Base de connaissances reprise de Support-AI : corpus, import, instructions, tests
Ajoute aussi WEISSHORN et MISSISSIPPI au test du corpus, et un message clair quand LibreDesk est injoignable. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
1 parent
3a6e693d6d
commit
cce2e039ed
130 files changed
+2784
No files matched your search
@@ -0,0 +1,131 @@
|
||||
"""Pousse le corpus dans la base de connaissances de LibreDesk (les « extraits », privés, lus par l'IA seulement).
|
||||
|
||||
Idempotent : apparie par titre, crée l'absent, met à jour ce qui a changé, ne touche pas le reste. Ne supprime jamais :
|
||||
un extrait de LibreDesk absent du corpus est seulement signalé. Ne parle qu'aux routes des extraits. Simulation par
|
||||
défaut : rien n'est écrit sans --ecrire. Il faut une clé d'administrateur (les routes exigent ai:manage).
|
||||
|
||||
LIBREDESK_URL=… LIBREDESK_ADMIN_KEY=… LIBREDESK_ADMIN_SECRET=… python -m base_connaissances.importer [--ecrire]
|
||||
"""
|
||||
import html as html_lib
|
||||
import json
|
||||
import os
|
||||
import re
|
||||
import sys
|
||||
import urllib.error
|
||||
import urllib.parse
|
||||
import urllib.request
|
||||
from dataclasses import dataclass, field
|
||||
from pathlib import Path
|
||||
|
||||
from base_connaissances.decoupage import Extrait, lire_corpus
|
||||
|
||||
CORPUS = Path(__file__).resolve().parent / "corpus"
|
||||
PUCE = re.compile(r"^\s*- ")
|
||||
|
||||
|
||||
def html(e: Extrait) -> str:
|
||||
"""Paragraphes séparés par une ligne vide → <p> (lignes jointes par <br>), lignes « - » → <ul><li>, texte échappé,
|
||||
puis la source."""
|
||||
morceaux = []
|
||||
for paragraphe in e.contenu.split("\n\n"):
|
||||
lignes = [ligne for ligne in paragraphe.splitlines() if ligne.strip()]
|
||||
i = 0
|
||||
while i < len(lignes):
|
||||
liste = PUCE.match(lignes[i]) is not None
|
||||
j = i
|
||||
while j < len(lignes) and (PUCE.match(lignes[j]) is not None) == liste:
|
||||
j += 1
|
||||
bloc = [html_lib.escape(PUCE.sub("", ligne).strip() if liste else ligne.strip(), quote=False)
|
||||
for ligne in lignes[i:j]]
|
||||
morceaux.append("<ul>" + "".join(f"<li>{b}</li>" for b in bloc) + "</ul>" if liste
|
||||
else "<p>" + "<br>".join(bloc) + "</p>")
|
||||
i = j
|
||||
morceaux.append(f"<p>Source : {html_lib.escape(e.source, quote=False)}</p>")
|
||||
return "".join(morceaux)
|
||||
|
||||
|
||||
def _texte(contenu_html: str) -> str:
|
||||
"""Le texte sans balises, entités décodées, espaces réduits : LibreDesk peut reformater le HTML qu'il garde."""
|
||||
return " ".join(html_lib.unescape(re.sub(r"<[^>]+>", " ", contenu_html or "")).split())
|
||||
|
||||
|
||||
class Extraits:
|
||||
"""Le client restreint aux extraits de la base de connaissances."""
|
||||
|
||||
def __init__(self, url: str, cle: str, secret: str, ecrire: bool):
|
||||
self.url, self.ecrire = url.rstrip("/"), ecrire
|
||||
self._auth = f"token {cle}:{secret}"
|
||||
|
||||
def _requete(self, methode: str, chemin: str, corps: dict | None = None):
|
||||
url = urllib.parse.urljoin(self.url + "/", chemin.lstrip("/"))
|
||||
r = urllib.request.Request(url, method=methode, data=json.dumps(corps).encode() if corps is not None else None,
|
||||
headers={"Content-Type": "application/json"})
|
||||
if urllib.parse.urlsplit(url)[:2] == urllib.parse.urlsplit(self.url)[:2]: # la clé ne va qu'à LibreDesk
|
||||
r.add_unredirected_header("Authorization", self._auth)
|
||||
try:
|
||||
with urllib.request.urlopen(r, timeout=30) as rep:
|
||||
return json.loads(rep.read() or b"{}").get("data")
|
||||
except urllib.error.HTTPError as err:
|
||||
with err:
|
||||
sys.exit(f"{methode} {chemin} : {err.code} {err.read().decode(errors='replace')[:300]}")
|
||||
except (urllib.error.URLError, TimeoutError) as err:
|
||||
sys.exit(f"LibreDesk injoignable à {self.url} : {getattr(err, 'reason', err)}")
|
||||
|
||||
def lister(self) -> list[dict]:
|
||||
return self._requete("GET", "/api/v1/ai/snippets") or []
|
||||
|
||||
def _corps(self, e: Extrait) -> dict:
|
||||
return {"title": e.titre, "content": html(e), "enabled": True}
|
||||
|
||||
def creer(self, e: Extrait) -> None:
|
||||
if not self.ecrire:
|
||||
print(f"[simulation] créer : {e.titre}")
|
||||
return
|
||||
self._requete("POST", "/api/v1/ai/snippets", self._corps(e))
|
||||
|
||||
def modifier(self, id: int, e: Extrait) -> None: # noqa: A002 (le nom de l'interface du plan)
|
||||
if not self.ecrire:
|
||||
print(f"[simulation] modifier ({id}) : {e.titre}")
|
||||
return
|
||||
self._requete("PUT", f"/api/v1/ai/snippets/{id}", self._corps(e))
|
||||
|
||||
|
||||
@dataclass
|
||||
class Bilan:
|
||||
crees: list[str] = field(default_factory=list)
|
||||
modifies: list[str] = field(default_factory=list)
|
||||
inchanges: list[str] = field(default_factory=list)
|
||||
inconnus: list[str] = field(default_factory=list)
|
||||
|
||||
|
||||
def synchroniser(api: Extraits, extraits: list[Extrait]) -> Bilan:
|
||||
existants = {s["title"]: s for s in api.lister()}
|
||||
bilan = Bilan()
|
||||
for e in extraits:
|
||||
s = existants.get(e.titre)
|
||||
if s is None:
|
||||
api.creer(e)
|
||||
bilan.crees.append(e.titre)
|
||||
elif _texte(s.get("content")) != _texte(html(e)):
|
||||
api.modifier(s["id"], e)
|
||||
bilan.modifies.append(e.titre)
|
||||
else:
|
||||
bilan.inchanges.append(e.titre)
|
||||
titres = {e.titre for e in extraits}
|
||||
bilan.inconnus = [t for t, s in existants.items() if s.get("source") == "manual" and t not in titres]
|
||||
return bilan
|
||||
|
||||
|
||||
def main(argv: list[str]) -> None:
|
||||
ecrire = "--ecrire" in argv
|
||||
api = Extraits(os.environ["LIBREDESK_URL"], os.environ["LIBREDESK_ADMIN_KEY"], os.environ["LIBREDESK_ADMIN_SECRET"],
|
||||
ecrire=ecrire)
|
||||
b = synchroniser(api, lire_corpus(CORPUS))
|
||||
print(f"créés {len(b.crees)}, modifiés {len(b.modifies)}, inchangés {len(b.inchanges)}"
|
||||
+ ("" if ecrire else " (simulation : rien n'a été écrit)"))
|
||||
for t in b.inconnus:
|
||||
print(f"dans LibreDesk mais pas dans le corpus (non supprimé) : {t}")
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main(sys.argv[1:])
|
||||
Reference in new issue
Block a user