chore: Archive legacy docs and backup files, prepare for codebase cleanup v2.0

backend/app/services/ai_service.py.bak

@@ -1,116 +0,0 @@
-import os
-import json
-import logging
-import asyncio
-from typing import Dict, Any, Optional
-from google import genai
-from google.genai import types
-from sqlalchemy import select
-from app.db.session import SessionLocal
-from app.models import SystemParameter
-
-logger = logging.getLogger("AI-Service")
-
-class AIService:
-    """
-    AI Service v1.2.4 - Production Ready
-    - Robot 2 (Technical Enrichment) & Robot 3 (OCR)
-    - Fix: JSON response cleaning and array-to-dict transformation.
-    """
-    api_key = os.getenv("GEMINI_API_KEY")
-    client = genai.Client(api_key=api_key) if api_key else None
-    PRIMARY_MODEL = "gemini-2.0-flash"
-
-    @classmethod
-    async def get_config_delay(cls) -> float:
-        """Lekéri az adminisztrálható késleltetést az adatbázisból."""
-        try:
-            async with SessionLocal() as db:
-                stmt = select(SystemParameter).where(SystemParameter.key == "AI_REQUEST_DELAY")
-                res = await db.execute(stmt)
-                param = res.scalar_one_or_none()
-                return float(param.value) if param else 1.0
-        except Exception:
-            return 1.0
-
-    @classmethod
-    async def get_clean_vehicle_data(cls, make: str, raw_model: str, v_type: str) -> Optional[Dict[str, Any]]:
-        """Robot 2: Gépjármű technikai adatok dúsítása."""
-        if not cls.client:
-            return None
-        
-        await asyncio.sleep(await cls.get_config_delay())
-
-        prompt = f"""
-        Jármű: {make} {raw_model} ({v_type}). 
-        Adj technikai adatokat JSON formátumban. 
-        FONTOS: A 'technical_code' mező NEM lehet üres. Ha nem tudod a gyári kódot, adj 'N/A' értéket!
-        
-        Várt struktúra:
-        {{
-            "marketing_name": "tiszta marketing név",
-            "technical_code": "gyári kód vagy N/A",
-            "ccm": egész szám,
-            "kw": egész szám,
-            "maintenance": {{
-                "oil_type": "viszkozitás",
-                "oil_qty": tizedes tört literben,
-                "spark_plug": "gyertya típus",
-                "coolant": "hűtőfolyadék"
-            }}
-        }}
-        """
-        config = types.GenerateContentConfig(
-            system_instruction="Profi gépjárműtechnikus vagy. Kizárólag tiszta JSON-t válaszolsz.",
-            response_mime_type="application/json",
-            temperature=0.1
-        )
-
-        try:
-            response = cls.client.models.generate_content(model=cls.PRIMARY_MODEL, contents=prompt, config=config)
-            res_json = json.loads(response.text)
-            
-            if isinstance(res_json, list) and len(res_json) > 0:
-                res_json = res_json[0]
-            
-            return res_json if isinstance(res_json, dict) else None
-        except Exception as e:
-            logger.error(f"❌ AI hiba ({make} {raw_model}): {e}")
-            return None
-
-    @classmethod
-    async def analyze_document_image(cls, image_data: bytes, doc_type: str) -> Optional[Dict[str, Any]]:
-        """Robot 3: Multimodális OCR elemzés (Képbeolvasás)."""
-        if not cls.client:
-            return None
-            
-        await asyncio.sleep(await cls.get_config_delay())
-        
-        prompts = {
-            "identity": "Személyes okmány adatok.",
-            "vehicle_reg": "Rendszám, alvázszám, technikai adatok.",
-            "invoice": "Számla adatok, összegek, dátumok.",
-            "odometer": "Csak a kilométeróra állása számként."
-        }
-        
-        config = types.GenerateContentConfig(
-            system_instruction="Profi OCR dokumentum-elemző vagy. Csak tiszta JSON-t válaszolsz.",
-            response_mime_type="application/json"
-        )
-        
-        try:
-            response = cls.client.models.generate_content(
-                model=cls.PRIMARY_MODEL,
-                contents=[
-                    f"Elemezd ezt a képet ({doc_type}): {prompts.get(doc_type, '')}",
-                    types.Part.from_bytes(data=image_data, mime_type="image/jpeg")
-                ],
-                config=config
-            )
-            res_json = json.loads(response.text)
-            if isinstance(res_json, list) and len(res_json) > 0:
-                res_json = res_json[0]
-            return res_json if isinstance(res_json, dict) else None
-        except Exception as e:
-            logger.error(f"❌ AI OCR hiba ({doc_type}): {e}")
-            return None