pbesa 4.0.35__tar.gz → 4.0.36__tar.gz

{pbesa-4.0.35 → pbesa-4.0.36}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.2
 Name: pbesa
-Version: 4.0.35
+Version: 4.0.36
 License-File: LICENSE
 License-File: LICENSE.txt
 Requires-Dist: pymongo>=4.6.3

{pbesa-4.0.35 → pbesa-4.0.36}/pbesa/celulas/celula_casos.py

@@ -38,7 +38,7 @@ Responde únicamente con:
 """
 
 # Efectua la inferencia del modelo.
-def derive(service, text, max_tkns=4096) -> any:
+def derive(service, text, max_tkns=2000) -> any:
     try:
         logging.info(f"Procesando: {text}")
         tmp_work_memory = []

pbesa-4.0.36/pbesa/celulas/celula_parafraseo.py

@@ -0,0 +1,81 @@
+import logging
+
+FRAMEWORK = """
+Justifacil articula un marco único de preguntas para diecisiete clases de autoridades colombianas, agrupadas por dominio y competencia, bajo el Código General del Proceso (Ley 1564 de 2012). DIMAR salvaguarda la navegación, ambiente y seguridad marítima; DNDA administra el régimen de derecho de autor; ICA garantiza sanidad e inocuidad agropecuaria. La SFC regula solvencia, transparencia y servicios del sistema financiero, banca, inversión e innovación. La SIC despliega tres frentes: competencia desleal, protección al consumidor y propiedad industrial, vigilando mercados, derechos de marca e intereses de usuarios. Supersalud cubre siete ámbitos—cobertura de servicios, devoluciones, conflictos entre entidades, libre elección, multiafiliación, reconocimiento económico y sostenibilidad—asegurando acceso, flujo financiero y derechos de los pacientes. Supersociedades abarca liquidación, reorganización, validación judicial y conflictos mercantiles para preservar empresas y créditos. Este resumen nutre las secciones de glosario, preguntas frecuentes y observatorio de justicia, permitiendo al agente cognitivo responder con celeridad sobre licencias, registros, sanciones, garantías, reembolsos, procesos concursales complejos y demás trámites digitales que tramita Justifacil.
+""".strip()
+
+SYSTEM_PROMPT = """
+Dado el siguiente **Marco normativo y Competencial**, el **Conocimiento** disponible
+y la **Consulta de usuario**, responde en lenguaje natural, con cortesía y sin tutear.
+
+**Marco normativo y Competencial**
+%s
+
+**Conocimiento**
+%s
+
+**Consulta de usuario**
+%s
+
+- Proceso de respuesta
+1. **Prioridad de fuentes**
+   a. Si el Conocimiento responde plenamente la consulta, úsalo como base principal.  
+   b. Si la consulta no está cubierta por el Conocimiento, fundamenta la respuesta
+      únicamente en el Marco normativo y Competencial.  
+   c. Si la consulta no tiene relación con ninguno de los dos, responde solo:
+      «Lo lamento, la consulta está fuera del alcance de mis competencias en Justifacil».
+
+2. **Reglas de cobertura**
+   - Limita el contenido a trámites, funciones y competencias de las entidades
+     incluidas en el Marco normativo y Competencial.
+   - No inventes información ni extrapoles más allá de las fuentes proporcionadas.
+   - Tu respuesta debe ser clara, concisa y relevante para la consulta del usuario.
+   - Evita agregar información que no esté en el 'Conocimiento' o sea pertinente al 'Marco normativo y Competencial'.
+   - Evita agregar explicaciones innecesarias o adicionales.
+   - Solo limitate a responder la consulta parafraseando el 'Conocimiento' proporcionado.
+
+3. **Estilo y tono**
+   - Persiste en trato formal (usted).  
+   - Sé claro, conciso y amable; evita explicaciones innecesarias.  
+   - No incluyas información ajena al Conocimiento o al Marco normativo.  
+   - Concluye siempre invitando al usuario a realizar nuevas consultas.
+
+- Ejemplo admisible  
+Usuario: «Quiero saber cómo iniciar un proceso por actos de competencia desleal»  
+Asistente: «Para iniciar un proceso por actos de competencia desleal se sigue la Ley 256
+de 1996…»  
+
+- Ejemplo fuera de alcance  
+Usuario: «¿Cómo puedo sacar la visa?»  
+Asistente: «Lo lamento, la consulta está fuera del alcance de mis competencias en Justifacil».
+
+- Ejemplo fuera de alcance  
+Usuario: «Un extaterrestre copio mi marca ¿Cómo puedo frente a la SIC demandar al extraterres?»  
+Asistente: «Lo lamento, la consulta está fuera del alcance de mis competencias en Justifacil».
+
+"""
+
+USER_PROMPT = """
+
+Respuesta:
+"""
+
+# Efectua la inferencia del modelo.
+def derive(service, conocimiento, consulta, max_tkns=2000) -> any:
+    try:
+        tmp_work_memory = []
+        prompt  = SYSTEM_PROMPT % (FRAMEWORK, conocimiento, consulta)
+        tmp_work_memory.append({"role": "system", "content": prompt})
+        prompt = USER_PROMPT
+        tmp_work_memory.append({"role": "user", "content": prompt})
+        res = service.generate(tmp_work_memory, max_tokens=max_tkns)
+        logging.info(f"\n\n\nProcesando:\Conocimiento: {conocimiento}\nConsulta: {consulta}")        
+        logging.info(f"Respuesta: {res}")
+        if not res or res == "":
+            res = consulta
+            logging.warning(f"No obtener una respuesta.")
+        return res
+    except Exception as e:
+        logging.error(f"Error al procesar: {consulta}")
+        logging.error(e)
+        return None

{pbesa-4.0.35 → pbesa-4.0.36}/pbesa/cognitive.py

@@ -981,6 +981,12 @@ class Dialog(ABC):
                 res = query
         else:
             ambiguedad = True
+            per_res = celula_pertinencia.derive(self.__ai_service, query, max_tkns=10)
+            if per_res and not per_res == "":
+                if "ABSURDO" in per_res:
+                    dicriminador = None
+                    res = msg
+                    ambiguedad = False
 
         if ambiguedad:    
             logging.info("[Stage-1]: Respuesta con ambiguedad")
@@ -1665,88 +1671,31 @@ class SpecialDispatch():
         Response.
         @param data Event data 
         """
-        response = None
-        if data and not data['dto']['session']['team'] == "Funcionalidades":
-            logging.info("Despachando por descripcion...")
-            options = ""
-            cont = 1
-            agent_options = {}
-            for agent, item in self.__options_dict.items():
-                agent_options[cont] = agent
-                options += f"{cont}) {item}\n"
-                cont += 1
-            query = data['dto']['text'] if data and 'dto' in data and data['dto']['text'] is not None else ''
-            prompt = CLASSIFICATION_PROMPT % options
-            logging.info(f"Query: {query},\n Options:\n{options}")
-            self.__meta_work_memory.append({"role": "system", "content": prompt})
-            
-
-            user_prompt = f"""
-            Texto: "%s"
-
-            Respuesta:
-            """ % query
-            self.__meta_work_memory.append({"role": "user", "content": user_prompt})
-            
-            res = self.__ai_service.generate(self.__meta_work_memory, max_tokens=10)
-            logging.info(f"Thought: {res}")
-            self.__meta_work_memory = []
-            res = self.get_text(res)
-            select_agent = None
-            compare = re.findall(r'\d+', res)
-            print(f"Compare: {compare}")
-            if len(compare) > 0:
-                compare = compare[0]
-            else:
-                compare = res
-            compare = compare.strip()
-            print(f"Compare: {compare}")
-            for option in range(1, cont+1):
-                print(f"Option: {option} - Compare: {compare}")
-                if str(option) == compare:                
-                    select_agent = agent_options[option]
-                    logging.info(f"Descripcion del agente seleccionado: {select_agent}")
-                    break
-            if not select_agent:
-                logging.info("=> No se seleccionó ningun agente")
-            return select_agent, response
-        else:
-            logging.info("Despachando por descripcion...")
-            options = ""
-            cont = 1
-
-            selection_options = {}
-
-            agent_options = {}
-            for agent, item in self.__options_dict.items():
-                agent_options[cont] = agent
-                options += f"{cont}) {item}\n"
-                cont += 1
-                selection_options[agent] = 0
-
-            query = data['dto']['text'] if data and 'dto' in data and data['dto']['text'] is not None else ''
-            prompt = CLASSIFICATION_PROMPT % options
-            logging.info(f"Query: {query},\n Options:\n{options}")
-            self.__meta_work_memory.append({"role": "system", "content": prompt})
-            
-
-            user_prompt = f"""
-            Texto: "%s"
-
-            Respuesta:
-            """ % query
-            self.__meta_work_memory.append({"role": "user", "content": user_prompt})
-
-            self.kusto_open()
-
-            attemps = 1
-            exit = False
-            while attemps <= 3 and not exit:
-                logging.info(f"Intento de selección de agente: {attemps}")
-
+        try:
+            response = None
+            if data and not data['dto']['session']['team'] == "Funcionalidades":
+                logging.info("Despachando por descripcion...")
+                options = ""
+                cont = 1
+                agent_options = {}
+                for agent, item in self.__options_dict.items():
+                    agent_options[cont] = agent
+                    options += f"{cont}) {item}\n"
+                    cont += 1
+                query = data['dto']['text'] if data and 'dto' in data and data['dto']['text'] is not None else ''
+                prompt = CLASSIFICATION_PROMPT % options
+                logging.info(f"Query: {query},\n Options:\n{options}")
+                self.__meta_work_memory.append({"role": "system", "content": prompt})            
+                user_prompt = f"""
+                Texto: "%s"
+
+                Respuesta:
+                """ % query
+                self.__meta_work_memory.append({"role": "user", "content": user_prompt})
+                
                 res = self.__ai_service.generate(self.__meta_work_memory, max_tokens=10)
                 logging.info(f"Thought: {res}")
-                
+                self.__meta_work_memory = []
                 res = self.get_text(res)
                 select_agent = None
                 compare = re.findall(r'\d+', res)
@@ -1765,58 +1714,43 @@ class SpecialDispatch():
                         break
                 if not select_agent:
                     logging.info("=> No se seleccionó ningun agente")
-
+                return select_agent, response
+            else:
+                logging.info("Despachando por indice...")
+                query = data['dto']['text'] if data and 'dto' in data and data['dto']['text'] is not None else ''
+                options = ""
+                cont = 1
+                
+                # Considera las opciones
+                agent_options = []
+                for agent, _ in self.__options_dict.items():
+                    key = "-".join(agent.split("-")[0:-1])
+                    if not key in agent_options:
+                        agent_options.append(key)
+
+                # Efecua consulta al indice
+                self.kusto_open()
                 major_id, response, score = self.retrieval(query)
-                if 'glosario' in major_id.lower():
-                    major_id = 'glosario'
-                elif 'inicial' in major_id.lower():
-                    major_id = 'portal'
-                else:
-                    major_id_split = major_id.split("_")
-                    major_id = major_id_split[0] if len(major_id_split) > 0 else major_id
-                    major_id_split = major_id.split("-")
-                    major_id = major_id_split[1] if len(major_id_split) > 0 else major_id
-
-                compare_llm = 0
-                compare_index = 0
-                idex_result = None
-
-                # Check if the selected agent is in the retrieval response
-                if major_id and major_id in select_agent:
-                    logging.info(f"Se seleccionó el agente: {select_agent} con score: {score}")
-                    exit = True
-                    continue
-                else:
-                    for ag in selection_options:
-                        if select_agent and select_agent in ag:
-                            selection_options[ag] += 1
-                            compare_llm += 1 
-                        if major_id and major_id in ag:
-                            selection_options[ag] += 1
-                            compare_index += 1
-                            idex_result = ag
-
-                attemps += 1
-
-            if attemps > 3:
-                logging.info("No se pudo seleccionar un agente, identificando el agente con mayor score...")
+                self.kusto_close()
+                logging.info(f"Major ID: {major_id}, Response: {response}, Score: {score}")
                 
-                if compare_llm == compare_index:
-                    logging.warning("Dando prioridad al resultado del indice")
-                    select_agent = idex_result
+                # Obtiene el tipo de agente
+                select_agent = None            
+                if major_id:
+                    major_id = major_id.split("_")[0]
+                    for ag in agent_options:
+                        if major_id in ag:
+                            select_agent = ag
+                            break
                 else:
-                    logging.info("Evaluando los scores de los agentes...")
-                    major_id = ""
-                    max_score = 0
-                    for ag, score in selection_options.items():
-                        if score > max_score:
-                            max_score = score
-                            major_id = ag
-                    if major_id:
-                        select_agent = major_id
-                        logging.info(f"Se seleccionó el agente: {select_agent} con score: {max_score}") 
-
-            self.kusto_close()
+                    logging.warning("No se encontró un agente asociado al query")
+
+                # Si no se encontró un agente, se retorna None
+                self.__meta_work_memory = []
+                self.major_id = None
+                return select_agent, response
+        except Exception as e:
+            logging.error(f"Error en el despacho especial: {e}")
             self.__meta_work_memory = []
             self.major_id = None
-            return select_agent, response
+            return None, None

{pbesa-4.0.35 → pbesa-4.0.36}/pbesa/models.py

@@ -146,7 +146,7 @@ class AzureInference(AIService):
             response = self.model.complete(
                 messages= work_memory,
                 model= self.deployment,
-                max_tokens= self.max_tokens
+                max_tokens= max_tokens
             )
             res = response.choices[0].message.content
             if not res or res == "" or res == "ERROR":
@@ -160,7 +160,7 @@ class AzureInference(AIService):
             err = str(e) + " - " + trace_err
             logging.info(f"Error en la respuesta de Azure: {err}")
         if again:
-            if self.model_conf['SUBSTITUDE_DEPLOYMENT_NAME'] == "Llama-3.3-70B-Instruct":
+            if self.model_conf['SUBSTITUDE_2_DEPLOYMENT_NAME'].lower() == "llama-3.3-70b-instruct":
                 logging.info("\n\n\n")
                 logging.info("----------------------------------------")
                 logging.info("Sustitudo atiendendo Llama-3.3-70B-Instruct")
@@ -170,8 +170,8 @@ class AzureInference(AIService):
                     logging.info("........................................\n\n\n")
                     response = self.model.complete(
                         messages= work_memory,
-                        model =self.model_conf['SUBSTITUDE_DEPLOYMENT_NAME'],
-                        max_tokens=self.model_conf['MAX_TOKENS']
+                        model =self.model_conf['SUBSTITUDE_2_DEPLOYMENT_NAME'],
+                        max_tokens=max_tokens
                     )
                     logging.info("----------------------------------------")
                     logging.info("\n\n\n")                    
@@ -182,7 +182,7 @@ class AzureInference(AIService):
                     logging.info(f"Error en la respuesta de Azure: {err2}")
                     logging.info("----------------------------------------")
                     logging.info("\n\n\n")                    
-                    raise e2
+                    return ""
         logging.error("\n\n\n****************************************")
         logging.error("No se pudo generar una respuesta válida.")
         return ""
@@ -237,7 +237,7 @@ class AzureOpenAIInference(AIService):
             # Si no se especifica Retry-After, usar backoff exponencial
             self.wait_time = 2 ** (self.wait_time // 60)
         
-    def generate(self, work_memory, max_tokens=4096, temperature=0, top_p=0.9) -> str:
+    def generate(self, work_memory, max_tokens=2000, temperature=0, top_p=0.9) -> str:
         again = False
         try:            
             if self.main_model_enable:
@@ -303,13 +303,13 @@ class AzureOpenAIInference(AIService):
                 logging.warning("Modelo principal en espera. Intentando con el modelo de sustitución-1...")
                 if self.substitude_1_model is None:
                     raise ValueError("No se ha configurado un modelo de sustitución-1.")
-                return self.substitude_1_model.generate(work_memory)                
+                return self.substitude_1_model.generate(work_memory, max_tokens=max_tokens)                
             except Exception as e:
                 try:
                     logging.warning("Modelo principal en espera. Intentando con el modelo de sustitución-2...")
                     if self.substitude_2_model is None:
                         raise ValueError("No se ha configurado un modelo de sustitución-2.")
-                    return self.substitude_2_model.generate(work_memory)
+                    return self.substitude_2_model.generate(work_memory, max_tokens=max_tokens)
                 except Exception as e2:
                     trace_err = traceback.format_exc()
                     err = str(e2) + " - " + trace_err

{pbesa-4.0.35 → pbesa-4.0.36}/pbesa/social/dispatcher_team.py

@@ -592,7 +592,8 @@ class LLMDispatcherDelegate(Action):
                         # Chec if the agent is instance of AugmentedGeneration
                         if isinstance(agent_obj, Dialog):
                             # Get the role
-                            if select_agent == agent_obj.id:
+                            tipo = "-".join(agent_obj.id.split('-')[0:-1])
+                            if select_agent == tipo:
                                 logging.info(f'The agent {ag} is assigned')
                                 self.agent.get_request_dict()[ag] = {
                                     'gateway': data['gateway'],
@@ -603,7 +604,7 @@ class LLMDispatcherDelegate(Action):
                                 self.adm.send_event(ag, 'task', data['dto'])
                                 self.__rewier[ag] = 0
                                 exit = True
-                                self.planilla[session_id] = select_agent
+                                self.planilla[session_id] = agent_obj.id
                             else:
                                 logging.debug('The agent does not match the role')
                                 self.adm.send_event(agent_obj.get_controller(), 'notify', ag)

{pbesa-4.0.35 → pbesa-4.0.36}/pbesa.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.2
 Name: pbesa
-Version: 4.0.35
+Version: 4.0.36
 License-File: LICENSE
 License-File: LICENSE.txt
 Requires-Dist: pymongo>=4.6.3

{pbesa-4.0.35 → pbesa-4.0.36}/setup.py

@@ -4,7 +4,7 @@ from setuptools import setup, find_packages
 
 setup(
     name='pbesa',
-    version='4.0.35',
+    version='4.0.36',
     packages=find_packages(),
     install_requires=[
         'pymongo>=4.6.3',

pbesa-4.0.35/pbesa/celulas/celula_parafraseo.py

@@ -1,56 +0,0 @@
-import logging
-
-SYSTEM_PROMPT = """
-Dado el siguiente 'Conocimiento' y la 'Consulta de usuario', tu tarea es responder de manera amable y en lenguaje natural.
-
-**Conocimiento:**
-%s
-
-**Consulta de usuario:**
-%s
-
-**Importante:**
-- Es fundamental que evites responder si la consulta del usuario no se relaciona 
-con temas jurídicos, con Justifacil y las funciones jurisdiccionales de las siguientes entidades 
-colombianas: SIC, DNDA, DIMAR, SNS, SFC, ICA y Supersociedades, bajo el marco 
-legal del Código General del Proceso (Ley 1564 de 2012). Recuerda que Justifacil es 
-un sistema de información que permite adelantar tramites de estas entidades, y como tal, tiene secciones de:
-glosario, preguntas frecuentes, observatorio de justicia, etc.
-- Siempre finaliza tu respuesta invitando al usuario a hacer más consultas.
-
-**Instrucciones:**
-- Evita tutear al usuario.
-- Si la consulta del usuario no se relaciona con temas jurídicos, con Justifacil y las funciones jurisdiccionales de las siguientes entidades, inicia la respuesta con "Lo lamento, ..."
-- Tu respuesta debe basarse únicamente en el 'Conocimiento' proporcionado.
-- Tu respuesta debe ser amable y el lenguaje natural.
-- Tu respuesta debe ser clara, concisa y relevante para la consulta del usuario.
-- Evita agregar información que no esté en el 'Conocimiento'.
-- Evita agregar explicaciones innecesarias o adicionales.
-- Solo limitate a responder la consulta parafraseando el 'Conocimiento' proporcionado.
-
-"""
-
-USER_PROMPT = """
-
-Respuesta:
-"""
-
-# Efectua la inferencia del modelo.
-def derive(service, conocimiento, consulta, max_tkns=2000) -> any:
-    try:
-        tmp_work_memory = []
-        prompt  = SYSTEM_PROMPT % (conocimiento, consulta)
-        tmp_work_memory.append({"role": "system", "content": prompt})
-        prompt = USER_PROMPT
-        tmp_work_memory.append({"role": "user", "content": prompt})
-        res = service.generate(tmp_work_memory, max_tokens=max_tkns)
-        logging.info(f"\n\n\nProcesando:\Conocimiento: {conocimiento}\nConsulta: {consulta}")        
-        logging.info(f"Respuesta: {res}")
-        if not res or res == "":
-            res = consulta
-            logging.warning(f"No obtener una respuesta.")
-        return res
-    except Exception as e:
-        logging.error(f"Error al procesar: {consulta}")
-        logging.error(e)
-        return None