FerdinandPyCode/AuthringApp

1import json2from langchain.prompts import PromptTemplate3from langchain.chains import LLMChain4from pydantic import BaseModel, Field5from typing import List, Tuple6from langchain.chat_models import ChatOpenAI7from langchain.output_parsers import PydanticOutputParser8 9 10# Modèles Pydantic pour structurer la réponse11class AlternativeSuggestion(BaseModel):12    suggestion_1: str = Field(..., description="Première suggestion de reformulation.")13    suggestion_2: str = Field(..., description="Deuxième suggestion de reformulation.")14    justification: str = Field(..., description="Justification de la suggestion.")15 16class PatternDetail(BaseModel):17    pattern: str = Field(..., description="Mot ou expression détectée.")18    indices: List[Tuple[int, int]] = Field(..., description="Indices de début et de fin pour chaque occurrence dans le texte.")19    sentence: str = Field(..., description="Phrase complète où l'expression apparaît.")20    alternative_suggestions: AlternativeSuggestion = Field(..., description="Deux suggestions de reformulation avec justification.")21 22    def to_dict(self):23        return {24            "pattern": self.pattern,25            "indices": self.indices,26            "sentence": self.sentence,27            "alternative_suggestions": {28                "suggestion_1": self.alternative_suggestions.suggestion_1,29                "suggestion_2": self.alternative_suggestions.suggestion_2,30                "justification": self.alternative_suggestions.justification31            }32        }33 34class Summary(BaseModel):35    total_patterns_detected: int = Field(..., description="Nombre total de patterns détectés.")36    alternative_suggestions_provided: int = Field(..., description="Nombre total de suggestions fournies.")37    occurrences: int = Field(..., description="Nombre total d'occurrences trouvées dans le texte.")38 39    def to_dict(self):40        return {41            "total_patterns_detected": self.total_patterns_detected,42            "alternative_suggestions_provided": self.alternative_suggestions_provided,43            "occurrences": self.occurrences44        }45 46class DetectionResult(BaseModel):47    patterns: List[PatternDetail] = Field(..., description="Liste des patterns détectés avec détails.")48    summary: Summary = Field(..., description="Résumé de la détection.")49 50    def to_dict(self):51        return {52            "patterns": [pattern.to_dict() for pattern in self.patterns],53            "summary": self.summary.to_dict()54        }55 56def look_prompt_template():57    return """58   Analyse le texte suivant et détecte strictement toutes les occurrences du mot "look" utilisées dans le contexte de la décoration et de l'aménagement des espaces de vie ou de travail.59 60   Pour chaque occurrence trouvée, veuillez :61 62   - Citer la phrase complète où l'expression apparaît.63   - Indiquer l'expression exacte utilisée dans le texte.64   - Expliquer pourquoi l'utilisation de "look" est inappropriée dans ce contexte décoratif en français, en précisant qu'il s'agit d'un anglicisme.65   - Proposer deux reformulations de la phrase en utilisant un terme ou une expression plus correcte en français, comme "style", "allure", "ambiance", "aspect", ou "touche", en tenant compte du contexte de la décoration.66   - Assurez-vous que la phrase reformulée soit fluide, naturelle et préserve le sens original.67 68   Assurez-vous également de respecter les règles suivantes :69   1. Les expressions comme "crucial", "essentiel", "important", "fondamental", etc., ne doivent pas être utilisées plus d'une fois dans l'introduction.70   2. Les expressions comme "Il existe", "il faut", "cependant", "de plus", "en revanche", "néanmoins", "toutefois" ne doivent pas être utilisées en début de phrase.71   3. Les expressions comme "joue un rôle", "il est", ou "est une étape" ne doivent pas être associées à des adjectifs comme "important", "essentiel", etc.72   4. "En plus" ne doit pas être utilisé seul en début de phrase.73 74   Le format de sortie doit être un JSON structuré avec les éléments suivants pour chaque pattern détecté :75 76   - "pattern": "mot ou expression détectée",77   - "indices": [[index de début, index de fin pour chaque occurrence]],78   - "sentence": "phrase où l'expression est utilisée",79   - "alternative_suggestions": ["suggestion 1", "suggestion 2"]80 81   Si aucun pattern n'est trouvé, retournez un JSON avec :82   - "pattern0": "",83   - "occurrences": 0,84 85   À la fin, ajoutez un résumé avec :86   - "total_patterns_detected": nombre total de patterns détectés,87   - "alternative_suggestions_provided": nombre de suggestions données,88   - "occurrences": nombre d'occurrences.89 90   Voici le texte à analyser :91   ```{text}```92 93   \n{format_instruction}94    """95 96def look(text):97    # Créer le template avec la variable text intégrée directement98    prompt_template = look_prompt_template()99 100    output_parser = PydanticOutputParser(pydantic_object=DetectionResult)101 102    # Créer le prompt avec le texte intégré103    gen_prompt_template = PromptTemplate(104        input_variables=["text"],105        template=prompt_template,106        partial_variables={'format_instruction': output_parser.get_format_instructions()}107    )108 109    # Créer une instance du modèle de langage110    llm = ChatOpenAI(model='gpt-4o', temperature=0.5, api_key="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")111 112    # Exécuter la chaîne avec le LLM113    llm_chain = gen_prompt_template | llm | output_parser114 115    # Appel du modèle avec le texte fourni116    result_dict = llm_chain.invoke({"text": text}).to_dict()117 118    # Parsing de la réponse JSON119    json_result = json.dumps(result_dict, indent=8, ensure_ascii=False)120 121    # Générer le prompt final122    final_prompt = gen_prompt_template.format(text=text)123 124    # Retourne les suggestions ou les erreurs de parsing125    return {126        "result": json_result,127        "prompt": final_prompt128    }