UPDATE

rag/services/fertilization.py

@@ -173,19 +173,20 @@ def _merge_fertilization_response(
 
 
 def get_fertilization_recommendation(
-    sensor_uuid: str,
+    farm_uuid: str | None = None,
     plant_name: str | None = None,
     growth_stage: str | None = None,
     query: str | None = None,
     config: RAGConfig | None = None,
     limit: int = 8,
+    sensor_uuid: str | None = None,
 ) -> dict:
     """
-    توصیه کودهی برای یک سنسور (کاربر).
+    توصیه کودهی برای یک مزرعه.
     از RAG با پایگاه دانش fertilization استفاده می‌کند.
 
     Args:
-        sensor_uuid: شناسه سنسور کاربر
+        farm_uuid: شناسه مزرعه
         plant_name: نام گیاه (برای بارگذاری مشخصات از جدول Plant)
         growth_stage: مرحله رشد گیاه
         query: سوال اختیاری
@@ -193,7 +194,7 @@ def get_fertilization_recommendation(
         limit: تعداد چانک‌های بازیابی‌شده
 
     Returns:
-        dict با کلیدهای fertilizer_needed, fertilizer_type, amount_kg_per_hectare, reason, npk_status, raw_response
+        dict ساختاریافته برای توصیه کودهی
     """
     cfg = config or load_rag_config()
     service = get_service_config(SERVICE_ID, cfg)
@@ -209,12 +210,16 @@ def get_fertilization_recommendation(
     client = get_chat_client(service_cfg)
     model = service.llm.model
 
+    resolved_farm_uuid = str(farm_uuid or sensor_uuid or "").strip()
+    if not resolved_farm_uuid:
+        raise ValueError("farm_uuid is required.")
+
     user_query = query or "توصیه کودهی برای مزرعه من چیست؟"
 
     sensor = (
         SensorData.objects.select_related("center_location")
         .prefetch_related("plants")
-        .filter(farm_uuid=sensor_uuid)
+        .filter(farm_uuid=resolved_farm_uuid)
         .first()
     )
     resolved_plant_name = plant_name
@@ -246,7 +251,7 @@ def get_fertilization_recommendation(
         )
 
     context = build_rag_context(
-        user_query, sensor_uuid, config=cfg, limit=limit, kb_name=KB_NAME, service_id=SERVICE_ID,
+        user_query, resolved_farm_uuid, config=cfg, limit=limit, kb_name=KB_NAME, service_id=SERVICE_ID,
     )
 
     extra_parts: list[str] = []
@@ -276,7 +281,7 @@ def get_fertilization_recommendation(
         {"role": "user", "content": user_query},
     ]
     audit_log = _create_audit_log(
-        farm_uuid=sensor_uuid,
+        farm_uuid=resolved_farm_uuid,
         service_id=SERVICE_ID,
         model=model,
         query=user_query,
@@ -291,7 +296,7 @@ def get_fertilization_recommendation(
         )
         raw = response.choices[0].message.content.strip()
     except Exception as exc:
-        logger.error("Fertilization recommendation error for %s: %s", sensor_uuid, exc)
+        logger.error("Fertilization recommendation error for %s: %s", resolved_farm_uuid, exc)
         result = _build_fertilization_fallback(optimized_result=optimized_result)
         result["error"] = f"خطا در دریافت توصیه: {exc}"
         result["raw_response"] = None