateGraph", "type": "Component"}}], | |
| "relations": [ | |
| {{ | |
| "source": "StateGraph", | |
| "relation": "USES", | |
| "target": "Channel", | |
| "evidence": "StateGraph utilise des Channels pour gérer l'état" | |
| }} | |
| ] | |
| }} | |
| """ | |
| ANSWER_SYSTEM_PROMPT = """\ | |
| Tu es un assistant expert en documentation technique. | |
| Règles : | |
| - Réponds uniquement à partir du contexte fourni : faits du graphe et extraits documentaires. | |
| - Réponds dans la langue de la question. | |
| - Explique clairement comment les composants sont reliés entre eux lorsque c'est utile. | |
| - Cite tes sources en ligne sous la forme [nom_du_document]. | |
| - Ajoute un court exemple de code uniquement s'il est présent ou directement déductible du contexte. | |
| - Si le contexte ne suffit pas, dis-le explicitement au lieu d'inventer. | |
| """ | |
| NO_FACTS = "Aucun fait pertinent." | |
| NO_CHUNKS = "Aucun extrait pertinent." | |
| def render_answer_prompt(question: str, context: RetrievalContext) -> str: | |
| return "\n\n".join( | |
| ( | |
| f"Question :\n{question}", | |
| f"Faits du graphe de connaissances :\n{render_facts(context.facts)}", | |
| f"Extraits documentaires :\n{render_chunks(context.chunks)}", | |
| ) | |
| ) | |
| def render_facts(facts: Sequence[GraphFact]) -> str: | |
| if not facts: | |
| return NO_FACTS | |
| return "\n".join( | |
| f"- {fact.source} --{fact.relation}--> {fact.target}" | |
| f" | preuve : {' / '.join(fact.evidence[:2]) or 'n/a'}" | |
| f" | sources : {', '.join(fact.documents) or 'n/a'}" | |
| for fact in facts | |
| ) | |
| def render_chunks(chunks: Sequence[RetrievedChunk]) -> str: | |
| if not chunks: | |
| return NO_CHUNKS | |
| return "\n\n".join(f"[{chunk.document}]\n{chunk.text}" for chunk in chunks) | |