transpordi_artiklid/src/deepseek_client.py

import time
import json
from typing import Dict, List, Optional, Any
from tenacity import retry, stop_after_attempt, wait_exponential
import logging
from openai import OpenAI

from .config import config

logger = logging.getLogger(__name__)

class DeepSeekClient:
    """DeepSeek API kliendi klass"""
    
    def __init__(self):
        self.client = OpenAI(
            api_key=config.deepseek_api_key,
            base_url=config.deepseek_base_url
        )
        self.logger = logging.getLogger(__name__)
        self.max_tokens = config.max_tokens
    
    @retry(
        stop=stop_after_attempt(3),
        wait=wait_exponential(multiplier=1, min=4, max=10)
    )
    def call_api(self, messages: List[Dict], temperature: float = 0.7) -> str:
        """Kutsu DeepSeek API-d"""
        try:
            response = self.client.chat.completions.create(
                model=config.deepseek_model,
                messages=messages,
                max_tokens=self.max_tokens,
                temperature=temperature
            )
            
            content = response.choices[0].message.content
            tokens_used = response.usage.total_tokens if hasattr(response, 'usage') else 0
            
            self.logger.info(f"API kutsutud, tokenid: {tokens_used}")
            return content
            
        except Exception as e:
            self.logger.error(f"API viga: {str(e)}")
            raise
    
    def create_summary(self, text: str, context: Dict) -> Dict:
        """Loo põhjalik kokkuvõte artikkelist"""
        self.logger.info("Loon artikli kokkuvõtte DeepSeek-iga...")
        
        # Koosta süsteemipromt
        system_prompt = f"""Sa oled transpordiplaneerimise spetsialist ja teadusartiklite analüütik. 
Loo põhjalik kokkuvõte antud teadusartiklist EESTI KEELES. 
Kokkuvõte peaks sisaldama järgmisi osi:

1. ARTIKLI PEAMISED PUNKTID:
   - Uurimisküsimused ja eesmärgid
   - Teaduslik tähtsus
   - Uudne panus valdkonda

2. KASUTATUD MEETODID:
   - Andmete kogumise meetodid
   - Analüüsimeetodid
   - Mudelid ja algoritmid

3. PEAMISED TULEMUSED:
   - Olulisemad leidud
   - Statistilised tulemused
   - Mudeli täpsus ja piirangud

4. JÄRELDUSED JA SOOVITUSED:
   - Peamised järeldused
   - Rakendussoovitused
   - Edasised uurimissuunad

5. TRANSFORDIPLANEERIMISE KONTEKST:
   - Kuidas aitab see artikkel paremat transpordisüsteemi kujundada?
   - Millised on praktilised rakendused?
   - Mida võiks Eesti tingimustes rakendada?

Kasuta selget ja asjakohast keelt. Olge konkreetne ja viida konkreetsetele leidudele.
"""
        
        # Koosta kasutaja promt
        user_prompt = f"""Loo põhjalik kokkuvõte järgmisest teadusartiklist:

ARTIKLI INFO:
Pealkiri: {context.get('title', 'Teadmata')}
Autorid: {', '.join(context.get('authors', []))}
Aasta: {context.get('year', 'Teadmata')}
Žurnaal: {context.get('journal', 'Teadmata')}

ARTIKLI SISU (esimesed 6000 märki):
{text[:6000]}

Palun loo struktureeritud kokkuvõte ülaltoodud nõuete järgi.
"""
        
        messages = [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ]
        
        summary = self.call_api(messages, temperature=0.7)
        
        return {
            "summary_et": summary,
            "summary_length": len(summary),
            "language": "et"
        }
    
    def extract_key_concepts(self, text: str, summary: str) -> List[str]:
        """Eralda artikli olulisemad mõisted ja võtmesõnad"""
        self.logger.info("Eraldan võtmesõnu...")
        
        system_prompt = """Sa oled teadusartiklite analüütik. Eralda antud artiklist 5-10 olulisemat 
mõistet/võtmesõna, mis iseloomustavad artikli põhisisu. Tagasta need komadega eraldatud nimekirjana.
"""
        
        user_prompt = f"""Artikli kokkuvõte:
{summary[:1000]}

Artikli tekst (osa):
{text[:2000]}

Palun eralda olulisemad mõisted. Tagasta VAID komadega eraldatud nimekiri.
"""
        
        messages = [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ]
        
        response = self.call_api(messages, temperature=0.3)
        
        # Puhasta vastus
        concepts = [c.strip() for c in response.split(',') if c.strip()]
        concepts = concepts[:10]  # Piirangu 10 mõistele
        
        return concepts
    
    def identify_methods(self, text: str) -> List[str]:
        """Tuvasta artiklis kasutatud meetodid"""
        self.logger.info("Tuvastan kasutatud meetodeid...")
        
        system_prompt = """Sa oled teadusmeetodite spetsialist. Tuvasta antud teadusartiklist 
kasutatud peamised meetodid (nt: regressioonanalüüs, simulatsioon, juhtumianalüüs jne).
Tagasta komadega eraldatud nimekiri.
"""
        
        user_prompt = f"""Artikli tekst (osa):
{text[:3000]}

Palun tuvasta kasutatud meetodid. Tagasta VAID komadega eraldatud nimekiri.
"""
        
        messages = [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ]
        
        response = self.call_api(messages, temperature=0.3)
        
        methods = [m.strip() for m in response.split(',') if m.strip()]
        return methods
    
    def analyze_transport_context(self, summary: str) -> Dict:
        """Analüüsi artikli tähtsus transpordiplaneerimise kontekstis"""
        self.logger.info("Analüüsin transpordi konteksti...")
        
        system_prompt = """Sa oled transpordiplaneerimise ekspert. Analüüsi antud teadusartikli 
tähtsust ja rakendatavust transpordisüsteemide planeerimisel.

Hinda järgmisi aspekte:
1. Teoreetiline panus
2. Praktiline rakendatavus
3. Reaalsete probleemide lahendamine
4. Piirangud ja edasised vajadused
"""
        
        user_prompt = f"""Artikli kokkuvõte:
{summary}

Palun analüüsi artikli tähtsust transpordiplaneerimise kontekstis. Tagasta JSON formaadis:
{{
  "theoretical_contribution": "lühikirjeldus",
  "practical_applicability": "lühikirjeldus",
  "problem_solving": "lühikirjeldus",
  "limitations": "lühikirjeldus",
  "relevance_score": 1-10 (kus 10 on kõige relevantsem)
}}
"""
        
        messages = [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ]
        
        response = self.call_api(messages, temperature=0.5)
        
        try:
            # Proovi parsida JSON vastust
            if response.startswith('{') and response.endswith('}'):
                return json.loads(response)
        except:
            pass
        
        # Kui JSON parsimine ei õnnestu, tagasta struktureeritud tekst
        return {
            "analysis": response,
            "relevance_score": 5  # Vaikimisi skoor
        }