feat: arquitectura RAG embebida y asistente UdeCi con botones interactivos (SDD-010, v3.8.25)
This commit is contained in:
+110
-75
@@ -1,73 +1,61 @@
|
||||
"""
|
||||
Módulo de Integración de Asistente IA (Chatbot de Ayuda Contextual)
|
||||
SDD-009: Compatible con OpenAI API y Servidor Local Llama.cpp (Qwen3 Coder 30B)
|
||||
Módulo de Integración de Asistente IA (UdeCi) con Arquitectura RAG Embebida
|
||||
SDD-009 / SDD-010: Compatible con OpenAI API y Servidor Local Llama.cpp (Qwen3 Coder 30B)
|
||||
"""
|
||||
import re
|
||||
import time
|
||||
from typing import Optional
|
||||
from typing import Optional, List
|
||||
import httpx
|
||||
from fastapi import APIRouter, HTTPException, Depends, Request, status
|
||||
|
||||
from dependencies import get_optional_current_user, require_roles
|
||||
from app.models.setting import SystemSetting
|
||||
from app.models.user import User
|
||||
from app.services.rag_service import RAGService
|
||||
from schemas.ai_chat import (
|
||||
ChatRequest,
|
||||
ChatResponse,
|
||||
AITestConnectionResponse,
|
||||
AISettingsSchema
|
||||
AISettingsSchema,
|
||||
RAGReindexResponse
|
||||
)
|
||||
|
||||
router = APIRouter(tags=["AI Chatbot"])
|
||||
|
||||
DEFAULT_ROLE_OPTIONS = {
|
||||
"docente": ["📍 Aulas y Google Meet", "📝 Actas de Regularidad", "👥 Ver Comisiones", "❓ Ayuda"],
|
||||
"bedelia": ["🔄 Flujo de 9 Pasos", "⚠️ Conflictos Áulicos", "🧬 Optimizador IA", "📑 Importar Sheets"],
|
||||
"alumno": ["📍 ¿Dónde curso hoy?", "📚 Mis Materias", "📊 Mis Calificaciones", "❓ Ayuda"]
|
||||
}
|
||||
|
||||
def generate_system_prompt_for_role(role: Optional[str]) -> str:
|
||||
|
||||
def generate_system_prompt_for_role(role: Optional[str], rag_context: Optional[str] = None) -> str:
|
||||
"""
|
||||
Genera el System Prompt dinámico según el rol del usuario autenticado,
|
||||
proporcionándole al LLM las reglas de negocio, manual de uso y restricciones de acceso.
|
||||
Genera el System Prompt de UdeCi enriquecido con fragmentos de conocimiento oficial (RAG),
|
||||
imponiendo respuestas cortas, directas y opciones interactivas para el usuario.
|
||||
"""
|
||||
normalized_role = (role or "alumno").strip().lower()
|
||||
|
||||
if normalized_role in ["docente", "profesor", "teacher"]:
|
||||
return (
|
||||
"Eres el Asistente y Tutor Inteligente de Admin Edu Space (UniCABA) para DOCENTES y PROFESORES.\n"
|
||||
"Tu objetivo es asistir al cuerpo docente guiándolo exclusivamente en las tareas pertinentes a su rol:\n"
|
||||
"1. Asignaciones de Aula y Espacios: Explicar cómo consultar las aulas físicas asignadas y enlaces a aulas virtuales (Google Meet/Teams) en la cartelera diaria y semanal.\n"
|
||||
"2. Libro de Calificaciones (Gradebook): Orientar sobre cómo cargar y editar calificaciones de parciales, recuperatorios, notas finales y cerrar actas de regularidad inmutables con trazabilidad.\n"
|
||||
"3. Nómina de Comisiones y Alumnos: Guiar en la visualización de listas de alumnos inscriptos en sus comisiones activas.\n"
|
||||
"4. Cronogramas y Horarios: Indicar cómo consultar días y horarios de cursada según el ciclo lectivo vigente.\n"
|
||||
"REGLAS ESTRICTAS DE SEGURIDAD Y PERMISOS:\n"
|
||||
"- Si el usuario te consulta sobre cómo crear carreras, modificar asignaciones físicas ajenas, reconfigurar servidores o ingresar a funciones de Bedelía, aclara respetuosamente que esas operaciones están reservadas a Bedelía o Administración de Sistemas.\n"
|
||||
"- Responde siempre en español institucional, con tono cordial, empático y estructurado en pasos claros."
|
||||
)
|
||||
|
||||
elif normalized_role in ["bedelia", "admin", "administrador"]:
|
||||
return (
|
||||
"Eres el Asistente y Tutor Técnico de Nivel 1 de Admin Edu Space (UniCABA) para personal de BEDELÍA y ADMINISTRADORES.\n"
|
||||
"Tu objetivo es brindar soporte técnico operativo y guiar en el flujo integral de gestión académica y áulica:\n"
|
||||
"1. Circuito Secuencial Canónico de 9 Pasos: 1) Sedes/Edificios -> 2) Aulas (físicas/virtuales) -> 3) Ciclos Lectivos -> 4) Carreras -> 5) Asignaturas (con carreras asociadas) -> 6) Comisiones -> 7) Profesores -> 8) Alumnos -> 9) Reservas de Espacio.\n"
|
||||
"2. Matriz de Conflictos: Explicar la validación física en aulas presenciales, control estricto de aforo, superposición horaria docente (con excepción de co-docencia activa) y restricción diaria de cursada para alumnos.\n"
|
||||
"3. Herramienta de Optimización con IA: Instruir sobre el uso del Optimizador Genético de Aulas para resolver colisiones y maximizar aforo.\n"
|
||||
"4. Importación Masiva (Google Sheets): Explicar el proceso de inspección previa, selección granular de entidades, filtrado por carrera/día y carga con fechas manuales.\n"
|
||||
"5. Sincronización Moodle 4.1: Orientar en la gestión de la cola asíncrona (MoodleSyncTask), manejo de reintentos, Dead Letter Queue (DLQ) y sincronización RBAC.\n"
|
||||
"6. Auditoría Institucional: Indicar cómo auditar eventos en AuditLog por módulo, acción y fecha.\n"
|
||||
"REGLAS:\n"
|
||||
"- Responde con precisión técnica, terminología oficial de UniCABA y soluciones directas y accionables."
|
||||
)
|
||||
|
||||
if "docente" in normalized_role or "profesor" in normalized_role or "teacher" in normalized_role:
|
||||
effective_role = "docente"
|
||||
elif "bedelia" in normalized_role or "admin" in normalized_role:
|
||||
effective_role = "bedelia"
|
||||
else:
|
||||
# Rol Alumno / Estudiante (por defecto)
|
||||
return (
|
||||
"Eres el Asistente y Tutor Inteligente de Admin Edu Space (UniCABA) para ESTUDIANTES y ALUMNOS.\n"
|
||||
"Tu misión es guiar al estudiante sobre cómo cursar y utilizar el sistema:\n"
|
||||
"1. Cartelera de Clases de Hoy: Enseñar cómo consultar en qué aula física o enlace virtual de Meet le corresponde cursar sus materias hoy y en qué turno.\n"
|
||||
"2. Mis Asignaturas e Inscripciones: Explicar cómo verificar las materias matriculadas, comisiones, docentes a cargo y horarios de cursada.\n"
|
||||
"3. Consulta de Calificaciones: Guiar en la visualización de estados académicos, notas parciales, recuperatorios y regularidad en el sistema.\n"
|
||||
"4. Restricción de Cursada Diaria: Explicar que el sistema restringe cursar dos materias el mismo día salvo cursos cortos o excepciones autorizadas por Bedelía.\n"
|
||||
"REGLAS ESTRICTAS DE SEGURIDAD:\n"
|
||||
"- Tienes TERMINANTEMENTE PROHIBIDO enseñar o detallar cómo reservar aulas, cómo alterar notas, cómo sincronizar Moodle o cómo administrar el sistema.\n"
|
||||
"- Ante cualquier solicitud de índole administrativa o de reclamo de cupos, indica al alumno que debe dirigirse a la Secretaría de Bedelía de UniCABA.\n"
|
||||
"- Responde en español de forma pedagógica, clara y amigable."
|
||||
)
|
||||
effective_role = "alumno"
|
||||
|
||||
context_section = rag_context if rag_context else "Consulta el sistema con tu usuario institucional."
|
||||
|
||||
return (
|
||||
f"Eres UdeCi, el tutor virtual institucional de Admin Edu Space (UniCABA).\n"
|
||||
f"El usuario tiene el rol de: {effective_role.upper()}.\n\n"
|
||||
"REGLAS ESTRICTAS DE RESPUESTA:\n"
|
||||
"1. Respuestas BREVES y PRECISAS: Responde en máximo 2 a 3 oraciones cortas o pasos directos. No des introducciones largas ni rodeos.\n"
|
||||
"2. INFORMACIÓN OFICIAL: Responde basándote ÚNICAMENTE en la INFORMACIÓN DEL SISTEMA provista abajo. "
|
||||
"Si la respuesta no está en esta información o el usuario solicita una acción que no corresponde a su rol, "
|
||||
"indícale amablemente que no dispones de los permisos necesarios y que debe contactar a Bedelía.\n"
|
||||
"3. Al final de tu mensaje, incluye EXACTAMENTE 2 o 3 opciones breves de seguimiento en este formato:\n"
|
||||
"OPCIONES: [Opción 1 | Opción 2 | Opción 3]\n\n"
|
||||
f"INFORMACIÓN OFICIAL DEL SISTEMA (RAG):\n{context_section}"
|
||||
)
|
||||
|
||||
|
||||
def _get_ai_config() -> dict:
|
||||
@@ -76,16 +64,15 @@ def _get_ai_config() -> dict:
|
||||
enabled = enabled_val in ["true", "True", "1", True]
|
||||
|
||||
base_url = SystemSetting.get_value("ai_chat_base_url", "http://10.0.0.214:8080/v1") or "http://10.0.0.214:8080/v1"
|
||||
|
||||
# Obtener clave API descifrada
|
||||
api_key = SystemSetting.get_decrypted_value("ai_chat_api_key", "llama") or "llama"
|
||||
model = SystemSetting.get_value("ai_chat_model", "qwen3-coder:30b") or "qwen3-coder:30b"
|
||||
model_name = SystemSetting.get_value("ai_chat_model_name", "Qwen3 Coder 30B-A3B (Llama.cpp)") or "Qwen3 Coder 30B-A3B (Llama.cpp)"
|
||||
model_name = SystemSetting.get_value("ai_chat_model_name", "UdeCi (Tutor Virtual)") or "UdeCi (Tutor Virtual)"
|
||||
|
||||
try:
|
||||
temperature = float(SystemSetting.get_value("ai_chat_temperature", 0.3))
|
||||
# En RAG se recomienda 0.1 para máxima fidelidad a los fragmentos
|
||||
temperature = float(SystemSetting.get_value("ai_chat_temperature", 0.1))
|
||||
except (ValueError, TypeError):
|
||||
temperature = 0.3
|
||||
temperature = 0.1
|
||||
|
||||
try:
|
||||
timeout = float(SystemSetting.get_value("ai_chat_timeout", 60.0))
|
||||
@@ -103,6 +90,23 @@ def _get_ai_config() -> dict:
|
||||
}
|
||||
|
||||
|
||||
def _extract_options_from_reply(reply_text: str, role: str) -> tuple[str, List[str]]:
|
||||
"""Extrae las opciones sugeridas al final del texto y limpia la respuesta para el usuario."""
|
||||
options = []
|
||||
clean_text = reply_text
|
||||
|
||||
match = re.search(r'OPCIONES:\s*\[(.*?)\]', reply_text, re.DOTALL | re.IGNORECASE)
|
||||
if match:
|
||||
raw_options = match.group(1).split('|')
|
||||
options = [opt.strip() for opt in raw_options if opt.strip()]
|
||||
clean_text = reply_text[:match.start()].strip()
|
||||
|
||||
if not options:
|
||||
options = DEFAULT_ROLE_OPTIONS.get(role, DEFAULT_ROLE_OPTIONS["alumno"])
|
||||
|
||||
return clean_text, options
|
||||
|
||||
|
||||
@router.post("/", response_model=ChatResponse)
|
||||
@router.post("", response_model=ChatResponse)
|
||||
async def get_agent_response(
|
||||
@@ -111,17 +115,18 @@ async def get_agent_response(
|
||||
current_user: Optional[User] = Depends(get_optional_current_user)
|
||||
):
|
||||
"""
|
||||
Procesa la conversación del usuario con el agente contextual:
|
||||
1. Resuelve el rol del usuario (prioriza sesión JWT o campo user_role).
|
||||
2. Inyecta el System Prompt correspondiente al rol.
|
||||
3. Envía la solicitud asíncrona no bloqueante hacia el servidor local Llama.cpp.
|
||||
Procesa la conversación con UdeCi aplicando la arquitectura RAG:
|
||||
1. Resuelve el rol del usuario autenticado.
|
||||
2. Ejecuta búsqueda semántica en KnowledgeChunk (RAG) filtrando por rol.
|
||||
3. Inyecta el contexto oficial en el prompt para Llama.cpp con baja temperatura (0.1).
|
||||
4. Genera respuesta breve y extrae opciones de botones interactivos.
|
||||
"""
|
||||
config = _get_ai_config()
|
||||
|
||||
if not config["enabled"]:
|
||||
raise HTTPException(
|
||||
status_code=status.HTTP_503_SERVICE_UNAVAILABLE,
|
||||
detail="El servicio de Asistente IA está temporalmente deshabilitado por el administrador."
|
||||
detail="UdeCi está temporalmente deshabilitado por el administrador."
|
||||
)
|
||||
|
||||
# 1. Determinar rol efectivo
|
||||
@@ -138,8 +143,18 @@ async def get_agent_response(
|
||||
else:
|
||||
effective_role = "alumno"
|
||||
|
||||
# 2. Inyección de Contexto
|
||||
system_prompt = generate_system_prompt_for_role(effective_role)
|
||||
# 2. Búsqueda semántica RAG sobre la última consulta del usuario
|
||||
last_query = ""
|
||||
for msg in reversed(request.messages):
|
||||
if msg.role == "user":
|
||||
last_query = msg.content
|
||||
break
|
||||
|
||||
chunks = RAGService.search_relevant_chunks(last_query, effective_role, limit=3)
|
||||
context_text = "\n\n".join([f"### {c['title']}\n{c['content']}" for c in chunks])
|
||||
|
||||
# 3. Inyección de Contexto en el System Prompt
|
||||
system_prompt = generate_system_prompt_for_role(effective_role, context_text)
|
||||
|
||||
formatted_messages = [{"role": "system", "content": system_prompt}]
|
||||
for msg in request.messages:
|
||||
@@ -148,7 +163,7 @@ async def get_agent_response(
|
||||
payload = {
|
||||
"model": config["model"],
|
||||
"messages": formatted_messages,
|
||||
"temperature": config["temperature"]
|
||||
"temperature": 0.1 # Temperatura estricta para evitar alucinaciones
|
||||
}
|
||||
|
||||
target_url = f"{config['base_url']}/chat/completions"
|
||||
@@ -157,18 +172,19 @@ async def get_agent_response(
|
||||
"Content-Type": "application/json"
|
||||
}
|
||||
|
||||
# 3. Petición asíncrona no bloqueante al servidor local
|
||||
# 4. Inferencia asíncrona no bloqueante
|
||||
async with httpx.AsyncClient(timeout=config["timeout"]) as client:
|
||||
try:
|
||||
response = await client.post(target_url, headers=headers, json=payload)
|
||||
response.raise_for_status()
|
||||
ai_data = response.json()
|
||||
reply_text = ai_data["choices"][0]["message"]["content"]
|
||||
return ChatResponse(response=reply_text)
|
||||
raw_reply = ai_data["choices"][0]["message"]["content"]
|
||||
clean_reply, options = _extract_options_from_reply(raw_reply, effective_role)
|
||||
return ChatResponse(response=clean_reply, quick_options=options)
|
||||
except httpx.TimeoutException:
|
||||
raise HTTPException(
|
||||
status_code=status.HTTP_504_GATEWAY_TIMEOUT,
|
||||
detail=f"El servidor de IA local superó el tiempo límite de espera ({config['timeout']}s)."
|
||||
detail=f"UdeCi superó el tiempo límite de espera ({config['timeout']}s)."
|
||||
)
|
||||
except httpx.HTTPStatusError as e:
|
||||
detail_msg = f"Error del motor de IA local ({e.response.status_code}): {e.response.text[:200]}"
|
||||
@@ -176,18 +192,28 @@ async def get_agent_response(
|
||||
except httpx.RequestError as e:
|
||||
raise HTTPException(
|
||||
status_code=status.HTTP_503_SERVICE_UNAVAILABLE,
|
||||
detail="Error conectando al motor de IA local. Verifique que Llama.cpp esté activo en 10.0.0.214."
|
||||
detail="Error conectando con UdeCi. Verifique que el servidor local de IA esté disponible."
|
||||
)
|
||||
|
||||
|
||||
@router.post("/rag/reindex", response_model=RAGReindexResponse)
|
||||
def reindex_knowledge_base(
|
||||
current_user: User = Depends(require_roles(["ADMIN"]))
|
||||
):
|
||||
"""Reindexa y particiona la documentación oficial en fragmentos RAG."""
|
||||
count = RAGService.reindex_default_knowledge()
|
||||
return RAGReindexResponse(
|
||||
status="success",
|
||||
indexed_chunks=count,
|
||||
message=f"Se han reindexado exitosamente {count} fragmentos de conocimiento oficial para UdeCi."
|
||||
)
|
||||
|
||||
|
||||
@router.post("/test-connection", response_model=AITestConnectionResponse)
|
||||
async def test_ai_connection(
|
||||
current_user: User = Depends(require_roles(["ADMIN"]))
|
||||
):
|
||||
"""
|
||||
Verifica la conectividad directa con el servidor local Llama.cpp
|
||||
consultando el endpoint de modelos /v1/models y calculando la latencia.
|
||||
"""
|
||||
"""Verifica conectividad directa con el servidor local consultando /v1/models."""
|
||||
config = _get_ai_config()
|
||||
target_url = f"{config['base_url']}/models"
|
||||
headers = {"Authorization": f"Bearer {config['api_key']}"}
|
||||
@@ -202,14 +228,14 @@ async def test_ai_connection(
|
||||
model_ids = [m.get("id") for m in data.get("data", []) if isinstance(m, dict) and "id" in m]
|
||||
return AITestConnectionResponse(
|
||||
status="success",
|
||||
message=f"Conexión exitosa con Llama.cpp ({config['base_url']}). Latencia: {latency_ms} ms.",
|
||||
message=f"Conexión exitosa con el servidor local ({config['base_url']}). Latencia: {latency_ms} ms.",
|
||||
latency_ms=latency_ms,
|
||||
models=model_ids
|
||||
)
|
||||
else:
|
||||
return AITestConnectionResponse(
|
||||
status="warning",
|
||||
message=f"Respuesta inesperada del servidor ({resp.status_code}): {resp.text[:200]}",
|
||||
message=f"Respuesta inesperada ({resp.status_code}): {resp.text[:200]}",
|
||||
latency_ms=latency_ms,
|
||||
models=[]
|
||||
)
|
||||
@@ -231,11 +257,20 @@ async def test_ai_connection(
|
||||
|
||||
@router.get("/config")
|
||||
def get_ai_public_config(current_user: Optional[User] = Depends(get_optional_current_user)):
|
||||
"""Retorna metadatos públicos de estado del asistente para el widget del frontend."""
|
||||
"""Retorna metadatos públicos de estado de UdeCi para el widget del frontend."""
|
||||
config = _get_ai_config()
|
||||
role_str = "alumno"
|
||||
if current_user and hasattr(current_user, "role") and current_user.role:
|
||||
r = str(current_user.role).lower()
|
||||
if "docente" in r or "profesor" in r:
|
||||
role_str = "docente"
|
||||
elif "bedelia" in r or "admin" in r:
|
||||
role_str = "bedelia"
|
||||
|
||||
return {
|
||||
"status": "success",
|
||||
"enabled": config["enabled"],
|
||||
"model": config["model"],
|
||||
"model_name": config["model_name"]
|
||||
"name": "UdeCi",
|
||||
"role": role_str,
|
||||
"default_options": DEFAULT_ROLE_OPTIONS.get(role_str, DEFAULT_ROLE_OPTIONS["alumno"])
|
||||
}
|
||||
|
||||
Reference in New Issue
Block a user