Zareian
33d8f43d74
The model ends a shape question with <diagram>{json}</diagram>; rag/services/diagram.py
splits it off before mathtext, validates it against a whitelist and stores it on
Message.diagram (ai_tutor.0006). It reaches the app in the SSE done event and in
conversation history. Prompt tutor-v6-diagrams; a hint next to the question (shape
words only) raised gpt-4.1-mini from 3/12 to 12/12 diagrams, 0/8 on arithmetic.
progress.0005 adds tedi (600 xp) to the companion catalog.
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
69 lines
4.0 KiB
Python
69 lines
4.0 KiB
Python
from rest_framework import serializers
|
|
|
|
|
|
class AskRequestSerializer(serializers.Serializer):
|
|
conversationId = serializers.CharField(required=False, allow_null=True, allow_blank=True)
|
|
lessonId = serializers.CharField(required=False, allow_null=True, allow_blank=True)
|
|
chapterId = serializers.CharField(required=False, allow_null=True, allow_blank=True)
|
|
gradeId = serializers.IntegerField(required=False, allow_null=True)
|
|
questionId = serializers.CharField(required=False, allow_null=True, allow_blank=True)
|
|
# metadataِ retrieval برای لایه‌ی RAG (اپ rag): برای زدن به دیتای واقعیِ
|
|
# کتاب‌ها در Qdrant باید subject (مثلاً «علوم تجربی») + gradeId + lessonNumber
|
|
# همگی مطابقِ دادهٔ موجود ارسال بشن؛ اگه نباشن، پاسخ به‌صورتِ تدریسِ عمومی
|
|
# (بدونِ استناد به کتاب) تولید می‌شه. در ادامه‌ی همون مکالمه لازم نیست
|
|
# دوباره فرستاده بشن (روی Conversation ذخیره می‌شن).
|
|
subject = serializers.CharField(required=False, allow_null=True, allow_blank=True)
|
|
# جزءِ «پایه» در نامِ collectionِ Qdrant (مثلاً «ششم»). اگه بیاد مستقیم
|
|
# استفاده می‌شه؛ اگه نه، از روی gradeId و content.Grade.title / نگاشتِ
|
|
# RAG_GRADE_TITLE_OVERRIDES ساخته می‌شه.
|
|
grade = serializers.CharField(required=False, allow_null=True, allow_blank=True)
|
|
lessonNumber = serializers.IntegerField(required=False, allow_null=True)
|
|
# سقفِ طول: کلِ متن به مدلِ پولی می‌رود؛ بی‌سقف، یک درخواستِ صدهزار نویسه‌ای
|
|
# به‌تنهایی هزینه‌ی صدها سوالِ عادی را داشت.
|
|
userQuestion = serializers.CharField(max_length=2000)
|
|
stream = serializers.BooleanField(required=False, default=False)
|
|
|
|
|
|
class UsedChunkSerializer(serializers.Serializer):
|
|
title = serializers.CharField(allow_blank=True)
|
|
summary = serializers.CharField()
|
|
|
|
|
|
class AskResponseSerializer(serializers.Serializer):
|
|
conversationId = serializers.CharField()
|
|
messageId = serializers.CharField()
|
|
answer = serializers.CharField()
|
|
suggestedFollowUps = serializers.ListField(child=serializers.CharField())
|
|
remainingQuota = serializers.IntegerField()
|
|
diagram = serializers.DictField(required=False, allow_null=True)
|
|
# تکه‌های درسیِ بازیابی‌شده از Qdrant که پاسخ بر پایه‌شون ساخته شده؛
|
|
# خالی یعنی retrieval انجام نشده (نبودِ subject/lessonNumber یا خاموش‌بودنِ RAG).
|
|
usedChunks = UsedChunkSerializer(many=True, required=False, default=list)
|
|
# فقط وقتی DEBUG=True: از کدام collection/فصل چانک‌ها برداشته شد (بازبینیِ داخلی).
|
|
retrievalDebug = serializers.DictField(required=False)
|
|
|
|
|
|
class MessageSerializer(serializers.Serializer):
|
|
messageId = serializers.CharField()
|
|
role = serializers.CharField()
|
|
text = serializers.CharField()
|
|
# شکلِ پاسخ؛ شِمایش در rag/services/diagram.py (plane / numberline / fraction).
|
|
diagram = serializers.DictField(required=False, allow_null=True)
|
|
|
|
|
|
class ConversationMessagesResponseSerializer(serializers.Serializer):
|
|
conversationId = serializers.CharField()
|
|
lessonId = serializers.CharField(allow_null=True)
|
|
messages = MessageSerializer(many=True)
|
|
|
|
|
|
class FeedbackRequestSerializer(serializers.Serializer):
|
|
isHelpful = serializers.BooleanField()
|
|
# اختیاری: «چرا». تنها چیزی که از خودِ 👍/👎 درنمی‌آید و برای اصلاحِ
|
|
# پرامپت واقعاً به کار می‌آید.
|
|
reason = serializers.CharField(max_length=300, required=False, allow_blank=True)
|
|
|
|
|
|
class FeedbackResponseSerializer(serializers.Serializer):
|
|
success = serializers.BooleanField()
|