Initial commit: Robot ökoszisztéma v2.0 - Stabilizált jármű és szerviz robotok

backend/app/services/ai_service.py

@@ -0,0 +1,104 @@
+# /opt/docker/dev/service_finder/backend/app/services/ai_service.py
+import os
+import json
+import logging
+import asyncio
+import httpx
+from typing import Dict, Any, Optional, List
+from sqlalchemy import select
+
+from app.db.session import AsyncSessionLocal 
+from app.models.system import SystemParameter
+from app.services.config_service import config # 2.2-es központi config
+
+logger = logging.getLogger("AI-Service-2.2")
+
+class AIService:
+    """
+    Sentinel Master AI Service 2.2.
+    Felelős az LLM hívásokért, prompt sablonok kezeléséért és az OCR feldolgozásért.
+    Minden paraméter (modell, url, prompt, hőmérséklet) adminból vezérelt.
+    """
+
+    @classmethod
+    async def _execute_ai_call(cls, db, prompt: str, model_key: str = "text", images: Optional[List[str]] = None) -> Optional[Dict[str, Any]]:
+        """
+        Központi AI végrehajtó. Kezeli a modellt, a várakozást és a JSON parzolást.
+        """
+        try:
+            # 1. ADMIN KONFIGURÁCIÓ LEKÉRÉSE
+            base_url = await config.get_setting(db, "ai_ollama_url", default="http://ollama:11434/api/generate")
+            delay = await config.get_setting(db, "AI_REQUEST_DELAY", default=0.1)
+            
+            # Modell választás (text vagy vision)
+            model_name = await config.get_setting(db, f"ai_model_{model_key}", default="qwen2.5-coder:32b")
+            temp = await config.get_setting(db, "ai_temperature", default=0.1)
+            timeout_val = await config.get_setting(db, "ai_timeout", default=120.0)
+
+            await asyncio.sleep(float(delay))
+
+            # 2. PAYLOAD ÖSSZEÁLLÍTÁSA
+            payload = {
+                "model": model_name,
+                "prompt": prompt,
+                "stream": False,
+                "format": "json",
+                "options": {"temperature": float(temp)}
+            }
+            
+            if images: # Llava/Vision támogatás
+                payload["images"] = images
+
+            # 3. HTTP HÍVÁS
+            async with httpx.AsyncClient(timeout=float(timeout_val)) as client:
+                response = await client.post(base_url, json=payload)
+                response.raise_for_status()
+                
+                raw_res = response.json().get("response", "{}")
+                return json.loads(raw_res)
+
+        except json.JSONDecodeError as je:
+            logger.error(f"❌ AI JSON hiba (parszolási hiba): {je}")
+            return None
+        except Exception as e:
+            logger.error(f"❌ AI hívás kritikus hiba: {e}")
+            return None
+
+    @classmethod
+    async def get_gold_data_from_research(cls, make: str, model: str, raw_context: str) -> Optional[Dict[str, Any]]:
+        """
+        Robot 3 (Alchemist) dúsító folyamata.
+        Kutatási adatokból csinál tiszta technikai adatlapot.
+        """
+        async with AsyncSessionLocal() as db:
+            template = await config.get_setting(db, "ai_prompt_gold_data", 
+                default="Extract technical car data for {make} {model} from: {context}")
+            
+            full_prompt = template.format(make=make, model=model, context=raw_context)
+            return await cls._execute_ai_call(db, full_prompt, model_key="text")
+
+    @classmethod
+    async def get_clean_vehicle_data(cls, make: str, raw_model: str, sources: Dict[str, Any]) -> Optional[Dict[str, Any]]:
+        """
+        Név normalizálás és szinonima gyűjtés.
+        """
+        async with AsyncSessionLocal() as db:
+            template = await config.get_setting(db, "ai_prompt_normalization", 
+                default="Normalize car model names: {make} {model}. Sources: {sources}")
+            
+            full_prompt = template.format(make=make, model=raw_model, sources=json.dumps(sources))
+            return await cls._execute_ai_call(db, full_prompt, model_key="text")
+
+    @classmethod
+    async def process_ocr_document(cls, doc_type: str, base64_image: str) -> Optional[Dict[str, Any]]:
+        """
+        Robot 1 (OCR) látó folyamata.
+        Képet (base64) küld a Vision modellnek (pl. Llava).
+        """
+        async with AsyncSessionLocal() as db:
+            # Külön prompt sablon minden dokumentum típushoz (számla, forgalmi, adásvételi)
+            template = await config.get_setting(db, f"ai_prompt_ocr_{doc_type}", 
+                default="Analyze this {doc_type} image and return structured JSON data.")
+            
+            full_prompt = template.format(doc_type=doc_type)
+            return await cls._execute_ai_call(db, full_prompt, model_key="vision", images=[base64_image])