Sadmin
d8723582c9
Решение Виктора: ИИ убран из проекта — карточки детей (ПД) не должны покиать контур. Анализ полностью локальный и детерминированный. - services/rules_analysis.py: правила вместо Claude (бывший analyze_with_fallback + rule_based_urgency из closed_cases): urgency по возрасту/профилям, зоны через geo+scoring, behavioral_prediction/immediate_actions/key_locations — справочники. - search_engine: анализатор инъекцией (CaseAnalyzer, Protocol), импорт claude_service удалён; рантайм — rules_analyze. - УДАЛЕНЫ: services/claude_service.py, backend/services/claude_service.py (устаревшая копия), test_claude_service.py; ключевые правила-кейсы перенесены в test_rules_analysis.py (+тест отсутствия LLM-упоминаний). - docker-compose/.env.example: ANTHROPIC_API_KEY удалён. - Фронт: бейдж 'ИИ-анализ' -> 'Локальный расчёт'. - Доки: DEPLOY/SERVICES_README/ANALYZE_API переписаны, FIXES_REPORT помечен историческим, vector_tasks B20: zones/probability — из движка. pytest: 187 passed (было 214; -27 удалённых LLM-тестов, +тест rules). Контракт /analyze не изменён (фронт совместим).
307 lines
13 KiB
Python
307 lines
13 KiB
Python
"""B14: Чистый SearchEngine — вся SAR-математика без DB/auth/HTTP.
|
||
|
||
Граница (vector_tasks.md B13-принцип 1, B14):
|
||
- build_search_model(input) -> SearchModel — чистая функция.
|
||
- Анализатор (нарратив/зоны) инъекцией: рантайм — services.rules_analysis
|
||
(детерминированные правила, без LLM — карточки детей не покидают контур);
|
||
тесты подменяют моком. Анализатору достаточно вернуть объект с полями
|
||
urgency/primary_zones/search_radius_km/... (structurally typed).
|
||
- Ни одной привязки к полевым транспортам/протоколам (критерий B20:
|
||
grep по этому файлу не находит соответствующих терминов).
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
from datetime import datetime
|
||
from typing import Any, Awaitable, Callable, Protocol
|
||
|
||
from pydantic import BaseModel, Field
|
||
|
||
from services.distance_service import (
|
||
calculate_max_distance,
|
||
get_base_speed,
|
||
get_diagnosis_coefficient,
|
||
get_terrain_coefficient,
|
||
get_time_of_day_coefficient,
|
||
get_transport_coefficient,
|
||
get_weather_coefficient,
|
||
)
|
||
from services.psychotype_service import (
|
||
detect_psychotype,
|
||
get_psychotype_modifiers,
|
||
get_search_recommendations,
|
||
)
|
||
from services.scoring_service import WeightedScorer
|
||
|
||
|
||
class AnalysisOutcome(Protocol):
|
||
"""Структурный контракт результата анализатора (duck-typed)."""
|
||
|
||
urgency: str
|
||
primary_zones: list[Any]
|
||
search_radius_km: float
|
||
key_locations: list[str]
|
||
behavioral_prediction: str
|
||
immediate_actions: list[str]
|
||
summary: str
|
||
fallback_used: bool
|
||
|
||
|
||
# Тип анализатора: async (case_data) -> объект с полями AnalysisOutcome.
|
||
CaseAnalyzer = Callable[[dict[str, Any]], Awaitable[AnalysisOutcome]]
|
||
|
||
# Диагнозы, которые форма собирает, но поведенческая модель не покрывает
|
||
# (vector_tasks.md B12: профили без аналога/данных — честно помечать «вне модели»).
|
||
UNMODELED_DIAGNOSES: dict[str, str] = {
|
||
'ДЦП': 'Двигательные нарушения — модель не учитывает; учесть вручную при планировании (доступность местности, темп).',
|
||
'слабое_зрение': 'Слабое зрение — модель не учитывает; вероятность следования по открытым/звуковым ориентирам выше.',
|
||
'слабый_слух': 'Слабый слух — модель не учитывает; голосовой поиск менее эффективен, приоритет визуальным сигналам.',
|
||
}
|
||
|
||
|
||
class SearchInput(BaseModel):
|
||
"""Вход поисковой модели — то, что сегодня собирает analyze_case
|
||
из payload + карточки случая (db.get_case) + деривации."""
|
||
|
||
class SearchInput(BaseModel):
|
||
age: int | None = None
|
||
gender: str | None = None
|
||
terrain: str | list[str] | None = None
|
||
terrain_primary: str | None = None
|
||
weather: str | None = None
|
||
elapsed_hours: float | None = None
|
||
last_location: str | None = None
|
||
circumstances: str | None = None
|
||
physical_condition: str | None = None
|
||
experience: str | None = None
|
||
season: str | None = None
|
||
diagnosis_type: list[str] = Field(default_factory=list)
|
||
has_transport: str | None = None
|
||
cant_swim: bool = False
|
||
psychotype_answers: dict[str, Any] = Field(default_factory=dict)
|
||
profiles: list[str] = Field(default_factory=list)
|
||
lat: float | None = None
|
||
lon: float | None = None
|
||
loss_time: Any = None
|
||
# Необязательный явный time_of_day (иначе выводится из loss_time)
|
||
time_of_day: str | None = None
|
||
|
||
def to_case_data(self) -> dict[str, Any]:
|
||
"""Плоский dict для сервисов (анализатор/скоринг) — тот же состав полей,
|
||
что раньше уходил из analyze_case."""
|
||
data: dict[str, Any] = {
|
||
'age': self.age,
|
||
'gender': self.gender,
|
||
'terrain': _first_terrain(self.terrain),
|
||
'weather': self.weather,
|
||
'elapsed_hours': self.elapsed_hours,
|
||
'last_location': self.last_location,
|
||
'circumstances': self.circumstances,
|
||
'physical_condition': self.physical_condition,
|
||
'experience': self.experience,
|
||
'season': self.season,
|
||
'diagnosis_type': list(self.diagnosis_type),
|
||
'has_transport': self.has_transport,
|
||
'cant_swim': self.cant_swim,
|
||
'profiles': list(self.profiles),
|
||
'psychotype_answers': self.psychotype_answers,
|
||
'lat': self.lat,
|
||
'lon': self.lon,
|
||
'loss_time': self.loss_time,
|
||
}
|
||
if self.terrain_primary:
|
||
data['terrain_primary'] = self.terrain_primary
|
||
else:
|
||
data['terrain_primary'] = _first_terrain(self.terrain)
|
||
if self.time_of_day:
|
||
data['time_of_day'] = self.time_of_day
|
||
return data
|
||
|
||
|
||
class SearchModel(BaseModel):
|
||
"""Результат — состав полей идентичен старому ответу /analyze
|
||
(фронт B5 от него зависит; контракт не меняется)."""
|
||
|
||
max_distance_km: float
|
||
coefficients: dict[str, Any]
|
||
time_of_day: str
|
||
psychotype: str | None
|
||
psychotype_modifiers: dict[str, Any] | None
|
||
psychotype_recommendations: Any | None
|
||
weights: dict[str, float]
|
||
distance_multiplier: float
|
||
active_profiles: list[dict[str, Any]]
|
||
critical_warnings: list[dict[str, Any]]
|
||
unmodeled_profiles: list[dict[str, str]]
|
||
urgency: str
|
||
primary_zones: list[dict[str, Any]]
|
||
search_radius_km: float
|
||
key_locations: list[str]
|
||
behavioral_prediction: str
|
||
immediate_actions: list[str]
|
||
summary: str
|
||
fallback_used: bool
|
||
|
||
|
||
def _first_terrain(value: str | list[str] | None) -> str | None:
|
||
if isinstance(value, list):
|
||
return value[0] if value else None
|
||
return value
|
||
|
||
|
||
def unmodeled_profiles(diagnosis_type: list[str]) -> list[dict[str, str]]:
|
||
"""Диагнозы вне поведенческой модели (не влияют на скоринг) + пояснение."""
|
||
out: list[dict[str, str]] = []
|
||
for diag in diagnosis_type or []:
|
||
d = str(diag).lower()
|
||
for key, note in UNMODELED_DIAGNOSES.items():
|
||
if d == key.lower() and not any(o['profile'] == key for o in out):
|
||
out.append({'profile': key, 'note': note})
|
||
return out
|
||
|
||
|
||
def derive_profiles(
|
||
diagnosis_type: list[str],
|
||
has_transport: str | None,
|
||
cant_swim: bool,
|
||
explicit: list[str] | None = None,
|
||
) -> list[str]:
|
||
"""
|
||
Формирует список поведенческих профилей из диагнозов и транспорта, если они
|
||
не переданы явно. Ключи WeightedScorer.PROFILES — русские (§8 контекста).
|
||
Это закрывает рассинхрон bike/велосипед на границе бэкенд↔фронтенд.
|
||
"""
|
||
if explicit:
|
||
return list(explicit)
|
||
derived: list[str] = []
|
||
for diag in diagnosis_type or []:
|
||
d = str(diag).lower()
|
||
if 'рас' in d or 'аутизм' in d:
|
||
derived.append('РАС')
|
||
elif 'эпилепси' in d:
|
||
derived.append('эпилепсия')
|
||
elif 'сдвг' in d:
|
||
derived.append('СДВГ')
|
||
elif 'зпр' in d:
|
||
derived.append('ЗПР')
|
||
transport = str(has_transport or '').lower()
|
||
if transport == 'bike':
|
||
derived.append('велосипед')
|
||
elif transport == 'scooter':
|
||
derived.append('самокат')
|
||
if cant_swim:
|
||
derived.append('не_умеет_плавать')
|
||
seen: set[str] = set()
|
||
out: list[str] = []
|
||
for p in derived:
|
||
if p not in seen:
|
||
seen.add(p)
|
||
out.append(p)
|
||
return out
|
||
|
||
|
||
def derive_time_of_day(loss_time: Any) -> str:
|
||
"""
|
||
Выводит время суток из loss_time: 6-18 день, 18-22 сумерки, иначе ночь.
|
||
Порт фронтендовой getTimeOfDay. Принимает datetime или ISO-строку.
|
||
"""
|
||
if not loss_time:
|
||
return 'день'
|
||
try:
|
||
if isinstance(loss_time, str):
|
||
hour = int(loss_time.split('T')[1].split(':')[0])
|
||
else:
|
||
hour = loss_time.hour
|
||
except Exception:
|
||
return 'день'
|
||
if 6 <= hour < 18:
|
||
return 'день'
|
||
if 18 <= hour < 22:
|
||
return 'сумерки'
|
||
return 'ночь'
|
||
|
||
|
||
async def build_search_model(
|
||
search_input: SearchInput,
|
||
*,
|
||
analyzer: CaseAnalyzer,
|
||
analyzed_at: datetime | None = None,
|
||
) -> SearchModel:
|
||
"""Чистая функция расчёта поисковой модели (B14).
|
||
|
||
Вся логика бывшего analyze_case: деривации полей, психотип,
|
||
WeightedScorer, коэффициенты формулы Экстремум, analyzer (rules/мок).
|
||
DB / auth / HTTP здесь не нужны; анализатор подменяется параметром.
|
||
"""
|
||
case_data = search_input.to_case_data()
|
||
|
||
# Время суток из loss_time (порт фронтендовой getTimeOfDay)
|
||
if not case_data.get('time_of_day'):
|
||
case_data['time_of_day'] = derive_time_of_day(case_data.get('loss_time'))
|
||
|
||
# Поведенческие профили из диагнозов + транспорта (если не заданы явно)
|
||
case_data['profiles'] = derive_profiles(
|
||
case_data.get('diagnosis_type') or [],
|
||
case_data.get('has_transport'),
|
||
bool(case_data.get('cant_swim')),
|
||
explicit=list(search_input.profiles or []),
|
||
)
|
||
|
||
# Психотип детектим ДО анализа, чтобы применить его к ранжированию зон.
|
||
# get_psychotype_modifiers возвращает таблицу полос по дистанции, которую
|
||
# WeightedScorer.score_zone читает из case['psychotype_modifiers'].
|
||
psychotype = None
|
||
psychotype_modifiers = None
|
||
psychotype_recommendations = None
|
||
if case_data.get('psychotype_answers'):
|
||
psychotype = detect_psychotype(case_data['psychotype_answers'])
|
||
psychotype_modifiers = get_psychotype_modifiers(psychotype)
|
||
psychotype_recommendations = get_search_recommendations(psychotype)
|
||
case_data['psychotype'] = psychotype
|
||
case_data['psychotype_modifiers'] = psychotype_modifiers
|
||
|
||
max_distance_km = calculate_max_distance(case_data)
|
||
analysis = await analyzer(case_data)
|
||
|
||
scorer = WeightedScorer()
|
||
if case_data.get('age'):
|
||
scorer.apply_age_modifiers(int(case_data['age']))
|
||
if case_data.get('season'):
|
||
scorer.apply_season_modifiers(str(case_data['season']))
|
||
if case_data.get('profiles'):
|
||
scorer.apply_profile(list(case_data['profiles']))
|
||
scorer._normalize_weights()
|
||
|
||
# Разбивка коэффициентов формулы Экстремум для отображения на фронте
|
||
elapsed = float(case_data.get('elapsed_hours') or 1)
|
||
age_val = int(case_data.get('age') or 10)
|
||
coefficients = {
|
||
'base_speed': get_base_speed(age_val),
|
||
'terrain': get_terrain_coefficient(case_data.get('terrain_primary', 'лес')),
|
||
'diagnosis': get_diagnosis_coefficient(case_data.get('diagnosis_type')),
|
||
'urgency': get_transport_coefficient(case_data.get('has_transport')),
|
||
'fatigue': max(0.3, 1.0 - 0.05 * elapsed),
|
||
'time_of_day': get_time_of_day_coefficient(case_data.get('time_of_day', 'день')),
|
||
'weather': get_weather_coefficient(case_data.get('weather', 'нет')),
|
||
}
|
||
|
||
return SearchModel(
|
||
max_distance_km=max_distance_km,
|
||
coefficients=coefficients,
|
||
time_of_day=case_data.get('time_of_day', 'день'),
|
||
psychotype=psychotype,
|
||
psychotype_modifiers=psychotype_modifiers,
|
||
psychotype_recommendations=psychotype_recommendations,
|
||
weights=scorer.weights,
|
||
distance_multiplier=scorer.distance_multiplier,
|
||
active_profiles=scorer.get_active_profiles_info(),
|
||
critical_warnings=list(scorer.critical_warnings),
|
||
unmodeled_profiles=unmodeled_profiles(case_data.get('diagnosis_type') or []),
|
||
urgency=analysis.urgency,
|
||
primary_zones=[zone.model_dump() if hasattr(zone, "model_dump") else dict(zone) for zone in analysis.primary_zones],
|
||
search_radius_km=analysis.search_radius_km,
|
||
key_locations=analysis.key_locations,
|
||
behavioral_prediction=analysis.behavioral_prediction,
|
||
immediate_actions=analysis.immediate_actions,
|
||
summary=analysis.summary,
|
||
fallback_used=analysis.fallback_used,
|
||
) |