ingest whole textbooks chapter by chapter, resumably

نقشه‌ی فیزیکیِ کتاب‌ها (افستِ صفحه، بازه‌ی هر فصل، درس‌های داخلِ فصل از
فهرستِ خودِ کتاب) در rag/services/textbooks.py ثبت شد تا عنوانِ فصل از
کتاب بیاید نه از حدسِ مدل — رشته‌ی فصل باید دقیقاً بینِ ingest و retrieval
یکی باشد وگرنه نتیجه بی‌سروصدا خالی برمی‌گردد.

rag_ingest_book کتاب را فصل‌به‌فصل ingest می‌کند و قابلِ ازسرگیری است:
rag.IngestedPage نشانه‌ی «این صفحه پردازش شد» را نگه می‌دارد حتی وقتی
صفحه chunkی نساخته، وگرنه هر بار اجرای دوباره بابتِ صفحه‌های بی‌مسئله
دوباره پول می‌گرفت. --plan هزینه را رایگان برآورد می‌کند.

rag_import_collection نقاطِ موجودِ Qdrant را در LessonChunk می‌ریزد —
فقط می‌خواند، رایگان و idempotent، برای پایه‌هایی که تیمِ دیگر ingest
کرده بود.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

rag/management/commands/rag_ingest_book.py

@@ -0,0 +1,142 @@
+"""
+ingestِ یک کتابِ درسیِ کامل از data/textbooks/ به Qdrant.
+
+نمونه:
+    python manage.py rag_ingest_book --subject ریاضی --grade نهم --plan
+    python manage.py rag_ingest_book --subject ریاضی --grade نهم --chapters 1 --max-pages 3
+    python manage.py rag_ingest_book --subject ریاضی --grade نهم
+
+هر اجرا از جایی که مانده ادامه می‌دهد (صفحه‌های ثبت‌شده رد می‌شوند)، پس
+قطع کردنش با Ctrl-C بی‌خطر است و اجرای دوباره کارِ رفته را دوباره نمی‌خرد.
+"""
+from django.core.management.base import BaseCommand, CommandError
+
+from rag.services.clients import RagNotConfigured
+from rag.services.config import build_collection_name, rag_is_configured
+from rag.services.ingest import _done_pages, estimate_page_cost, ingest_book
+from rag.services.textbooks import TEXTBOOKS, get_textbook
+from rag.models import IngestedPage, LessonChunk
+
+
+class Command(BaseCommand):
+    help = 'ingestِ کتابِ درسی (PDF) به LessonChunk + Qdrant، فصل‌به‌فصل و قابلِ ازسرگیری.'
+
+    def add_arguments(self, parser):
+        parser.add_argument('--subject', default='ریاضی')
+        parser.add_argument('--grade', required=True, help='مثلاً: نهم')
+        parser.add_argument('--chapters', nargs='*', type=int, default=None,
+                            help='شماره‌ی فصل‌ها؛ خالی یعنی همه.')
+        parser.add_argument('--max-pages', type=int, default=None,
+                            help='سقفِ صفحه در این اجرا (کنترلِ هزینه).')
+        parser.add_argument('--dpi', type=int, default=200)
+        parser.add_argument('--no-resume', action='store_true',
+                            help='صفحه‌های قبلاً ثبت‌شده را هم دوباره پردازش کن (نقطه‌ی تکراری می‌سازد).')
+        parser.add_argument('--plan', action='store_true',
+                            help='فقط نشان بده چه چیزی پردازش می‌شود؛ هیچ فراخوانیِ پولی نکن.')
+
+    def handle(self, *args, **opts):
+        subject, grade = opts['subject'], opts['grade']
+        book = get_textbook(subject, grade)
+        if book is None:
+            known = '، '.join(sorted(TEXTBOOKS)) or '—'
+            raise CommandError(f'کتابی برای «{subject} {grade}» ثبت نشده. موجود: {known}')
+        if not book.filename:
+            raise CommandError(
+                f'«{book.key}» فایلِ PDF ندارد؛ دادهٔ واقعی‌اش از قبل روی Qdrant است.\n'
+                f'برای واردکردنش:  python manage.py rag_import_collection '
+                f'--collection "{book.key}"'
+            )
+
+        collection = build_collection_name(book.subject, book.grade)
+        wanted = list(book.chapters) if not opts['chapters'] else [
+            c for n in opts['chapters'] if (c := book.chapter(n)) is not None
+        ]
+        if not wanted:
+            raise CommandError('هیچ فصلی با شماره‌های داده‌شده پیدا نشد.')
+
+        if opts['plan']:
+            return self._plan(book, collection, wanted)
+
+        if not rag_is_configured():
+            raise CommandError(
+                'RAG پیکربندی نشده (OPENAI_API_KEY / QDRANT_API_KEY خالی است یا RAG_FORCE_MOCK روشن است).'
+            )
+
+        self.stdout.write(self.style.MIGRATE_HEADING(
+            f'ingest «{book.key}» → collection «{collection}»'
+        ))
+        try:
+            result = ingest_book(
+                subject=book.subject, grade=book.grade,
+                chapters=[c.number for c in wanted],
+                dpi=opts['dpi'], max_pages=opts['max_pages'],
+                resume=not opts['no_resume'], progress=self._progress,
+            )
+        except (RagNotConfigured, FileNotFoundError, ValueError) as exc:
+            raise CommandError(str(exc)) from exc
+
+        self.stdout.write('')
+        style = self.style.SUCCESS if result['status'] == 'success' else self.style.WARNING
+        self.stdout.write(style(
+            f"وضعیت: {result['status']} — {result['pages_processed']} صفحه پردازش شد، "
+            f"{result['pages_skipped']} صفحه از قبل موجود بود، "
+            f"{result['chunks_created']} chunk ساخته شد."
+        ))
+        self.stdout.write(
+            f"مصرف: {result['prompt_tokens']:,} توکن ورودی + "
+            f"{result['completion_tokens']:,} خروجی  →  ≈ ${result['cost_usd']:.2f} "
+            f"({result['model']})"
+        )
+        if result['failed_pages']:
+            self.stdout.write(self.style.ERROR(
+                'صفحه‌های خطادار (اجرای دوباره سراغشان می‌رود): '
+                + '، '.join(str(p) for p in result['failed_pages'])
+            ))
+
+    # ------------------------------------------------------------------
+    def _plan(self, book, collection, wanted):
+        self.stdout.write(self.style.MIGRATE_HEADING(
+            f'نقشه‌ی «{book.key}» → collection «{collection}»  (فایل: {book.filename})'
+        ))
+        total_pages = total_left = 0
+        for chapter in wanted:
+            first, last = book.pdf_pages(chapter)
+            pages = last - first + 1
+            done = len(_done_pages(collection, chapter.title))
+            left = max(pages - done, 0)
+            total_pages += pages
+            total_left += left
+            self.stdout.write(
+                f'  فصل {chapter.number}: {chapter.title}\n'
+                f'      صفحه‌ی کتاب {chapter.first_page}–{chapter.last_page}'
+                f'  →  صفحه‌ی PDF {first}–{last}   ({pages} صفحه، {done} انجام‌شده، {left} مانده)'
+            )
+        self.stdout.write('')
+        self.stdout.write(f'جمع: {total_pages} صفحه، {total_left} صفحه مانده.')
+        from django.conf import settings
+
+        model = settings.OPENAI_VISION_MODEL
+        per_page = estimate_page_cost(model)
+        self.stdout.write(self.style.WARNING(
+            f'هر صفحه یک فراخوانیِ vision دارد ({model}، ~${per_page:.4f} در صفحه، '
+            f'اندازه‌گیری‌شده روی ۱۱۱ صفحه‌ی واقعی): '
+            f'حدود ${total_left * per_page:.2f} برای صفحه‌های مانده '
+            f'(با Batch API نصف: ${total_left * per_page / 2:.2f}).'
+        ))
+
+    def _progress(self, event):
+        kind = event.get('kind')
+        if kind == 'chapter':
+            first, last = event['pages']
+            self.stdout.write(self.style.HTTP_INFO(
+                f"\n▸ فصل {event['chapter']}: {event['title']}  "
+                f"(PDF {first}–{last}، {event['already']} صفحه از قبل موجود)"
+            ))
+        elif kind == 'page':
+            self.stdout.write(f"    صفحه {event['page']}: {event['chunks']} chunk")
+        elif kind == 'page_failed':
+            self.stdout.write(self.style.ERROR(
+                f"    صفحه {event['page']}: خطا — {event['error'][:120]}"
+            ))
+        elif kind == 'budget_reached':
+            self.stdout.write(self.style.WARNING('    سقفِ --max-pages پر شد؛ توقف.'))