llm_ticket3/agents/agent_analyse_image.py

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

"""
Agent pour analyser en détail les images pertinentes dans un contexte de support technique.
"""

import os
from typing import Dict, Any, Optional

from .agent_base import Agent
from llm import Pixtral

class AgentAnalyseImage(Agent):
    """
    Agent qui analyse en détail le contenu d'une image technique.
    """
    def __init__(self, api_key: Optional[str] = None):
        """
        Initialise l'agent d'analyse d'images.
        
        Args:
            api_key: Clé API pour le LLM
        """
        super().__init__("AgentAnalyseImage")
        self.llm = Pixtral(api_key=api_key)
        self.llm.system_prompt = """
Vous êtes un expert en analyse d'images techniques.
Votre rôle est d'examiner des captures d'écran ou des photos liées à des problèmes techniques et de:
1. Décrire précisément le contenu de l'image
2. Identifier les éléments techniques visibles (erreurs, interfaces, configurations)
3. Extraire tout texte visible (messages d'erreur, logs, indicateurs)

Soyez précis et factuel dans votre analyse.
"""
    
    def executer(self, image_path: str, contexte: Optional[str] = None) -> Dict[str, Any]:
        """
        Analyse en détail une image technique.
        
        Args:
            image_path: Chemin vers l'image à analyser
            contexte: Contexte optionnel du ticket pour une analyse plus pertinente
            
        Returns:
            Dictionnaire contenant l'analyse de l'image
        """
        # Vérifier que l'image existe
        if not os.path.exists(image_path):
            erreur = f"L'image {image_path} n'existe pas"
            self.ajouter_historique("analyse_image_erreur", image_path, erreur)
            return {"error": erreur}
        
        # Construire le prompt pour l'analyse
        if contexte:
            prompt = f"""
Analysez cette image dans le contexte suivant:

{contexte}

Décrivez précisément:
1. Ce que vous voyez dans l'image
2. Les éléments techniques visibles
3. Tout texte visible (messages d'erreur, logs, etc.)
4. Les indices sur le problème potentiel
"""
        else:
            prompt = """
Analysez cette image en détail et décrivez ce que vous voyez.
Identifiez tout problème technique visible, messages d'erreur, et éléments importants.
"""
        
        # Enregistrer l'action dans l'historique
        self.ajouter_historique("analyse_image", image_path, "Analyse en cours...")
        
        # Appel au LLM
        try:
            resultat = self.llm.analyze_image(image_path, prompt)
            
            # Vérifier si l'appel a réussi
            if "error" in resultat:
                self.ajouter_historique("analyse_image_erreur", image_path, resultat["error"])
                return resultat
            
            self.ajouter_historique("analyse_image_resultat", "Analyse terminée", 
                                   resultat.get("content", "")[:200])
            return resultat
        except Exception as e:
            erreur = f"Erreur lors de l'analyse: {str(e)}"
            self.ajouter_historique("analyse_image_erreur", image_path, erreur)
            return {"error": erreur}