graphs/agents/chat_agent.py

"""Chat agent node producing replies using system + RAG contexts + history."""
from typing import Callable, List

from langchain_core.messages import BaseMessage, SystemMessage, AIMessage
from langchain_core.language_models.chat_models import BaseChatModel

from graphs.state import AgentState
from graphs.prompts import SYSTEM_PROMPT_TEMPLATE


def chat_node(llm: BaseChatModel) -> Callable[[AgentState], AgentState]:
    """Factory returning a node that generates a reply with RAG context."""

    def _run(state: AgentState) -> AgentState:
        messages = list(state.get("messages", []))
        sys_msgs: List[BaseMessage] = [SystemMessage(content=SYSTEM_PROMPT_TEMPLATE)]

        formation_context = state.get("formation_context", "")
        prestation_context = state.get("prestation_context", "")
        project_context = state.get("project_context", "")

        
        if project_context:
            sys_msgs.append(
                SystemMessage(
                    content=(
                        "CONTEXTE PROJET (extraits des documents du projet; n'utilise rien d'autre):\n\n"
                        f"{project_context}\n\n"
                        "Consignes projet: Ce contenu indique des informations complémentaires à prendre en compte pour répondre à la question. "
                    )
                )
            )

        if formation_context:
            sys_msgs.append(
                SystemMessage(
                    content=(
                        "CONTEXTE FORMATIONS (extraits du catalogue formations; n'utilise rien d'autre):\n\n"
                        f"{formation_context}\n\n"
                        "Consignes formations: Utilise exclusivement ce contexte pour recommander les formations. "
                        "Cite la page et la source pour chaque recommandation. "
                        "Une formation = un document."
                    )
                )
            )

        if prestation_context:
            sys_msgs.append(
                SystemMessage(
                    content=(
                        "CONTEXTE PRESTATIONS (extraits du catalogue services; n'utilise rien d'autre):\n\n"
                        f"{prestation_context}\n\n"
                        "Consignes prestations: Utilise exclusivement ce contexte pour recommander les prestations. "
                        "Cite la page et la source pour chaque recommandation. "
                        "Un document peut contenir plusieurs prestations."
                    )
                )
            )

        if state.get("voice_mode"):
            sys_msgs.append(SystemMessage(content=(
                "IMPORTANT - MODE VOCAL: Ta réponse sera lue à voix haute. "
                "Réponds de manière concise et naturelle, comme dans une conversation orale. "
                "N'utilise PAS de markdown, pas de listes à puces, pas de tableaux, pas de gras/italique. "
                "Pas de numéros de page ni de références documentaires détaillées. "
                "Limite ta réponse à quelques phrases claires et directes. "
                "Si la question nécessite des détails, propose de les envoyer par écrit."
            )))

        response = llm.invoke(sys_msgs + messages)
        return {"messages": messages + [AIMessage(content=response.content)]}

    return _run