llm_ticket3/tests/workflows/image_analyser_workflow.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
Workflow d'analyse d'images avec contexte.
Ce module implémente le workflow suivant:
1. Analyse du ticket
2. Tri des images
3. Analyse des images pertinentes avec le contexte du ticket
"""

import logging
import time
import sys
from typing import Dict, Any, Optional, List, Tuple

# Import des factories
from tests.common.agent_factory import (
    create_ticket_analyser,
    create_image_sorter, 
    create_image_analyser
)
from tests.common.llm_factory import create_llm
from tests.common.ticket_utils import get_ticket_json, get_ticket_images

logger = logging.getLogger("ImageAnalyserWorkflow")

def execute_workflow(ticket_id: str, output_dir: str = "output", 
                    text_model: str = "mistral_large", 
                    vision_model: str = "pixtral_large"):
    """
    Exécute le workflow d'analyse d'image avec contexte.
    
    Args:
        ticket_id: Identifiant du ticket
        output_dir: Répertoire contenant les tickets
        text_model: Nom du modèle à utiliser pour l'analyse de ticket
        vision_model: Nom du modèle à utiliser pour l'analyse d'image
    
    Returns:
        Dict avec les résultats du workflow
    """
    logger.info(f"Démarrage du workflow pour le ticket {ticket_id}")
    print(f"Démarrage du workflow pour le ticket {ticket_id}")
    
    workflow_start = time.time()
    
    # ÉTAPE 1: Initialiser les modèles LLM
    try:
        print("Initialisation des modèles LLM...")
        text_llm = create_llm(text_model)
        vision_llm = create_llm(vision_model)
        print(f"Modèles initialisés: {text_model}, {vision_model}")
    except Exception as e:
        logger.error(f"Erreur lors de l'initialisation des modèles: {e}")
        print(f"ERREUR: Impossible d'initialiser les modèles: {e}")
        return {"error": str(e), "stage": "init_llm"}
    
    # ÉTAPE 2: Initialiser les agents
    try:
        print("Création des agents...")
        ticket_agent = create_ticket_analyser(text_llm)
        image_sorter = create_image_sorter(vision_llm)
        image_analyser = create_image_analyser(vision_llm)
        print("Agents créés avec succès")
    except Exception as e:
        logger.error(f"Erreur lors de la création des agents: {e}")
        print(f"ERREUR: Impossible de créer les agents: {e}")
        return {"error": str(e), "stage": "init_agents"}
    
    # ÉTAPE 3: Charger les données du ticket
    try:
        print("Chargement des données du ticket...")
        json_file, ticket_data = get_ticket_json(ticket_id, output_dir)
        
        if not json_file or not ticket_data:
            error_msg = f"Impossible de charger les données du ticket {ticket_id}"
            logger.error(error_msg)
            print(f"ERREUR: {error_msg}")
            return {"error": error_msg, "stage": "load_ticket"}
            
        print(f"Données du ticket chargées: {json_file}")
    except Exception as e:
        logger.error(f"Erreur lors du chargement du ticket: {e}")
        print(f"ERREUR: Impossible de charger le ticket: {e}")
        return {"error": str(e), "stage": "load_ticket"}
    
    # ÉTAPE 4: Analyser le ticket
    try:
        print("Analyse du ticket en cours...")
        ticket_analysis = ticket_agent.executer(ticket_data)
        print(f"Analyse du ticket terminée: {len(ticket_analysis) if ticket_analysis else 0} caractères")
    except Exception as e:
        logger.error(f"Erreur lors de l'analyse du ticket: {e}")
        print(f"ERREUR: Impossible d'analyser le ticket: {e}")
        ticket_analysis = f"Erreur d'analyse: {e}"
    
    # ÉTAPE 5: Récupérer et trier les images
    try:
        print("Récupération et tri des images...")
        all_images = get_ticket_images(ticket_id, output_dir)
        
        if not all_images:
            print("Aucune image trouvée pour ce ticket")
            return {
                "ticket_id": ticket_id,
                "ticket_analysis": ticket_analysis,
                "images_count": 0,
                "relevant_images": [],
                "analysis_results": {}
            }
            
        print(f"Images trouvées: {len(all_images)}")
        
        # Trier les images
        relevant_images = []
        for img_path in all_images:
            print(f"Évaluation de l'image: {img_path}")
            try:
                sorting_result = image_sorter.executer(img_path)
                is_relevant = sorting_result.get("is_relevant", False)
                
                if is_relevant:
                    print(f"  => Pertinente")
                    relevant_images.append(img_path)
                else:
                    print(f"  => Non pertinente")
            except Exception as e:
                logger.error(f"Erreur lors du tri de l'image {img_path}: {e}")
                print(f"ERREUR: Impossible de trier l'image {img_path}: {e}")
        
        print(f"Images pertinentes: {len(relevant_images)}/{len(all_images)}")
    except Exception as e:
        logger.error(f"Erreur lors de la récupération/tri des images: {e}")
        print(f"ERREUR: Impossible de récupérer/trier les images: {e}")
        return {"error": str(e), "stage": "sort_images", "ticket_analysis": ticket_analysis}
    
    # ÉTAPE 6: Analyser les images pertinentes avec contexte
    analysis_results = {}
    
    if relevant_images:
        print("Analyse des images pertinentes avec contexte...")
        
        for img_path in relevant_images:
            print(f"Analyse de l'image: {img_path}")
            try:
                analysis_result = image_analyser.executer(img_path, contexte=ticket_analysis)
                analysis_results[img_path] = analysis_result
                print(f"  => Analyse terminée: {len(analysis_result.get('analyse', '')) if analysis_result else 0} caractères")
            except Exception as e:
                logger.error(f"Erreur lors de l'analyse de l'image {img_path}: {e}")
                print(f"ERREUR: Impossible d'analyser l'image {img_path}: {e}")
                analysis_results[img_path] = {"error": str(e)}
    else:
        print("Aucune image pertinente à analyser")
    
    # Calcul du temps total d'exécution
    workflow_time = time.time() - workflow_start
    print(f"Workflow terminé en {workflow_time:.2f} secondes")
    
    # Retourner les résultats
    return {
        "ticket_id": ticket_id,
        "ticket_analysis": ticket_analysis,
        "images_count": len(all_images),
        "relevant_images": relevant_images,
        "analysis_results": analysis_results,
        "execution_time": workflow_time
    }

def main():
    # Vérifier les arguments
    if len(sys.argv) < 2:
        print("ERREUR: Vous devez fournir un ID de ticket")
        print("Usage: python -m tests.workflows.image_analyser_workflow <ticket_id> [output_dir] [text_model] [vision_model]")
        return 1
    
    # Récupérer les arguments
    ticket_id = sys.argv[1]
    output_dir = sys.argv[2] if len(sys.argv) > 2 else "output"
    text_model = sys.argv[3] if len(sys.argv) > 3 else "mistral_large"
    vision_model = sys.argv[4] if len(sys.argv) > 4 else "pixtral_large"
    
    # Configurer le logging
    logging.basicConfig(
        level=logging.INFO,
        format='%(asctime)s - %(levelname)s - %(name)s - %(message)s',
        handlers=[
            logging.FileHandler(f"image_analyser_workflow_{ticket_id}.log"),
            logging.StreamHandler()
        ]
    )
    
    # Exécuter le workflow
    results = execute_workflow(ticket_id, output_dir, text_model, vision_model)
    
    # Afficher un résumé des résultats
    if "error" in results:
        print(f"\nErreur lors de l'exécution du workflow: {results['error']}")
        print(f"Étape en échec: {results.get('stage', 'inconnue')}")
        return 1
    
    print("\nRésumé du workflow:")
    print(f"Ticket: {results['ticket_id']}")
    print(f"Analyse du ticket: {len(results['ticket_analysis']) if results['ticket_analysis'] else 0} caractères")
    print(f"Images totales: {results['images_count']}")
    print(f"Images pertinentes: {len(results['relevant_images'])}")
    print(f"Images analysées: {len(results['analysis_results'])}")
    print(f"Temps d'exécution: {results['execution_time']:.2f} secondes")
    
    return 0

if __name__ == "__main__":
    sys.exit(main())