Noeud de préparation des documents

Pas encore totalement fonctionnel, mais déjà de bons résultats là dessus

AgentReact/utils/StreamGraph.py

@@ -5,7 +5,7 @@ from langgraph.types import Command
 from .InterruptPayload import InterruptPayload
 
 # Une fonction pour stream et gérer proprement le graphe
-def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph):
+def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph, lastMsgIndex=0):
     # https://docs.langchain.com/oss/python/langgraph/interrupts#stream-with-human-in-the-loop-hitl-interrupts
     for mode, state in graphe.stream(
         initial_input,
@@ -15,8 +15,11 @@ def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph):
     ):
         if mode == "values":
             # Handle streaming message content
-            msg = state['messages'][-1]
-            msg.pretty_print()
+            i=0
+            for msg in state['messages'][lastMsgIndex:]: # Permet de gérer plusieurs nouveaux messages d'un coup
+                msg.pretty_print()
+                i+=1
+            lastMsgIndex+=i
         
         elif mode == "updates":
             # Check for interrupts
@@ -25,7 +28,7 @@ def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph):
                 
                 payload = InterruptPayload.fromJSON(payload) # Chargement de la requête depuis sa version JSON
                 payload.humanDisplay() # L'utilisateur peut accepter/modifier/refuser ici
-                streamGraph(Command(resume=payload.toJSON()), config, graphe) # Je renvois la chaîne JSON, qui sera reconvertie en objet dans l'outil, et je relance le stream récursivement
+                streamGraph(Command(resume=payload.toJSON()), config, graphe, lastMsgIndex) # Je renvois la chaîne JSON, qui sera reconvertie en objet dans l'outil, et je relance le stream récursivement
                 return # Fin de cette fonction récursive
             
             else:

AgentReact/utils/nodes.py

@@ -3,8 +3,10 @@ from langgraph.graph import MessagesState
 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 .tools import getTools
+from .tools import getTools, getWeeklyReportTools
+from .state import CustomState
 
 # LLM principal
 llm = ChatMistralAI( # LLM sans outils
@@ -14,6 +16,22 @@ llm = ChatMistralAI( # LLM sans outils
 )
 
 # NODES
+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():
+        # 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"""
     # Initialisation du LLM
@@ -53,6 +71,7 @@ def task_ended(state: MessagesState):
         return END
     return "continue"
 
+weekly_report_tools = ToolNode(tools=getWeeklyReportTools())
 tool_node = ToolNode(tools=getTools())
 
 

AgentReact/utils/state.py

@@ -10,6 +10,8 @@ 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 ?
 
 

AgentReact/utils/tools.py

@@ -263,4 +263,4 @@ def getWeeklyReportTools()->List['Tools']:
     """
     Récupérer la liste des tools, POUR LE LLM EN CHARGE DE FAIRE LES RAPPORTS DE CHAQUE SEMAINE
     """
-    return [write_week_report, write_library_tools_details_on_internship, internet_search]
+    return [write_week_report, write_library_tools_details_on_internship, internet_search, search_in_files]