first commit

legacy_reference/workflows/actions/invoice_explanation/helpers.py

@@ -0,0 +1,125 @@
+from __future__ import annotations
+
+import re
+
+from typing import Any
+
+_INVOICE_EXPLANATION_TRAILER = "Com essa explicação, sanei sua dúvida?"
+_INVOICE_EXPLANATION_TRAILER_PATTERN = re.compile(
+    r"com essa explica[cç][aã]o,?\s+sanei sua d[uú]vida\??$",
+    re.IGNORECASE,
+)
+_INVOICE_EXPLANATION_PADRAO_SENTINEL = re.compile(
+    r"\s*\(use o padr[aã]o\)\s*$",
+    re.IGNORECASE,
+)
+
+
+def _normalizar_mensagem_voz(
+    mensagem: str,
+    *,
+    trailer_override: str,
+    trailer_default: str = "",
+    trailer_pattern: re.Pattern[str] | None = None,
+) -> str:
+    """Pos-processa a mensagem reescrita pelo LLM.
+
+    Remove o sentinel "(use o padrao)" caso o modelo o tenha emitido e,
+    quando `trailer_override` estiver vazio, garante o `trailer_default`
+    ao final (a menos que o texto ja termine com `trailer_pattern`).
+    """
+    if not mensagem:
+        return mensagem
+    if trailer_override:
+        return mensagem
+
+    mensagem = _INVOICE_EXPLANATION_PADRAO_SENTINEL.sub("", mensagem).strip()
+    if not trailer_default:
+        return mensagem
+    if trailer_pattern is not None and trailer_pattern.search(mensagem):
+        return mensagem
+    return f"{mensagem} {trailer_default}".strip()
+
+
+def _normalizar_invoice_explanation_mensagem(
+    mensagem: str,
+    *,
+    trailer_override: str,
+) -> str:
+    return _normalizar_mensagem_voz(
+        mensagem,
+        trailer_override=trailer_override,
+        trailer_default=_INVOICE_EXPLANATION_TRAILER,
+        trailer_pattern=_INVOICE_EXPLANATION_TRAILER_PATTERN,
+    )
+
+
+def _extract_rag_context(state: dict[str, Any]) -> dict[str, Any]:
+    """Extrai campos de RAG do estado para inclusão em eventos MPI."""
+    vars_state = state.get("vars", {})
+    if not isinstance(vars_state, dict):
+        return {}
+
+    # Procura por qualquer nó que tenha retornado dados de RAG.
+    # Prioriza os nós conhecidos por realizar busca RAG.
+    for node_id in ("buscar_informacao", "buscar_informacao_rag", "preparar"):
+        node_result = vars_state.get(node_id)
+        if not isinstance(node_result, dict):
+            continue
+
+        # Se o nó já tem os campos formatados, usa eles
+        if "ragRetrievedDocuments" in node_result:
+            return {
+                "ragRetrievedDocuments": node_result.get("ragRetrievedDocuments", ""),
+                "ragSelectedDocuments": node_result.get("ragSelectedDocuments", ""),
+                "noMatchRag": node_result.get("noMatchRag", True),
+            }
+
+        # Caso contrário, tenta construir a partir da lista 'documents'
+        documents = node_result.get("documents")
+        if isinstance(documents, (list, tuple)):
+            retrieved_titles = []
+            selected_titles = []
+            for doc in documents:
+                if not isinstance(doc, dict):
+                    continue
+                t = (
+                    doc.get("title_proc")
+                    or doc.get("title")
+                    or doc.get("chunk_texto")
+                    or ""
+                )
+                if t:
+                    title = str(t)
+                    retrieved_titles.append(title)
+                    # Threshold de 0.6 para considerar como selecionado (distância menor é melhor)
+                    distance = float(doc.get("distance", 1.0))
+                    if distance <= 0.6:
+                        selected_titles.append(title)
+
+            return {
+                "ragRetrievedDocuments": "|".join(retrieved_titles),
+                "ragSelectedDocuments": "|".join(selected_titles),
+                "noMatchRag": len(documents) == 0,
+            }
+
+    return {}
+
+
+def _extract_invoice_explanation_text(data: Any) -> str:
+    if isinstance(data, dict):
+        for key in ("mensagem", "message", "explicacao", "texto"):
+            value = data.get(key)
+            if isinstance(value, str) and value.strip():
+                return value.strip()
+    if isinstance(data, str) and data.strip():
+        return data.strip()
+    return ""
+
+
+__all__ = [
+    '_normalizar_mensagem_voz',
+    '_normalizar_invoice_explanation_mensagem',
+    '_extract_rag_context',
+    '_extract_invoice_explanation_text',
+]