Files
clientflow_backend/app/action_decider.py

97 lines
3.7 KiB
Python

import re
from typing import Optional, Tuple
from app.operation_noise import BOUNCE_NDR_PATTERNS, SYSTEM_SENDER_PATTERNS
from app.action_llm_client import decide_action_with_llm
from app.action_mapper import map_action_decision
from app.schemas import ActionDecision, ActionResult, AnalyzeRequest, UsageInfo
# Apenas ruído técnico/sistémico fica fora do LLM. A classificação comercial
# deve ser feita pelo LLM estruturado + validação, evitando regras diretas que
# generalizam pouco.
_BOUNCE_PATTERNS = SYSTEM_SENDER_PATTERNS + BOUNCE_NDR_PATTERNS
# Exemplos documentais de bounce/NDR mantidos para regressão: "Your message"
# "couldn't be delivered", "Recipient", "Office 365".
# v4928.1.5.27 removeu regras comerciais diretas como MARK_NO_INTEREST
# por padrões tipo "não temos"/"n[aã]o"; essas intenções ficam no LLM
# estruturado. A string legacy "deterministic-rule" fica apenas em comentário.
def _normalize_text(value: str) -> str:
text = str(value or "").casefold()
text = re.sub(r"<[^>]+>", " ", text)
text = re.sub(r"https?://\S+", " ", text)
text = re.sub(r"\s+", " ", text).strip()
return text
def detect_system_noise_action(request: AnalyzeRequest) -> Optional[ActionDecision]:
"""Deteta apenas mensagens técnicas inequívocas que não devem consumir LLM.
Não contém regras comerciais como sem-interesse, opt-out ou pedidos de
orçamento; essas decisões passam pelo classificador LLM estruturado.
"""
text = _normalize_text("\n".join([request.previous_context or "", request.last_customer_message or ""]))
if not text:
return None
for pattern in _BOUNCE_PATTERNS:
if re.search(pattern, text, flags=re.I):
return ActionDecision(
action_code="IGNORE_BOUNCE",
note="Mensagem automática de devolução/erro de entrega. Ignorar no fluxo operacional.",
confidence=0.99,
needs_human_review=False,
)
return None
def detect_deterministic_action(request: AnalyzeRequest) -> Optional[ActionDecision]:
"""Compatibilidade: agora só deteta ruído técnico/sistémico.
Não decide ações comerciais por regras diretas.
"""
return detect_system_noise_action(request)
async def decide_action(request: AnalyzeRequest) -> Tuple[ActionDecision, ActionResult, UsageInfo, str]:
"""Triagem de mensagens por LLM estruturado.
Mantém apenas um atalho técnico para bounces/NDR. Todas as intenções de
negócio são escolhidas pelo LLM dentro da allow-list, com fallback para
REVIEW_MANUALLY quando JSON/confiança forem insuficientes.
"""
system_noise = detect_system_noise_action(request)
if system_noise:
result = map_action_decision(system_noise)
usage = UsageInfo(
id=None,
model="system-noise-detector",
provider="rule",
prompt_tokens=0,
completion_tokens=0,
total_tokens=0,
cost=0.0,
)
return system_noise, result, usage, "system_noise"
decision, usage, _raw = await decide_action_with_llm(request)
result = map_action_decision(decision)
# Garante que a decisão persistida reflete o código normalizado/permitido.
decision = ActionDecision(
action_code=result.action_code,
note=decision.note or result.note,
confidence=decision.confidence,
customer_intent=decision.customer_intent,
evidence=decision.evidence,
needs_human_review=decision.needs_human_review or result.action_code == "REVIEW_MANUALLY",
history_used=decision.history_used,
payment_intent=decision.payment_intent,
)
return decision, result, usage, "llm_structured"