ERP/bot/app/nlu.py

"""Natural-language understanding: Persian free text → typed intent + entities.

One chat/completions call per message with JSON-mode output. The prompt embeds
the current draft summary so the model can decide between "start a new
activity" and "refine the open draft" (update_draft with a partial patch).
"""
import json
import logging
import re

import httpx

from app.config import Settings

logger = logging.getLogger("bot.nlu")

PERSIAN_DIGITS = str.maketrans("۰۱۲۳۴۵۶۷۸۹٠١٢٣٤٥٦٧٨٩", "01234567890123456789")


def normalize_digits(text: str) -> str:
    return (text or "").translate(PERSIAN_DIGITS)


ZWNJ = "\u200c"


def normalize_text(text: str) -> str:
    """Normalize Persian text for fuzzy matching (ZWNJ, arabic ya/ka, spaces)."""
    t = normalize_digits(text or "")
    t = t.replace(ZWNJ, " ").replace("ي", "ی").replace("ك", "ک")
    t = re.sub(r"\s+", " ", t).strip().lower()
    return t


INTENTS = [
    "register_quote",   # ثبت استعلام/پیشنهاد جدید از یک تأمین‌کننده
    "update_draft",     # تکمیل/اصلاح پیش‌نویس باز (patch روی آن)
    "commit_draft",     # «ثبت کن» / «تأیید» — commit the open draft
    "discard_draft",    # «بی‌خیال» / «لغو»
    "show_draft",       # «وضعیت پیش‌نویس؟»
    "add_supplier",
    "add_material",
    "status_query",     # پرس‌وجو: استعلام‌های در انتظار / به‌زودی منقضی / ...
    "accept_quote",     # پذیرش یک استعلام
    "arrive_items",     # اعلام رسیدن اقلام
    "help",
    "unknown",
]

SYSTEM_PROMPT = """تو دستیار تدارکات یک ERP فارسی هستی. ورودی تو پیام صوتی/متنی کاربر است.
یک JSON و فقط JSON برگردان (بدون توضیح اضافه) با این شکل:

{
  "consensus_text": "متن تجمیع‌شده و اصلاح‌شده کاربر (فارسی روان و بدون غلط شنیداری)",
  "intent": یکی از {intents},
  "patch": {شکل partial هر فعالیتی که کاربر داده},
  "confidence": 0.0..1.0
}

قوانین:
- اگر ورودی شامل چند نسخه تبدیل گفتار به متن (STT) از یک پیام صوتی کاربر است:
  ۱. این نسخه‌ها از چند مدل مختلف برای افزایش دقت به دست آمده‌اند. آن‌ها را با هم مقایسه و مقابله کن.
  ۲. خطاهای شنیداری هر نسخه را بر مبنای منطق تدارکات (نام کالاها، برندها، مشخصات فنی و واحدهای اندازه‌گیری) تصحیح و حل تعارض کن.
  ۳. متن نهایی اصلاح و تجمیع‌شده را در فیلد consensus_text قرار بده.
  ۴. استخراج قصد (intent) و موجودیت‌ها (patch) را بر اساس همین متن دقیق انجام بده.
- اگر ورودی یک متن عادی است، همان متن را در consensus_text قرار بده.
- اگر پیام کاربر اطلاعات جدیدی به پیش‌نویسِ باز اضافه می‌کند یا اصلاح می‌کند → intent="update_draft" و patch شامل فقط فیلدهای جدید/تغییریافته.
- اگر عبارت تأیید نهایی است (مثل «ثبت کن»، «همینه، ثبتش کن») → intent="commit_draft".
- اگر لغو است («بی‌خیال»، «لغو») → intent="discard_draft".
- اگر سؤال درباره وضعیت است → intent="status_query".
- اگر درباره پذیرش استعلام است → intent="accept_quote" و در patch.target نام تأمین‌کننده/استعلام.
- اگر درباره اعلام رسیدن اقلام است → intent="arrive_items" و در patch.target نام تأمین‌کننده/استعلام و در patch.arrivals مقادیر.
- برای کالاها: material_name فقط نام کلی کالا باشد (مانند «میلگرد» یا «لوله»)؛ کارخانه یا برند در brand_name؛ و مشخصات فنی (مثل سایز یا گرید) در آرایه specs قرار گیرد.
- برای شرایط پرداخت: در صورت ذکر اقساط/موعد و مبالغ، در milestones: [{"due_date": "YYYY-MM-DD", "amount": number}] قرار بده.

شکل patch برای intent="register_quote"/"update_draft":
{"supplier_name": str, "project_name": str, "project_names": [str], "is_official": bool, "notes": str, "expiry_date": "YYYY-MM-DD",
 "items": [{"material_name": str, "brand_name": str, "specs": [str], "quantity": number, "unit_name": str, "unit_price": number, "notes": str}],
 "payment_terms": [{"label": str, "milestones": [{"due_date": "YYYY-MM-DD", "amount": number}], "discount_type": "none|percent|fixed", "discount_value": number}]}

شکل patch برای intent="add_supplier":
{"supplier": {"name": str, "category_name": str, "phone": str, "location": str, "contact_person": str}}

شکل patch برای intent="add_material":
{"material": {"name": str, "unit_name": str, "topic": str}}

شکل patch برای intent="status_query":
{"query": {"kind": "pending|accepted|arrived|expiring|recent", "supplier_name": str, "project_name": str, "days": int}}

شکل patch برای intent="accept_quote"/"arrive_items":
{"target": {"supplier_name": str, "project_name": str, "quote_id": str},
 "arrivals": [{"material_name": str, "quantity": number, "quality_note": str}]}

{draft_block}
"""


def _build_system_prompt(draft_summary: str | None) -> str:
    intents = ", ".join(INTENTS)
    prompt = SYSTEM_PROMPT.replace("{intents}", intents).replace("{draft_block}", "")
    if draft_summary:
        prompt += (
            "\n\nپیش‌نویسِ باز فعلی کاربر (اگر مرتبط است به آن تکیه کن و فیلدهای تکراری را بازنویسی نکن):\n"
            + draft_summary
        )
    return prompt


def _extract_json(raw: str) -> dict | None:
    raw = (raw or "").strip()
    if raw.startswith("```"):
        raw = re.sub(r"^```[a-zA-Z]*\n?", "", raw).rstrip("`").strip()
    start = raw.find("{")
    end = raw.rfind("}")
    if start == -1 or end <= start:
        return None
    try:
        return json.loads(raw[start : end + 1])
    except json.JSONDecodeError:
        return None


async def understand(settings: Settings, text: str | list[dict], draft_summary: str | None = None) -> dict:
    """Return {"consensus_text": ..., "intent": ..., "patch": {...}, "confidence": ...}; never raises."""
    fallback = {"consensus_text": "", "intent": "unknown", "patch": {}, "confidence": 0.0}
    if not settings.AI_BASE_URL or not settings.AI_API_KEY:
        logger.warning("AI provider not configured; cannot understand message")
        return fallback

    if isinstance(text, list):
        first_text = text[0].get("text") if text else ""
        lines = ["پیام صوتی کاربر توسط چند مدل تبدیل گفتار به متن (STT) به صورت زیر پیاده‌سازی شده است:"]
        for idx, item in enumerate(text, start=1):
            name = item.get("name") or f"مدل {idx}"
            t = normalize_digits(item.get("text") or "")
            lines.append(f"- نسخه {idx} ({name}): «{t}»")
        lines.append("\nبا تلفیق این نسخه‌ها و تصحیح خطاهای شنیداری، پیام را تحلیل کن و consensus_text را به همراه intent و patch بساز.")
        user_content = "\n".join(lines)
    else:
        user_content = normalize_digits(str(text))
        first_text = str(text)

    fallback["consensus_text"] = first_text

    try:
        async with httpx.AsyncClient(timeout=settings.LLM_TIMEOUT_SECONDS) as client:
            resp = await client.post(
                f"{settings.AI_BASE_URL.rstrip('/')}/chat/completions",
                headers={"Authorization": f"Bearer {settings.AI_API_KEY}"},
                json={
                    "model": settings.LLM_MODEL,
                    "messages": [
                        {"role": "system", "content": _build_system_prompt(draft_summary)},
                        {"role": "user", "content": user_content},
                    ],
                    "temperature": 0.1,
                    "response_format": {"type": "json_object"},
                },
            )
        if resp.status_code != 200:
            logger.error("LLM HTTP %s: %s", resp.status_code, resp.text[:300])
            return fallback
        content = ((resp.json() or {}).get("choices") or [{}])[0].get("message", {}).get("content", "")
        parsed = _extract_json(content)
        if not parsed or parsed.get("intent") not in INTENTS:
            logger.warning("unparseable LLM output: %r", content[:200])
            return fallback
        parsed.setdefault("patch", {})
        if not parsed.get("consensus_text"):
            parsed["consensus_text"] = first_text
        return parsed
    except (httpx.HTTPError, json.JSONDecodeError, KeyError, TypeError):
        logger.exception("NLU failure")
        return fallback