MathApp/ai_tutor/models.py

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
    # فقط برای پیامِ کاربر: این سوال از کجا پرداخت شد. «free» از سهمیه‌ی روزانه، «credit» از
    # اعتبارِ بسته (subscription.QuestionCredit)، «none» هیچ (رد در صافیِ سرور یا جوابِ کش‌شده که
    # به API نرسید). سهمیه‌ی رایگانِ امروز = تعدادِ «free»های امروز.
    CHARGE_CHOICES = [('free', 'رایگانِ روزانه'), ('credit', 'اعتبارِ بسته'), ('none', 'بی‌هزینه')]
    charge = models.CharField(max_length=6, choices=CHARGE_CHOICES, blank=True, default='')
    created_at = models.DateTimeField(auto_now_add=True)

    # --- حاشیه‌نویسیِ تولید (فقط برای پیام‌های role='assistant') --------------
    # سینیور خواست لایک/دیسلایک بعداً قابلِ تحلیل باشد: «کدام جواب بهتر بوده».
    # فیدبکِ خالی (یک بولین) این را نمی‌گوید — باید بدانیم آن جوابِ خاص با کدام
    # مدل، کدام نسخه‌ی پرامپت و با چه context ای ساخته شده بود. این فیلدها
    # هنگامِ تولید پر می‌شوند، نه هنگامِ فیدبک، تا همه‌ی پاسخ‌ها (حتی آن‌هایی که
    # کسی رأی نداده) قابلِ مقایسه بمانند.
    model_name = models.CharField(max_length=100, blank=True)
    prompt_version = models.CharField(max_length=50, blank=True, db_index=True)
    grade_title = models.CharField(max_length=50, blank=True)
    retrieval_collection = models.CharField(max_length=200, blank=True)
    retrieval_filter_value = models.CharField(max_length=255, blank=True)
    chunk_count = models.PositiveSmallIntegerField(default=0)
    prompt_tokens = models.PositiveIntegerField(default=0)
    completion_tokens = models.PositiveIntegerField(default=0)
    latency_ms = models.PositiveIntegerField(default=0)
    from_cache = models.BooleanField(default=False)
    # شکلِ پاسخ (rag.services.diagram)؛ فقط توصیفِ JSONِ اعتبارسنجی‌شده، نه SVG.
    diagram = models.JSONField(null=True, blank=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()
    # دلیلِ اختیاریِ کاربر. «چرا بد بود» تنها چیزی‌ست که از خودِ عدد درنمی‌آید
    # و برای بهترکردنِ پرامپت واقعاً به کار می‌آید.
    reason = models.CharField(max_length=300, blank=True)
    created_at = models.DateTimeField(auto_now_add=True, null=True)
    updated_at = models.DateTimeField(auto_now=True, null=True)

    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}"