backend/chat/chatChain.js

import { config } from "../src/config/index.js";
import { chatCompletion, chatCompletionStream } from "../src/services/ollamaClient.js";
import { getRecentMessages } from "../src/services/conversationsService.js";
import { searchDocs } from "../chat/searchChat.js";

const SYSTEM_PROMPT = [
  "Você é o Oráculo, assistente interno da empresa Star.",
  "Responda sempre em português brasileiro de forma completa, clara e bem estruturada.",
  "",
  "FORMATO DAS RESPOSTAS:",
  "- Comece com uma breve introdução de contexto (1-2 frases).",
  "- Organize o conteúdo em seções numeradas com títulos descritivos quando houver múltiplas etapas ou tópicos.",
  "- Use sub-bullets (traço) para detalhar cada item dentro das seções.",
  "- Adicione callouts inline quando relevante: '**Nota:**', '**Atenção:**', '**Dica:**'.",
  "- Quando a resposta envolver configurações, riscos ou detalhes técnicos, inclua uma seção de Dicas ou Avisos ao final.",
  "- Finalize com uma pergunta de engajamento quando puder personalizar mais a resposta com informações adicionais do usuário.",
  "",
  "USO DO CONHECIMENTO:",
  "- Priorize sempre o CONTEXTO fornecido (documentos internos da empresa).",
  "- Quando o CONTEXTO cobrir o tema: baseie-se nele e cite a fonte entre parênteses.",
  "- Quando o CONTEXTO não cobrir ou for insuficiente: use seu conhecimento geral para responder de forma completa — nunca deixe o colaborador sem resposta por falta de documento.",
  "- Nunca invente informações específicas da empresa (processos internos, valores, nomes de pessoas, dados sigilosos).",
  "- Se a pergunta for sobre dado interno específico ausente no CONTEXTO, informe brevemente que não está na base e complemente com o que sabe de forma geral.",
  "",
  "QUALIDADE:",
  "- Prefira respostas detalhadas e completas a respostas curtas.",
  "- Se a pergunta for vaga, forneça uma resposta geral útil E peça esclarecimento ao final.",
  "- Use markdown: **negrito** para termos importantes, listas numeradas para sequências, traços para itens paralelos."
].join("\n");

function buildContextBlock(hits) {
  const lines = [];
  hits.forEach((h, i) => {
    const score = h.score ? ` [relevância: ${(h.score * 100).toFixed(0)}%]` : "";
    const header = `## Fonte ${i + 1}${h.source ? ` — ${h.source}` : ""}${score}`;
    lines.push(header);
    lines.push(h.text);
    lines.push("");
  });
  return lines.join("\n").trim();
}

function buildMessages(message, context, history = []) {
  return [
    { role: "system", content: SYSTEM_PROMPT },
    ...(context ? [{ role: "system", content: `CONTEXTO:\n${context}` }] : []),
    ...history.map((m) => ({ role: m.Role.toLowerCase(), content: m.Content })),
    { role: "user", content: message }
  ];
}

function hitsToSources(hits) {
  return hits.map((h) => ({
    id: h.id,
    source: h.source,
    score: h.score,
    chunkIndex: h.chunkIndex,
    metadata: h.metadata
  }));
}

async function rewriteQuery(query) {
  try {
    const { content } = await chatCompletion({
      messages: [
        {
          role: "system",
          content:
            "Você é um motor de busca interno. Reescreva a pergunta abaixo de forma mais específica e completa para busca em documentos internos de empresa. Responda APENAS com a query reescrita, sem explicações ou formatação extra."
        },
        { role: "user", content: query }
      ]
    });
    return content?.trim() || query;
  } catch {
    return query;
  }
}

async function loadHistory(conversationId) {
  if (!conversationId) return [];
  try {
    return await getRecentMessages(conversationId, 12);
  } catch {
    return [];
  }
}

function buildDefaultOptions(override) {
  const defaults = {
    temperature: config.llm.temperature,
    top_p: config.llm.topP,
    num_predict: config.llm.numPredict,
    repeat_penalty: config.llm.repeatPenalty
  };
  return override && Object.keys(override).length > 0
    ? { ...defaults, ...override }
    : defaults;
}

export async function answerWithContext({ message, conversationId, options }) {
  const searchQuery = config.rag.queryRewrite ? await rewriteQuery(message) : message;
  const hits = await searchDocs({ query: searchQuery, topK: config.rag.topK });
  const context = buildContextBlock(hits);
  const history = await loadHistory(conversationId);
  const messages = buildMessages(message, context, history);
  const completion = await chatCompletion({ messages, options: buildDefaultOptions(options) });

  return {
    answer: completion.content,
    sources: hitsToSources(hits)
  };
}

export async function answerWithContextStream({ message, conversationId, options, onChunk, signal }) {
  const searchQuery = config.rag.queryRewrite ? await rewriteQuery(message) : message;
  const hits = await searchDocs({ query: searchQuery, topK: config.rag.topK });
  const context = buildContextBlock(hits);
  const history = await loadHistory(conversationId);
  const messages = buildMessages(message, context, history);
  const sources = hitsToSources(hits);

  const completion = await chatCompletionStream({ messages, onChunk, signal, options: buildDefaultOptions(options) });

  return {
    answer: completion.content,
    sources
  };
}