Zareian
5416fbb2ba
When RAG is configured the endpoint retrieves lesson-scoped chunks and
generates a grounded answer; otherwise the previous deterministic stub
runs unchanged, so keyless runs and existing tests are unaffected.
Quota / idempotency / user-row lock / clean-503 behaviour is preserved on
every path.
models.py
- Conversation.subject (CharField) and Conversation.lesson_number
(IntegerField): retrieval metadata sent on the first ask and reused
for the rest of the conversation.
migrations/0004_conversation_lesson_number_conversation_subject.py
- migration for the two new fields.
serializers.py
- AskRequestSerializer: optional subject / grade / lessonNumber to pin
the Qdrant collection and lesson/chapter.
- AskResponseSerializer: usedChunks (retrieved [{title, summary}]) and
retrievalDebug (collection / filterKey / chapter-or-lesson / counts,
emitted only under DEBUG).
views.py
- generate_tutor_answer(): unchanged signature; RAG-configured branch
calls rag.services generation, stub branch otherwise.
- AskAIView.post(): resolve subject/grade/lessonNumber (falling back to
the Conversation), check the answer cache via resolve_target(), run
retrieve_context + generate_answer on a miss and populate the cache,
return usedChunks (+ retrievalDebug under DEBUG). Failures still
release the reserved quota slot and surface as 503.
- AskAIView._streaming_response(): opt-in "stream": true returns a
text/event-stream of chunk / done / error events; same retrieval,
phase-3 persist, idempotency and quota accounting as the JSON path,
and it consults the answer cache first. Non-stream JSON contract is
untouched.
Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
80 lines
4.2 KiB
Python
80 lines
4.2 KiB
Python
from django.db import models
|
||
|
||
|
||
class Conversation(models.Model):
|
||
user_id = models.IntegerField(db_index=True) # ارجاع سبک به accounts.User
|
||
lesson_id = models.IntegerField(null=True, blank=True) # ارجاع سبک به content.Lesson
|
||
chapter_id = models.IntegerField(null=True, blank=True) # شناسه‌ی فصل RAG (خارج از content/)
|
||
grade_id = models.IntegerField(null=True, blank=True) # ارجاع سبک به content.Grade
|
||
# metadataِ retrieval برای لایه‌ی RAG (اپ rag): نامِ درس (رشته) و
|
||
# شماره‌ی درس. اولین بار از بدنه‌ی POST /api/ai/ask می‌آن و اینجا ذخیره
|
||
# می‌شن تا ادامه‌ی همون مکالمه دوباره لازم نباشه فرستاده بشن. نامِ
|
||
# collectionِ Qdrant از روی subject + عنوانِ گرید ساخته می‌شه.
|
||
subject = models.CharField(max_length=100, blank=True, default='')
|
||
lesson_number = models.IntegerField(null=True, blank=True)
|
||
created_at = models.DateTimeField(auto_now_add=True)
|
||
|
||
def __str__(self):
|
||
return f"conv-{self.pk}-user{self.user_id}"
|
||
|
||
|
||
class Message(models.Model):
|
||
ROLE_CHOICES = [('user', 'کاربر'), ('assistant', 'دستیار')]
|
||
|
||
conversation = models.ForeignKey(Conversation, on_delete=models.CASCADE, related_name='messages')
|
||
role = models.CharField(max_length=10, choices=ROLE_CHOICES)
|
||
text = models.TextField()
|
||
question_id = models.IntegerField(null=True, blank=True) # ارجاع سبک به content.Question
|
||
created_at = models.DateTimeField(auto_now_add=True)
|
||
|
||
class Meta:
|
||
ordering = ['created_at']
|
||
|
||
def __str__(self):
|
||
return f"msg-{self.pk}-{self.role}"
|
||
|
||
|
||
class MessageFeedback(models.Model):
|
||
message = models.OneToOneField(Message, on_delete=models.CASCADE, related_name='feedback')
|
||
is_helpful = models.BooleanField()
|
||
|
||
def __str__(self):
|
||
return f"feedback-msg{self.message_id}"
|
||
|
||
|
||
class AskIdempotency(models.Model):
|
||
"""
|
||
⚛️🔒 اصلاح idempotency برای POST /api/ai/ask (همون الگویی که
|
||
UserAnswer.idempotency_key/UserLessonCompletion.idempotency_key در
|
||
content و Order.idempotency_key در payment دارن): چون نتیجه‌ی هر
|
||
«سوال» شاملِ دو ردیفِ Message (کاربر + دستیار) و مصرفِ یک اسلاتِ
|
||
کوتای روزانه‌ست (نه یک ردیفِ تکی مثلِ UserAnswer)، این رکورد پل بین
|
||
(user, Idempotency-Key) و نتیجه‌ی از قبل ساخته‌شده رو نگه می‌داره تا
|
||
رتری/دابل‌کلیکِ همون کلید، دوباره پیام یا کوتای تکراری نسازه و به‌جاش
|
||
نتیجه‌ی همون درخواستِ قبلی برگردونده بشه. UniqueConstraint سطح DB روی
|
||
(user_id, idempotency_key) هم دفاع در عمق در برابر دو submit هم‌زمانِ
|
||
دقیقاً با همون کلیده (مشابه uniq_user_answer_idempotency_key).
|
||
"""
|
||
user_id = models.IntegerField(db_index=True)
|
||
idempotency_key = models.CharField(max_length=100)
|
||
conversation = models.ForeignKey(Conversation, on_delete=models.CASCADE, related_name='+')
|
||
user_message = models.ForeignKey(Message, on_delete=models.CASCADE, related_name='+')
|
||
assistant_message = models.ForeignKey(Message, on_delete=models.CASCADE, related_name='+')
|
||
# ذخیره می‌شه تا replayِ idempotent بتونه بدونِ فراخوانیِ دوباره‌ی
|
||
# generate_tutor_answer همون مقدارِ اصلی رو برگردونه — وقتی provider
|
||
# واقعی جایگزینِ stub بشه، هر replay یعنی هزینه/تأخیرِ تکراری و
|
||
# follow-upهای متفاوت در هر retry، برخلافِ هدفِ idempotency.
|
||
suggested_follow_ups = models.JSONField(default=list)
|
||
created_at = models.DateTimeField(auto_now_add=True)
|
||
|
||
class Meta:
|
||
constraints = [
|
||
models.UniqueConstraint(
|
||
fields=['user_id', 'idempotency_key'],
|
||
name='uniq_ask_idempotency_key',
|
||
),
|
||
]
|
||
|
||
def __str__(self):
|
||
return f"ask-idem-user{self.user_id}-{self.idempotency_key}"
|