Ai/rag/tasks.py

"""
تسک‌های Celery برای RAG
"""
from config.celery import app

from .ingest import ingest


@app.task
def rag_ingest_task(recreate: bool = True):
    """
    embed و ذخیره دیتای همه کاربران در Qdrant.
    هر چند ساعت یکبار اجرا شود (از طریق Celery Beat).
    recreate=True: collection از نو ساخته می‌شود تا دیتای قدیمی حذف شود.
    """
    result = ingest(recreate=recreate)
    return result


@app.task(bind=True)
def irrigation_recommendation_task(
    self,
    sensor_uuid: str,
    plant_name: str | None = None,
    growth_stage: str | None = None,
    irrigation_method_name: str | None = None,
    query: str | None = None,
) -> dict:
    """
    تسک Celery برای تولید توصیه آبیاری.
    داده‌های سنسور، گیاه و روش آبیاری را از DB بارگذاری کرده
    و از سرویس RAG توصیه می‌گیرد.
    """
    from rag.services.irrigation import get_irrigation_recommendation

    self.update_state(
        state="PROGRESS",
        meta={"message": "در حال پردازش توصیه آبیاری..."},
    )
    result = get_irrigation_recommendation(
        sensor_uuid=sensor_uuid,
        plant_name=plant_name,
        growth_stage=growth_stage,
        irrigation_method_name=irrigation_method_name,
        query=query,
    )
    result["status"] = "completed"
    return result


@app.task(bind=True)
def fertilization_recommendation_task(
    self,
    sensor_uuid: str,
    plant_name: str | None = None,
    growth_stage: str | None = None,
    query: str | None = None,
) -> dict:
    """
    تسک Celery برای تولید توصیه کودهی.
    داده‌های سنسور و گیاه را از DB بارگذاری کرده
    و از سرویس RAG توصیه می‌گیرد.
    """
    from rag.services.fertilization import get_fertilization_recommendation

    self.update_state(
        state="PROGRESS",
        meta={"message": "در حال پردازش توصیه کودهی..."},
    )
    result = get_fertilization_recommendation(
        sensor_uuid=sensor_uuid,
        plant_name=plant_name,
        growth_stage=growth_stage,
        query=query,
    )
    result["status"] = "completed"
    return result