feat: add emoji-regex and remove-accents dependencies; enhance chat and setup pages
- Added `emoji-regex` and `remove-accents` packages to improve text processing capabilities. - Implemented automatic Ollama startup in the chat page for better user experience. - Enhanced setup page to include GPU selection based on hardware specifications. - Updated chat input to support real-time validation and improved user feedback. - Refactored message handling in chat to incorporate new processing features.
This commit is contained in:
1 parent
4275295e4f
commit
84ea2dec19
51 files changed
+7857
-573
No files matched your search
@@ -0,0 +1,261 @@
|
||||
import type { ResearchEntry } from '@/hooks/use-deep-research';
|
||||
import { processContent, type Chunk, type ProcessedContent } from './content-condenser';
|
||||
import { scoreAndSelectChunks } from './relevance-scorer';
|
||||
import { summarizeMarkdown } from './content-condenser';
|
||||
|
||||
export interface CondensationResult {
|
||||
context: string;
|
||||
totalTokens: number;
|
||||
originalTokens: number;
|
||||
compressionRatio: number;
|
||||
chunksUsed: number;
|
||||
chunksTotal: number;
|
||||
method: 'chunks' | 'summarized' | 'fallback';
|
||||
sources: Array<{ title: string; url: string; chunksUsed: number }>;
|
||||
}
|
||||
|
||||
export interface CondensationOptions {
|
||||
maxTokens?: number;
|
||||
minRelevanceScore?: number;
|
||||
autoSummarize?: boolean;
|
||||
summarizeThreshold?: number;
|
||||
fallbackToSummarization?: boolean;
|
||||
}
|
||||
|
||||
const DEFAULT_OPTIONS: Required<CondensationOptions> = {
|
||||
maxTokens: 12000,
|
||||
minRelevanceScore: 0.1,
|
||||
autoSummarize: true,
|
||||
summarizeThreshold: 5000,
|
||||
fallbackToSummarization: true,
|
||||
};
|
||||
|
||||
/**
|
||||
* Estima tokens de um texto (aproximação: 1 token ≈ 4 caracteres)
|
||||
*/
|
||||
function estimateTokens(text: string): number {
|
||||
return Math.ceil(text.length / 4);
|
||||
}
|
||||
|
||||
/**
|
||||
* Sumariza todas as entradas e combina em um único contexto
|
||||
*
|
||||
* @param entries - Entradas da Knowledge Base
|
||||
* @param query - Query do usuário
|
||||
* @param maxSummaryLength - Comprimento máximo de cada sumário
|
||||
* @returns Contexto sumarizado
|
||||
*/
|
||||
function fallbackSummarization(
|
||||
entries: ResearchEntry[],
|
||||
query: string,
|
||||
maxSummaryLength: number = 1500
|
||||
): string {
|
||||
const summaries: string[] = [];
|
||||
|
||||
entries.forEach((entry, idx) => {
|
||||
const summary = summarizeMarkdown(entry.content, maxSummaryLength);
|
||||
summaries.push(
|
||||
`[ID: ${idx + 1}] **${entry.title}**\nURL: ${entry.sourceUrl}\n\n${summary}\n\n---\n\n`
|
||||
);
|
||||
});
|
||||
|
||||
const combined = summaries.join('');
|
||||
return `## KNOWLEDGE BASE (Resumo Condensado)\n\n${combined}`;
|
||||
}
|
||||
|
||||
/**
|
||||
* Condensa Knowledge Base usando chunking inteligente e scoring
|
||||
*
|
||||
* @param entries - Entradas da Knowledge Base
|
||||
* @param query - Query do usuário
|
||||
* @param options - Opções de condensação
|
||||
* @returns Resultado da condensação
|
||||
*/
|
||||
export function condenseKnowledgeBase(
|
||||
entries: ResearchEntry[],
|
||||
query: string,
|
||||
options: CondensationOptions = {}
|
||||
): CondensationResult {
|
||||
const opts = { ...DEFAULT_OPTIONS, ...options };
|
||||
|
||||
if (entries.length === 0) {
|
||||
return {
|
||||
context: '',
|
||||
totalTokens: 0,
|
||||
originalTokens: 0,
|
||||
compressionRatio: 0,
|
||||
chunksUsed: 0,
|
||||
chunksTotal: 0,
|
||||
method: 'fallback',
|
||||
sources: [],
|
||||
};
|
||||
}
|
||||
|
||||
// Calcular tokens originais
|
||||
const originalContent = entries.map(e => e.content).join('\n\n');
|
||||
const originalTokens = estimateTokens(originalContent);
|
||||
|
||||
// Processar cada entrada
|
||||
const allChunks: Chunk[] = [];
|
||||
const processedEntries: Array<{
|
||||
entry: ResearchEntry;
|
||||
processed: ProcessedContent;
|
||||
chunks: Chunk[];
|
||||
}> = [];
|
||||
|
||||
entries.forEach((entry, entryIndex) => {
|
||||
const processed = processContent(entry.content, query, {
|
||||
summarizeThreshold: opts.summarizeThreshold,
|
||||
autoSummarize: opts.autoSummarize,
|
||||
});
|
||||
|
||||
// Atribuir sourceIndex e metadados aos chunks
|
||||
const chunksWithSource = processed.chunks.map((chunk, chunkIdx) => ({
|
||||
...chunk,
|
||||
sourceIndex: entryIndex,
|
||||
sourceUrl: entry.sourceUrl,
|
||||
sourceTitle: entry.title,
|
||||
}));
|
||||
|
||||
processedEntries.push({
|
||||
entry,
|
||||
processed,
|
||||
chunks: chunksWithSource,
|
||||
});
|
||||
|
||||
allChunks.push(...chunksWithSource);
|
||||
});
|
||||
|
||||
// Calcular tokens disponíveis (reservar 20% para margem)
|
||||
const availableTokens = Math.floor(opts.maxTokens * 0.8);
|
||||
|
||||
// Selecionar chunks mais relevantes
|
||||
let selectedChunks = scoreAndSelectChunks(
|
||||
allChunks,
|
||||
query,
|
||||
availableTokens,
|
||||
opts.minRelevanceScore
|
||||
);
|
||||
|
||||
// Se não selecionou chunks suficientes ou método de fallback está ativo
|
||||
let method: 'chunks' | 'summarized' | 'fallback' = 'chunks';
|
||||
let context = '';
|
||||
|
||||
if (selectedChunks.length === 0 && opts.fallbackToSummarization) {
|
||||
// Fallback: sumarizar tudo
|
||||
method = 'fallback';
|
||||
context = fallbackSummarization(entries, query);
|
||||
} else {
|
||||
// Construir contexto a partir dos chunks selecionados
|
||||
const chunksBySource = new Map<number, Chunk[]>();
|
||||
|
||||
selectedChunks.forEach(chunk => {
|
||||
if (!chunksBySource.has(chunk.sourceIndex)) {
|
||||
chunksBySource.set(chunk.sourceIndex, []);
|
||||
}
|
||||
chunksBySource.get(chunk.sourceIndex)!.push(chunk);
|
||||
});
|
||||
|
||||
// Agrupar chunks por fonte
|
||||
const sourceBlocks: string[] = [];
|
||||
const sourceStats: Array<{ title: string; url: string; chunksUsed: number }> = [];
|
||||
|
||||
chunksBySource.forEach((chunks, sourceIndex) => {
|
||||
const entry = entries[sourceIndex];
|
||||
if (!entry) return;
|
||||
|
||||
const sourceChunks = chunks
|
||||
.sort((a, b) => a.startIndex - b.startIndex)
|
||||
.map(c => c.content)
|
||||
.join('\n\n');
|
||||
|
||||
sourceBlocks.push(
|
||||
`[ID: ${sourceIndex + 1}] **${entry.title}**\nURL: ${entry.sourceUrl}\n\n${sourceChunks}\n\n---\n\n`
|
||||
);
|
||||
|
||||
sourceStats.push({
|
||||
title: entry.title,
|
||||
url: entry.sourceUrl,
|
||||
chunksUsed: chunks.length,
|
||||
});
|
||||
});
|
||||
|
||||
context = `## KNOWLEDGE BASE (Verified Sources)\n\n${sourceBlocks.join('')}`;
|
||||
|
||||
// Verificar se contexto excede limite
|
||||
const contextTokens = estimateTokens(context);
|
||||
if (contextTokens > opts.maxTokens && opts.fallbackToSummarization) {
|
||||
// Se ainda exceder, usar sumarização
|
||||
method = 'summarized';
|
||||
context = fallbackSummarization(entries, query);
|
||||
}
|
||||
}
|
||||
|
||||
const totalTokens = estimateTokens(context);
|
||||
const compressionRatio = originalTokens > 0 ? totalTokens / originalTokens : 0;
|
||||
|
||||
return {
|
||||
context: context.trim(),
|
||||
totalTokens,
|
||||
originalTokens,
|
||||
compressionRatio,
|
||||
chunksUsed: selectedChunks.length,
|
||||
chunksTotal: allChunks.length,
|
||||
method,
|
||||
sources: entries.map((entry, idx) => ({
|
||||
title: entry.title,
|
||||
url: entry.sourceUrl,
|
||||
chunksUsed: selectedChunks.filter(c => c.sourceIndex === idx).length,
|
||||
})),
|
||||
};
|
||||
}
|
||||
|
||||
/**
|
||||
* Valida se o contexto condensado contém informações relevantes
|
||||
*
|
||||
* @param result - Resultado da condensação
|
||||
* @param query - Query do usuário
|
||||
* @returns true se válido
|
||||
*/
|
||||
export function validateCondensedContext(
|
||||
result: CondensationResult,
|
||||
query: string
|
||||
): { isValid: boolean; warnings: string[] } {
|
||||
const warnings: string[] = [];
|
||||
|
||||
if (!result.context || result.context.length < 100) {
|
||||
return {
|
||||
isValid: false,
|
||||
warnings: ['Contexto condensado está vazio ou muito curto'],
|
||||
};
|
||||
}
|
||||
|
||||
if (result.chunksUsed === 0 && result.method !== 'fallback') {
|
||||
warnings.push('Nenhum chunk relevante foi selecionado');
|
||||
}
|
||||
|
||||
if (result.compressionRatio > 0.5) {
|
||||
warnings.push(`Alta taxa de compressão (${(result.compressionRatio * 100).toFixed(1)}%) - informações podem ter sido perdidas`);
|
||||
}
|
||||
|
||||
if (result.chunksUsed < result.chunksTotal * 0.3) {
|
||||
warnings.push(`Apenas ${result.chunksUsed} de ${result.chunksTotal} chunks foram selecionados`);
|
||||
}
|
||||
|
||||
// Verificar se query aparece no contexto (básico)
|
||||
const normalizedQuery = query.toLowerCase();
|
||||
const normalizedContext = result.context.toLowerCase();
|
||||
const queryWords = normalizedQuery.split(/\s+/).filter(w => w.length > 3);
|
||||
const matchingWords = queryWords.filter(word => normalizedContext.includes(word));
|
||||
|
||||
if (matchingWords.length < queryWords.length * 0.5) {
|
||||
warnings.push('Poucas palavras-chave da query aparecem no contexto');
|
||||
}
|
||||
|
||||
return {
|
||||
isValid: result.context.length >= 100,
|
||||
warnings,
|
||||
};
|
||||
}
|
||||
|
||||
|
||||
Reference in new issue
Block a user