MathApp/rag/services/qdrant_store.py

"""
لایه‌ی نازک روی Qdrant: ساختِ collection، upsert نقاط، و جستجوی برداری.

برداشتِ پاک‌سازی‌شده از subjects/services/qdrant.py مخزنِ Rag_backend.
هیچ کلاینتِ سطحِ ماژولی ساخته نمی‌شه؛ همه از get_qdrant_client() lazy.
"""
from django.conf import settings

from . import clients


def ensure_collection(name: str, vector_size: int | None = None) -> None:
    client = clients.get_qdrant_client()
    vector_size = vector_size or settings.OPENAI_EMBEDDING_DIM
    existing = {c.name for c in client.get_collections().collections}
    if name in existing:
        return
    from qdrant_client.models import Distance, VectorParams

    client.create_collection(
        collection_name=name,
        vectors_config=VectorParams(size=vector_size, distance=Distance.COSINE),
    )


def upsert_points(collection: str, points: list[dict]) -> int:
    """points: [{id, vector, payload}, ...]"""
    if not points:
        return 0
    client = clients.get_qdrant_client()
    from qdrant_client.models import PointStruct

    structs = [
        PointStruct(id=str(p['id']), vector=p['vector'], payload=p['payload'])
        for p in points
    ]
    client.upsert(collection_name=collection, points=structs, wait=True)
    return len(structs)


def delete_points(collection: str, point_ids: list[str]) -> int:
    """
    پاک‌کردنِ نقاط با شناسه — برای جبرانِ upsertِ نیمه‌کاره.

    `wait=True` در upsert یعنی تایم‌اوتِ کلاینت لزوماً به معنیِ ننوشتنِ Qdrant
    نیست؛ ممکن است نوشته باشد و فقط جوابش دیر رسیده باشد. در آن حالت ردیف‌های
    DB پس گرفته می‌شوند و نقطه‌ها بی‌صاحب می‌مانند. این تابع همان را جمع می‌کند.
    """
    if not point_ids:
        return 0
    client = clients.get_qdrant_client()
    client.delete(collection_name=collection,
                  points_selector=[str(i) for i in point_ids], wait=True)
    return len(point_ids)


def set_payload_fields(collection: str, point_ids: list[str], fields: dict) -> int:
    """
    فقط چند کلیدِ payload را روی نقاطِ موجود می‌نویسد، بدونِ دست زدن به بردار.

    برای همگام‌سازیِ برچسب‌ها همین کافی است و از upsertِ کامل خیلی ارزان‌تر:
    نه بردار دوباره فرستاده می‌شود نه embedding دوباره خریده می‌شود.
    """
    if not point_ids or not fields:
        return 0
    client = clients.get_qdrant_client()
    client.set_payload(
        collection_name=collection,
        payload=fields,
        points=[str(i) for i in point_ids],
        wait=True,
    )
    return len(point_ids)


def search(collection: str, query_vector: list[float], *, lesson_filter_value=None,
           lesson_filter_key: str | None = None, limit: int = 4) -> list[dict]:
    """
    نزدیک‌ترین نقاط به بردارِ پرسش، در صورتِ نیاز محدود به یک درس.
    خروجی: [{score, payload}, ...] — payload همون چیزیه که تیمِ دیگه ذخیره
    کرده (معمولاً شاملِ summary / lesson_title / lesson_number).
    """
    client = clients.get_qdrant_client()
    query_filter = None
    if lesson_filter_value is not None and lesson_filter_key:
        from qdrant_client.models import FieldCondition, Filter, MatchValue

        # دادهٔ تیمِ دیگه lesson_number/chapter را همیشه به‌صورتِ رشته ذخیره
        # کرده ("5")، پس مقدار را به رشته تبدیل می‌کنیم تا فیلتر بخورد.
        query_filter = Filter(should=[
            FieldCondition(key=lesson_filter_key, match=MatchValue(value=str(lesson_filter_value))),
            FieldCondition(key=lesson_filter_key, match=MatchValue(value=lesson_filter_value)),
        ])

    response = client.query_points(
        collection_name=collection,
        query=query_vector,
        limit=limit,
        query_filter=query_filter,
    )
    return [{'score': p.score, 'payload': p.payload or {}} for p in response.points]