Nouveau node inject_preparation_prompt

Ne change rien, mais simplifie le système

AgentReact/agent.py

@@ -2,7 +2,7 @@ from langgraph.graph import START, END
 from langgraph.graph.state import CompiledStateGraph
 from langgraph.checkpoint.memory import InMemorySaver
 
-from utils.nodes import call_to_LLM, should_continue, task_ended, BasicToolNode, tool_node, preparation_docs, weekly_report_tools
+from utils.nodes import *
 from utils.state import getState
 from utils.tools import getTools
 
@@ -18,11 +18,13 @@ def getGraph()->CompiledStateGraph:
     # Définition des sommets du graphe
     workflow.add_node(call_to_LLM)
     workflow.add_node(preparation_docs)
+    workflow.add_node(inject_preparation_prompt)
     workflow.add_node("tool_node", tool_node)# BasicToolNode(tools=getTools())) # N'est pas une fonction, mais une classe instanciée, je dois précisier le nom du node
     workflow.add_node("weekly_report_tools", weekly_report_tools)
 
     # Arrêtes
-    workflow.set_entry_point("preparation_docs")
+    workflow.set_entry_point("inject_preparation_prompt")
+    workflow.add_edge("inject_preparation_prompt", "preparation_docs")
     workflow.add_conditional_edges("preparation_docs", should_continue, {
         "tools":"weekly_report_tools",
         "no_tools":"call_to_LLM"

AgentReact/utils/nodes.py

@@ -4,9 +4,11 @@ from langgraph.prebuilt import ToolNode
 from langchain.chat_models import init_chat_model
 from langgraph.graph import START, END
 from langchain.messages import HumanMessage, AIMessage, SystemMessage
+from langgraph.types import interrupt
 
 from .tools import getTools, getWeeklyReportTools
 from .state import CustomState
+from .InterruptPayload import InterruptPayload
 
 # LLM principal
 llm = ChatMistralAI( # LLM sans outils
@@ -16,21 +18,20 @@ llm = ChatMistralAI( # LLM sans outils
 )
 
 # NODES
+def inject_preparation_prompt(state: CustomState):
+    """ Noeud qui vise juste à insérer le message indiquant au LLM comment travailler sur les résumés de comptes-rendus """
+    return {'messages': HumanMessage(
+        "Ton but est de lire les fichiers présents dans la base de données en utilisant l'outil 'search_in_files',\
+        afin de générer des rapports sur chaque semaine du stage qui y est décrit. Pour enregistrer chaque semaine du stage, utilise l'outil 'write_week_report'.\
+        Une fois terminé, fais une liste de tous les outils, logiciels, méthodes, entreprises, techniques, ect.. utilisés,\
+        et fais en une liste avec quelques descriptions que tu devras enregistrer avec l'outil 'write_library_tools_details_on_internship'."
+    )}
+
 def preparation_docs(state: CustomState):
     """Noeud en charge de préparer les résumés pour chaque semaine des rapports, et la liste des outils et méthodes utilisées"""
     model = llm.bind_tools(getWeeklyReportTools()) # LLM en charge de générer des rapports hebdomadaires sur le stage
-    print(len(state['messages']))
-    messages = [m for m in state['messages']] # Tous les messages du stage
 
-    if 'documentsGenerationStarted' not in state.keys():
+    return {'messages': model.invoke(state['messages'])}
-        # Si ce noeud en est à son premier lancement, je lui donne la consigne de départ
-        messages.append(HumanMessage("Ton but est de lire les fichiers présents dans la base de données en utilisant l'outil 'search_in_files',\
-        afin de générer des rapports sur chaque semaine du stage qui y est décrit. Pour enregistrer chaque semaine du stage, utilise l'outil 'write_week_report'.\
-        Une fois terminé, fais une liste de tous les outils, logiciels, méthodes, entreprises, techniques, ect.. utilisés,\
-        et fais en une liste avec quelques descriptions que tu devras enregistrer avec l'outil 'write_library_tools_details_on_internship'."))
-
-    messages.append(model.invoke(messages)) # Invocation LLM
-    return {'messages': messages, 'documentsGenerationStarted':True} # Je passe une liste de messages, ce qui ne devrait pas ajouter un message mais redéfinir toute la liste
 
 def call_to_LLM(state: MessagesState):
     """Noeud qui s'occupe de gérer les appels au LLM"""

AgentReact/utils/state.py

@@ -10,8 +10,6 @@ class CustomState(MessagesState):
     ragQuery: str # Requête envoyée au RAG, pour le cross-encodeur
     ragDocuments: List[str] # Documents retrouvés par le RAG, pour le cross-encodeur
 
-    documentsGenerationStarted:bool# Permet d'indiquer que la consigne de génération des documents a été envoyée
-
     # TODO: Ajouter la source des documents sélectionnés pour la fin du rapport ?