Upload src/inference_engine_unified.py with huggingface_hub

src/inference_engine_unified.py

@@ -0,0 +1,177 @@
+import asyncio
+from typing import Dict, Any
+
+# --- これまでに実装した全コンポーネントをインポート ---
+from domain_manager import DomainManager
+from backend.iath_db_interface import IathDBInterface
+from backend.deepseek_local_client import DeepSeekLocalClient, DeepSeekConfig
+from layer1_spatial_encoding import SpatialEncodingEngine
+from layer2_episodic_binding import EpisodePalace
+from judge_alpha_lobe import AlpheLobe
+from judge_beta_lobe_advanced import BetaLobeAdvanced
+from judge_correction_flow import JudgeCorrectionFlow
+from layer5_state_management import ExternalState, LayerResetManager
+from hallucination_detector import calculate_hallucination_risk_score
+
+# --- モックオブジェクト（テスト用） ---
+from mock_objects import MockOntology
+
+class InferenceEngine:
+    """
+    Ilm-Athensの全推論レイヤーを統合し、単一のインターフェースを提供するクラス。
+    """
+    def __init__(self, deepseek_config: DeepSeekConfig, db_path: str):
+        """
+        推論エンジンの初期化。すべてのコアコンポーネントをロードします。
+
+        Args:
+            deepseek_config (DeepSeekConfig): DeepSeekローカルクライアントの設定。
+            db_path (str): .iath データベースファイルのパス。
+        """
+        print("--- Ilm-Athens Unified Inference Engine Initializing... ---")
+        # 外部クライアントの初期化
+        self.llm_client = DeepSeekLocalClient(config=deepseek_config)
+        self.db_interface = IathDBInterface(db_file_path=db_path)
+        
+        # マネージャーと汎用コンポーネントの初期化
+        self.domain_manager = DomainManager()
+        self.ontology = MockOntology() # オントロジーはまだモックを使用
+        
+        # セッション管理用のストレージ
+        self.sessions: Dict[str, Dict[str, Any]] = {}
+
+        # DBのロード
+        if not self.db_interface.load_db():
+            print(f"警告: DBファイル '{db_path}' のロードに失敗しました。DBコンテキストなしで動作します。")
+        
+        print("--- Initialization Complete. ---")
+
+    def _get_or_create_session(self, session_id: str) -> Dict[str, Any]:
+        """セッションIDに対応するオブジェクトを取得または新規作成する。"""
+        if session_id not in self.sessions:
+            self.sessions[session_id] = {
+                "episode_palace": EpisodePalace(session_id),
+                "external_state": ExternalState(),
+                "reset_manager": LayerResetManager(self.llm_client)
+            }
+        return self.sessions[session_id]
+
+    async def process_question(
+        self,
+        question: str,
+        session_id: str,
+        domain_id: str = "medical"
+    ) -> Dict[str, Any]:
+        """
+        単一の質問を受け取り、推論から検証までの完全なパイプラインを実行します。
+
+        Args:
+            question (str): ユーザーからの質問。
+            session_id (str): 現在の会話セッションを識別するID。
+            domain_id (str): 使用する知識ドメイン (例: "medical", "legal")。
+
+        Returns:
+            dict: 最終的な処理結果を含む辞書。
+        """
+        print(f"\n--- Processing question in session '{session_id}' for domain '{domain_id}' ---")
+        
+        # 1. セッションオブジェクトを取得
+        session = self._get_or_create_session(session_id)
+        episode_palace: EpisodePalace = session["episode_palace"]
+        external_state: ExternalState = session["external_state"]
+        reset_manager: LayerResetManager = session["reset_manager"]
+
+        # 2. ドメインスキーマと、それに基づくコンポーネントをロード
+        domain_schema = self.domain_manager.get_schema(domain_id)
+        if not domain_schema:
+            return {"status": "error", "message": f"ドメイン '{domain_id}' が見つかりません。"}
+        
+        spatial_encoder = SpatialEncodingEngine(domain_schema, self.ontology)
+        
+        # 3. パイプラインの実行
+        try:
+            # L5: ターン開始時にリセット
+            reset_manager.reset_layer24_for_new_turn()
+            
+            # L5: 前のターンまでのコンテキストを取得
+            session_context = external_state.get_context_for_next_turn()
+            
+            # L1: 質問から座標を抽出
+            coords_info = spatial_encoder.extract_coordinates_from_question(question)
+            db_coordinates = [info['coordinate'] for info in coords_info]
+            
+            # DBからコンテキストを取得
+            db_context = {}
+            if db_coordinates:
+                 tile = await self.db_interface.fetch_async(db_coordinates[0])
+                 if tile:
+                     db_context = {db_coordinates[0]: tile}
+
+            # L4: JudgeFlowをセットア���プ
+            # Note: α-LobeはRunnerEngineなどを内包する概念だが、ここでは直接llm_clientを渡す
+            beta_lobe = BetaLobeAdvanced(self.db_interface, self.ontology)
+            judge_flow = JudgeCorrectionFlow(AlpheLobe(None, None), beta_lobe)
+            # JudgeFlowのalpha_lobeを実際のLLMクライアントに差し替え
+            judge_flow.alpha_lobe.generate_response = self.llm_client.generate_response
+            
+            # JudgeFlowを実行して、生成・検証・修正/再生成を行う
+            final_result = await judge_flow.process_and_correct(
+                question, db_context, session_context
+            )
+            
+            # L2 & L5: ターン結果を記録
+            if final_result.get("status") in ["approved", "corrected"]:
+                response_text = final_result["response"]
+                episode_palace.add_turn(question, response_text, {'referenced_coords': db_coordinates})
+                external_state.add_turn_summary(len(episode_palace.rooms), question, response_text, db_coordinates)
+
+            return final_result
+
+        except Exception as e:
+            import traceback
+            traceback.print_exc()
+            return {"status": "error", "message": str(e)}
+
+# --- 使用例 ---
+async def main():
+    # --- 前提条件 ---
+    # 1. `create_tile_from_topic.py` を実行して、`sample.iath` を作成しておく
+    # 2. バックグラウンドでOllama等のLLMサーバーが起動している
+    
+    # 1. DeepSeekクライアントの設定
+    # ご自身のLLM環境に合わせてURLとモデル名を修正してください
+    config = DeepSeekConfig(
+        api_url="http://localhost:11434",
+        model_name="gemma:2b",
+    )
+    
+    # 2. 推論エンジンを初期化
+    try:
+        engine = InferenceEngine(
+            deepseek_config=config,
+            db_path="心筋梗塞の急性期診断アルゴリズム.iath" # 事前に生成したファイル名
+        )
+    except Exception as e:
+        print(f"エンジンの初期化に失敗しました: {e}")
+        return
+
+    # 3. 複数ターンの会話をシミュレート
+    session_id = "user123_session_xyz"
+    
+    # ターン1
+    question1 = "心筋梗塞の主な原因は何ですか？"
+    response1 = await engine.process_question(question1, session_id, "medical")
+    print("\n--- Turn 1 Final Output ---")
+    print(json.dumps(response1, indent=2, ensure_ascii=False))
+
+    # ターン2
+    question2 = "その治療法について教えてください"
+    response2 = await engine.process_question(question2, session_id, "medical")
+    print("\n--- Turn 2 Final Output ---")
+    print(json.dumps(response2, indent=2, ensure_ascii=False))
+
+if __name__ == "__main__":
+    # このスクリプトを実行する前に、
+    # .venv/bin/python3 create_tile_from_topic.py を実行して、
+    # 「心筋梗塞の急性期診断アルゴリズム.iath」というファイルを作成しておく必要があります。
+    asyncio.run(main())