132 lines
4.5 KiB
Python
132 lines
4.5 KiB
Python
"""
|
|
سرویس توصیه کودهی — بدون API، قابل فراخوانی از سایر سرویسها
|
|
از RAG با پایگاه دانش fertilization و لحن مخصوص کودهی استفاده میکند.
|
|
"""
|
|
import json
|
|
import logging
|
|
|
|
from rag.api_provider import get_chat_client
|
|
from rag.chat import build_rag_context, _load_service_tone
|
|
from rag.config import load_rag_config, RAGConfig, get_service_config
|
|
from rag.user_data import build_plant_text
|
|
|
|
logger = logging.getLogger(__name__)
|
|
|
|
KB_NAME = "fertilization"
|
|
SERVICE_ID = "fertilization"
|
|
|
|
DEFAULT_FERTILIZATION_PROMPT = (
|
|
"بر اساس دادههای خاک (NPK، pH)، مشخصات گیاه، مرحله رشد و پایگاه دانش کودهی، "
|
|
"یک توصیه کودهی دقیق بده. "
|
|
"پاسخ حتماً به فرمت JSON با ساختار زیر باشد:\n"
|
|
'{\n'
|
|
' "plan": {\n'
|
|
' "npkRatio": "<str>",\n'
|
|
' "amountPerHectare": "<str>",\n'
|
|
' "applicationMethod": "<str>",\n'
|
|
' "applicationInterval": "<str>",\n'
|
|
' "reasoning": "<str>"\n'
|
|
' }\n'
|
|
'}\n'
|
|
"فقط JSON خروجی بده، بدون توضیح اضافی. "
|
|
"مقادیر را بر اساس شرایط واقعی خاک و گیاه محاسبه کن."
|
|
)
|
|
|
|
|
|
def get_fertilization_recommendation(
|
|
sensor_uuid: str,
|
|
plant_name: str | None = None,
|
|
growth_stage: str | None = None,
|
|
query: str | None = None,
|
|
config: RAGConfig | None = None,
|
|
limit: int = 8,
|
|
) -> dict:
|
|
"""
|
|
توصیه کودهی برای یک سنسور (کاربر).
|
|
از RAG با پایگاه دانش fertilization استفاده میکند.
|
|
|
|
Args:
|
|
sensor_uuid: شناسه سنسور کاربر
|
|
plant_name: نام گیاه (برای بارگذاری مشخصات از جدول Plant)
|
|
growth_stage: مرحله رشد گیاه
|
|
query: سوال اختیاری
|
|
config: تنظیمات RAG
|
|
limit: تعداد چانکهای بازیابیشده
|
|
|
|
Returns:
|
|
dict با کلیدهای fertilizer_needed, fertilizer_type, amount_kg_per_hectare, reason, npk_status, raw_response
|
|
"""
|
|
cfg = config or load_rag_config()
|
|
service = get_service_config(SERVICE_ID, cfg)
|
|
service_cfg = RAGConfig(
|
|
embedding=cfg.embedding,
|
|
qdrant=cfg.qdrant,
|
|
chunking=cfg.chunking,
|
|
llm=service.llm,
|
|
knowledge_bases=cfg.knowledge_bases,
|
|
services=cfg.services,
|
|
chromadb=cfg.chromadb,
|
|
)
|
|
client = get_chat_client(service_cfg)
|
|
model = service.llm.model
|
|
|
|
user_query = query or "توصیه کودهی برای مزرعه من چیست؟"
|
|
|
|
context = build_rag_context(
|
|
user_query, sensor_uuid, config=cfg, limit=limit, kb_name=KB_NAME, service_id=SERVICE_ID,
|
|
)
|
|
|
|
extra_parts: list[str] = []
|
|
if plant_name and growth_stage:
|
|
plant_text = build_plant_text(plant_name, growth_stage)
|
|
if plant_text:
|
|
extra_parts.append("[اطلاعات گیاه]\n" + plant_text)
|
|
if extra_parts:
|
|
context = "\n\n---\n\n".join(extra_parts) + ("\n\n---\n\n" + context if context else "")
|
|
|
|
tone = _load_service_tone(service, cfg)
|
|
system_parts = [tone] if tone else []
|
|
if service.system_prompt:
|
|
system_parts.append(service.system_prompt)
|
|
system_parts.append(DEFAULT_FERTILIZATION_PROMPT)
|
|
if context:
|
|
system_parts.append("\n\n" + context)
|
|
system_content = "\n".join(system_parts)
|
|
|
|
messages = [
|
|
{"role": "system", "content": system_content},
|
|
{"role": "user", "content": user_query},
|
|
]
|
|
|
|
try:
|
|
response = client.chat.completions.create(
|
|
model=model,
|
|
messages=messages,
|
|
)
|
|
raw = response.choices[0].message.content.strip()
|
|
except Exception as exc:
|
|
logger.error("Fertilization recommendation error for %s: %s", sensor_uuid, exc)
|
|
return {
|
|
"fertilizer_needed": None,
|
|
"fertilizer_type": None,
|
|
"amount_kg_per_hectare": None,
|
|
"reason": f"خطا در دریافت توصیه: {exc}",
|
|
"npk_status": None,
|
|
"raw_response": None,
|
|
}
|
|
|
|
try:
|
|
cleaned = raw
|
|
if cleaned.startswith("```"):
|
|
cleaned = cleaned.strip("`").removeprefix("json").strip()
|
|
result = json.loads(cleaned)
|
|
except (json.JSONDecodeError, ValueError):
|
|
result = {
|
|
"plan": {
|
|
"reasoning": raw,
|
|
},
|
|
}
|
|
|
|
result["raw_response"] = raw
|
|
return result
|