feat(blog): جدول — ستون‌ها قابل تغییر اندازه/افزودن و حذف؛ لینک کپشن تصویر؛ هدینگ‌های نسخه انگلیسی بزرگ‌تر

chatbot/vectorstore.py

@@ -66,6 +66,22 @@ def ensure_schema() -> None:
                 ON chatbot_chunks USING hnsw (embedding vector_cosine_ops)
             """
         )
+        # گزارش گفتگوها — حلقه بازخورد برای کشف پرسش‌های بی‌پاسخ
+        conn.execute(
+            """
+            CREATE TABLE IF NOT EXISTS chat_logs (
+                id           BIGSERIAL PRIMARY KEY,
+                ts           TIMESTAMPTZ NOT NULL DEFAULT now(),
+                thread_id    TEXT NOT NULL,
+                question     TEXT NOT NULL,
+                answer       TEXT NOT NULL,
+                n_docs       INTEGER NOT NULL DEFAULT 0,
+                is_fallback  BOOLEAN NOT NULL DEFAULT FALSE,
+                latency_ms   INTEGER NOT NULL DEFAULT 0
+            )
+            """
+        )
+        conn.execute("CREATE INDEX IF NOT EXISTS chat_logs_ts_idx ON chat_logs (ts DESC)")
 
 
 def sync_chunks(chunks: list[dict], force: bool = False) -> dict:
@@ -168,6 +184,61 @@ def vector_count() -> int:
         return 0
 
 
+def log_chat(thread_id: str, question: str, answer: str, n_docs: int,
+             is_fallback: bool, latency_ms: int) -> None:
+    """ثبت یک گفتگو در chat_logs — هرگز خطا نمی‌دهد (لاگ نباید جریان پاسخ را بشکند)."""
+    try:
+        import psycopg
+
+        with psycopg.connect(chatbot_dsn(), autocommit=True, connect_timeout=5) as conn:
+            conn.execute(
+                """
+                INSERT INTO chat_logs (thread_id, question, answer, n_docs, is_fallback, latency_ms)
+                VALUES (%s, %s, %s, %s, %s, %s)
+                """,
+                (thread_id, question, answer[:4000], n_docs, is_fallback, latency_ms),
+            )
+    except Exception as e:
+        log.warning("chat_logs insert failed: %s", e)
+
+
+def chat_stats(days: int = 7) -> dict:
+    """آمار تجمعی گفتگوها — بدون متن پرسش‌ها (متن‌ها فقط با توکن در /chat/stats)."""
+    try:
+        import psycopg
+
+        with psycopg.connect(chatbot_dsn(), autocommit=True, connect_timeout=5) as conn:
+            total = int(conn.execute("SELECT count(*) FROM chat_logs").fetchone()[0])
+            row = conn.execute(
+                """
+                SELECT count(*), count(*) FILTER (WHERE is_fallback)
+                FROM chat_logs WHERE ts > now() - (%s || ' days')::interval
+                """,
+                (str(days),),
+            ).fetchone()
+            recent_fallbacks: list[str] = []
+            if row and row[1]:
+                recent_fallbacks = [
+                    r[0] for r in conn.execute(
+                        """
+                        SELECT question FROM chat_logs
+                        WHERE is_fallback AND ts > now() - (%s || ' days')::interval
+                        ORDER BY ts DESC LIMIT 20
+                        """,
+                        (str(days),),
+                    ).fetchall()
+                ]
+            return {
+                "total_logged": total,
+                "last_7d": int(row[0]) if row else 0,
+                "fallback_7d": int(row[1]) if row else 0,
+                "recent_fallback_questions": recent_fallbacks,
+            }
+    except Exception as e:
+        log.warning("chat_stats failed: %s", e)
+        return {"total_logged": 0, "last_7d": 0, "fallback_7d": 0, "recent_fallback_questions": []}
+
+
 def dense_search(query: str, top_k: int) -> list[tuple[dict, float]]:
     """جست‌وجوی معنایی SQL با فاصله کسینوسی — خروجی: (سند، شباهت).