Извлечение данных из текста

review = """
Ужасный опыт! Ждал доставку 2 недели вместо обещанных 3 дней.
Когда товар приехал, упаковка была разорвана.
Сам товар рабочий, но осадок остался. Больше не закажу.
"""

# Простой анализ тональности
prompt_simple = f"""
Определи тональность отзыва: позитивный, негативный или нейтральный.
Ответь одним словом.

Отзыв: """{review}"""
"""

# Детальный анализ с эмоциями
prompt_detailed = f"""
Проанализируй отзыв и определи:
1. Общая тональность (позитивный/негативный/нейтральный/смешанный)
2. Эмоции автора (выбери до 3): радость, разочарование, злость,
   удивление, благодарность, раздражение, удовлетворение
3. Уровень эмоциональности (1-5)
4. Вероятность повторной покупки (высокая/средняя/низкая)

Отзыв: """{review}"""

Ответь в формате JSON.
"""

text = """
Вчера встречался с Алексеем Смирновым из Сбербанка.
Обсудили запуск пилота в Q2 2024. Бюджет проекта — около 5 млн рублей.
Следующая встреча запланирована на 20 марта в их офисе на Вавилова, 19.
"""

prompt = f"""
Извлеки из текста следующие сущности:

1. ПЕРСОНЫ: имена людей с их должностями/компаниями
2. ОРГАНИЗАЦИИ: названия компаний
3. ДАТЫ: все упомянутые даты и сроки
4. СУММЫ: денежные суммы с валютой
5. ЛОКАЦИИ: адреса и места

Формат вывода — JSON:
{{
  "persons": [{{"name": "...", "context": "..."}}],
  "organizations": ["..."],
  "dates": [{{"date": "...", "context": "..."}}],
  "amounts": [{{"value": "...", "currency": "...", "context": "..."}}],
  "locations": ["..."]
}}

Текст: """{text}"""
"""

email = """
Здравствуйте! Оформил заказ #12345 три дня назад, оплата прошла,
но статус до сих пор "в обработке". Это нормально?
Очень нужно получить товар до пятницы, это подарок на день рождения.
Можете ускорить отправку? Готов доплатить за срочную доставку.
"""

prompt = f"""
Проанализируй обращение клиента и классифицируй:

1. ТИП ОБРАЩЕНИЯ:
   - вопрос
   - жалоба
   - запрос на изменение
   - благодарность
   - предложение

2. ТЕМА:
   - доставка
   - оплата
   - качество товара
   - возврат
   - техническая проблема
   - другое

3. СРОЧНОСТЬ (1-5):
   1 = не срочно
   5 = критически срочно

4. ЭМОЦИОНАЛЬНЫЙ ФОН:
   - спокойный
   - взволнованный
   - раздражённый
   - агрессивный

5. РЕКОМЕНДУЕМОЕ ДЕЙСТВИЕ:
   Кратко опиши, что должен сделать оператор

Обращение: """{email}"""

Ответь в формате JSON.
"""

def process_customer_request(request_text: str) -> dict:
    prompt = f"""
    Ты — система первичной обработки обращений клиентов.

    Проанализируй обращение и верни JSON:
    {{
      "request_id": null,  // заполнить, если упомянут номер заказа
      "category": "доставка|оплата|товар|возврат|другое",
      "priority": 1-5,
      "sentiment": "positive|negative|neutral",
      "requires_human": true/false,
      "suggested_response": "шаблон ответа, если не требует человека",
      "escalation_reason": "причина эскалации, если requires_human=true",
      "extracted_data": {{
        "order_number": null,
        "product_name": null,
        "issue_date": null
      }}
    }}

    ПРАВИЛА ПРИОРИТЕТА:
    - 5: угроза суда, жалоба в Роспотребнадзор, VIP-клиент
    - 4: финансовые потери клиента, срочная доставка
    - 3: стандартная жалоба
    - 2: вопрос без негатива
    - 1: благодарность, общий вопрос

    Обращение: """{request_text}"""
    """

    # Вызов модели и парсинг результата
    response = call_llm(prompt)
    return json.loads(response)

prompt = f"""
Проанализируй текст и извлеки ВСЮ информацию за один проход:

{{
  "sentiment": {{
    "overall": "positive|negative|neutral|mixed",
    "confidence": 0.0-1.0,
    "emotions": ["список эмоций"]
  }},
  "entities": {{
    "persons": [],
    "organizations": [],
    "dates": [],
    "amounts": [],
    "products": []
  }},
  "classification": {{
    "topic": "основная тема",
    "subtopics": ["подтемы"],
    "intent": "намерение автора"
  }},
  "summary": "краткое содержание в 1-2 предложениях"
}}

Текст: """{text}"""
"""