from altair import Bin
from numpy import tri
import streamlit as st
import pickle
import json
import os
import random
import time
import re
import hashlib
from typing import List, Dict, Any
from streamlit_chat import message
from dotenv import load_dotenv
from datetime import datetime
from supabase_utils import init_supabase_client, update_user_profile, get_user_profile
from supabase import Client
from sympy import Rem
from PIL import Image
import io
from faster_whisper import WhisperModel
import tempfile
load_dotenv()
# Haystack imports
from haystack import Pipeline, Document
from haystack.document_stores.in_memory import InMemoryDocumentStore
from haystack.components.retrievers.in_memory import InMemoryBM25Retriever, InMemoryEmbeddingRetriever
from haystack.components.builders import PromptBuilder
from haystack.components.embedders import SentenceTransformersDocumentEmbedder, SentenceTransformersTextEmbedder
# Google AI integration - Custom Component
import google.generativeai as genai
from haystack import component, default_from_dict, default_to_dict
@component
class CustomGoogleAIGenerator:
"""
Một component Haystack tùy chỉnh để gọi trực tiếp API Gemini của Google.
"""
def __init__(self, api_key: str, model_name: str = "gemini-1.5-pro"):
self.api_key = api_key
self.model_name = model_name
genai.configure(api_key=self.api_key)
self.safety_settings = [
{"category": "HARM_CATEGORY_HARASSMENT", "threshold": "BLOCK_NONE"},
{"category": "HARM_CATEGORY_HATE_SPEECH", "threshold": "BLOCK_NONE"},
{"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT", "threshold": "BLOCK_NONE"},
{"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_NONE"},
]
self.generation_config = genai.types.GenerationConfig(
temperature=0.2,
max_output_tokens=1024
)
self.model = genai.GenerativeModel(
self.model_name,
generation_config=self.generation_config,
safety_settings=self.safety_settings
)
def to_dict(self):
return default_to_dict(self, api_key=self.api_key, model_name=self.model_name)
@classmethod
def from_dict(cls, data):
return default_from_dict(cls, data)
@component.output_types(replies=List[str])
def run(self, prompt_parts: List[Any]):
"""
Gửi một prompt đa phương thức (văn bản và hình ảnh) đến API Gemini.
"""
try:
processed_parts = []
for part in prompt_parts:
if isinstance(part, bytes):
try:
img = Image.open(io.BytesIO(part))
processed_parts.append(img)
except Exception as e:
print(f"Lỗi khi xử lý ảnh: {e}")
else:
processed_parts.append(part)
response = self.model.generate_content(processed_parts)
return {"replies": [response.text]}
except Exception as e:
return {"replies": [f"Xin lỗi, đã có lỗi xảy ra khi kết nối với mô hình AI."]}
st.set_page_config(
page_title="AI Math Tutor",
page_icon="🤖",
layout="wide",
initial_sidebar_state="expanded",
menu_items={
'About': "Gia sư Toán AI thông minh cho học sinh lớp 9"
}
)
st.markdown("""
""", unsafe_allow_html=True)
# Kiểm tra API key
if "GOOGLE_API_KEY" not in os.environ:
st.error("⚠️ Không tìm thấy API key. Vui lòng cấu hình biến môi trường.")
st.stop()
@st.cache_resource
def load_resources():
"""Load và khởi tạo tất cả tài nguyên của hệ thống"""
# Load documents
try:
with open("embedded_documents.pkl", "rb") as f:
documents = pickle.load(f)
except FileNotFoundError:
st.error("❌ Không tìm thấy dữ liệu học liệu")
st.stop()
# Load videos
try:
with open("videos.json", "r", encoding="utf-8") as f:
videos_data = json.load(f)
except FileNotFoundError:
st.error("❌ Không tìm thấy dữ liệu video")
st.stop()
# Initialize document store
document_store = InMemoryDocumentStore()
document_store.write_documents(documents)
# Initialize components
retriever = InMemoryEmbeddingRetriever(document_store=document_store)
text_embedder = SentenceTransformersTextEmbedder(
model="bkai-foundation-models/vietnamese-bi-encoder"
)
print("DEBUG: Loading Faster Whisper model...")
model_size = "small"
# Chạy trên CPU với INT8 để tối ưu
whisper_model = WhisperModel(model_size, device="cpu", compute_type="int8")
print(f"DEBUG: Faster Whisper model '{model_size}' loaded successfully.")
# Templates
informer_template = """
Bạn là một Gia sư Toán AI chuyên nghiệp. Vai trò của bạn là cung cấp một lời giải hoặc một lời giải thích chi tiết, chính xác và dễ hiểu cho học sinh lớp 9.
**QUY TRÌNH CỦA BẠN:**
1. **Đọc Lịch sử Trò chuyện:** Hiểu rõ bối cảnh và câu hỏi trước đó của học sinh.
2. **Nghiên cứu Tài liệu:** Tham khảo kỹ các thông tin từ sách giáo khoa được cung cấp.
3. **Trả lời câu hỏi cuối cùng:** Dựa vào cả lịch sử và tài liệu, hãy trả lời câu hỏi cuối cùng của học sinh.
**YÊU CẦU TRÌNH BÀY:**
- Sử dụng ngôn ngữ sư phạm, rõ ràng, từng bước một.
- Sử dụng Markdown để định dạng các công thức toán học, các đề mục và nhấn mạnh các điểm quan trọng.
- Luôn trả lời bằng tiếng Việt.
---
**LỊCH SỬ TRÒ CHUYỆN GẦN ĐÂY:**
{{ conversation_history }}
---
**THÔNG TIN SÁCH GIÁO KHOA (TỪ RAG):**
{% for doc in documents %}
{{ doc.content }}
{% endfor %}
---
**Câu hỏi cuối cùng của học sinh:** {{ query }}
**Lời giải chi tiết của bạn:**
"""
practice_template = """
Bạn là một chuyên gia ra đề thi và tư vấn học liệu môn Toán.
**NHIỆM VỤ:**
Dựa trên **chủ đề yếu** của học sinh và **danh sách video** được cung cấp, hãy thực hiện 2 việc:
1. **Tạo 2 Bài tập Mới:**
- Các bài tập phải liên quan trực tiếp đến chủ đề yếu.
- Độ khó tương đương chương trình lớp 9.
- Bài tập phải hoàn toàn mới, không được trùng lặp với các ví dụ phổ biến.
2. **Đề xuất 1 Video Phù hợp nhất:**
- Chọn ra MỘT video từ danh sách có nội dung liên quan chặt chẽ nhất đến chủ đề yếu.
**THÔNG TIN ĐẦU VÀO:**
- **Chủ đề yếu của học sinh:** '{{ student_weakness }}'
- **Danh sách video có sẵn (JSON):** {{ video_cheatsheet_json }}
**YÊU CẦU OUTPUT:**
Trả lời theo định dạng sau (không thêm lời dẫn):
🎯 **BÀI TẬP CỦNG CỐ**
**Bài 1:** [Nội dung câu hỏi bài tập 1]
**Bài 2:** [Nội dung câu hỏi bài tập 2]
📹 **VIDEO ĐỀ XUẤT**
**[Tên video]**
🎬 Link: https://www.youtube.com/playlist?list=PL5q2T2FxzK7XY4s9FqDi6KCFEpGr2LX2D
"""
insight_template = """
Bạn là một chuyên gia phân tích giáo dục. Nhiệm vụ của bạn là đọc kỹ đoạn hội thoại và xác định chính xác những khái niệm toán học mà học sinh đang hiểu sai.
**HƯỚNG DẪN:**
- Đọc kỹ toàn bộ hội thoại.
- Tập trung vào những câu hỏi hoặc nhận định của 'User' thể hiện sự nhầm lẫn hoặc thiếu kiến thức.
- Dựa trên sự nhầm lẫn đó, xác định khái niệm toán học cốt lõi bị hiểu sai.
- Chỉ trả lời bằng một đối tượng JSON duy nhất theo định dạng sau. Không thêm bất kỳ giải thích hay văn bản nào khác.
**VÍ DỤ:**
---
Hội thoại:
User: hệ thức Vi-ét dùng để làm gì?
Assistant: ...
User: vậy nếu phương trình vô nghiệm thì vẫn tính tổng và tích các nghiệm được đúng không?
---
JSON Output:
{"misunderstood_concepts": ["điều kiện áp dụng hệ thức Vi-ét"], "sentiment": "confused"}
---
**BÂY GIỜ, HÃY PHÂN TÍCH HỘI THOẠI SAU:**
**Hội thoại:**
{{ conversation_history }}
**JSON Output:**
"""
verifier_template = """Bin là một người kiểm định chất lượng toán học cực kỳ khó tính và chính xác.
Nhiệm vụ của bạn là kiểm tra xem lời giải được đề xuất có hoàn toàn đúng về mặt toán học và logic hay không.
**Câu hỏi của học sinh:** {{ query }}
**Lời giải được đề xuất:** {{ informer_answer }}
**YÊU CẦU:**
Hãy kiểm tra từng bước, từng công thức và kết quả cuối cùng. Sau đó, chỉ trả lời bằng một đối tượng JSON duy nhất theo định dạng sau.
**JSON Output:**
{"is_correct": [true hoặc false], "correction_suggestion": "[Nếu sai, hãy giải thích ngắn gọn và chính xác lỗi sai nằm ở đâu. Nếu đúng, để trống chuỗi này.]"}
"""
intent_template = """
Bạn là một hệ thống phân loại ý định cực kỳ chính xác. Dựa vào câu hỏi cuối cùng của người dùng, hãy phân loại nó vào MỘT trong các loại sau.
**ĐỊNH NGHĨA CÁC LOẠI:**
- 'greeting_social': Chào hỏi, xã giao, cảm ơn, tạm biệt.
- 'math_question': Bất kỳ câu hỏi nào liên quan trực tiếp đến kiến thức toán học, bao gồm giải bài tập, tính toán, hỏi định nghĩa, hỏi công thức, hỏi tính chất.
- 'request_for_practice': Yêu cầu bài tập luyện tập, muốn thực hành.
- 'expression_of_stress': Biểu hiện căng thẳng, mệt mỏi, nản lòng.
- 'study_support': Hỏi về phương pháp học chung, cách để tiến bộ, tìm kiếm động lực.
- 'off_topic': Chủ đề hoàn toàn không liên quan đến học tập.
**VÍ DỤ:**
---
User: Chào bạn
Phân loại: greeting_social
---
User: Giải giúp mình phương trình x^2 + 5x - 6 = 0
Phân loại: math_question
---
User: hệ thức Vi-ét dùng để làm gì? <-- VÍ DỤ MỚI QUAN TRỌNG
Phân loại: math_question
---
User: Bài này khó quá, mình nản thật
Phân loại: expression_of_stress
---
User: Có bài nào tương tự để mình luyện tập thêm không?
Phân loại: request_for_practice
---
User: Làm sao để học tốt môn hình học không gian?
Phân loại: study_support
---
User: Giá vàng hôm nay bao nhiêu?
Phân loại: off_topic
---
**Bây giờ, hãy phân loại lịch sử chat sau. Chỉ trả về MỘT từ duy nhất.**
**Lịch sử chat:**
{{ conversation_history }}
**Phân loại:**
"""
# --- TEMPLATES CHO TUTOR AGENT ---
# Prompt tổng quát định hình vai trò và tính cách
tutor_master_prompt = """
Bạn là một Gia sư Toán AI, một người bạn đồng hành học tập thông minh, thấu cảm và chuyên nghiệp.
Vai trò của bạn là phản hồi lại học sinh một cách phù hợp nhất dựa trên ý định của họ.
Luôn sử dụng ngôn ngữ tích cực, khuyến khích và thân thiện. Luôn trả lời bằng tiếng Việt.
"""
# Prompt cho intent 'greeting_social'
greeting_template = """
{{ master_prompt }}
**Bối cảnh:** Học sinh đang bắt đầu cuộc trò chuyện hoặc nói những câu xã giao (chào hỏi, cảm ơn).
**Nhiệm vụ:** Hãy phản hồi lại một cách thân thiện, tự nhiên và mời gọi họ bắt đầu buổi học.
**Lịch sử chat gần đây:**
{{ conversation_history }}
**Lời chào thân thiện của bạn:**
"""
# Prompt cho intent 'expression_of_stress'
stress_template = """
{{ master_prompt }}
**Bối cảnh:** Học sinh đang thể hiện sự căng thẳng, mệt mỏi hoặc nản lòng về việc học.
**NHIỆM VỤ CỰC KỲ QUAN TRỌNG:**
1. **Đồng cảm:** Thể hiện rằng bạn hiểu cảm giác của họ.
2. **Bình thường hóa:** Cho họ biết rằng cảm giác này là bình thường.
3. **Gợi ý giải pháp AN TOÀN:** Đề xuất những hành động đơn giản như nghỉ ngơi, hít thở sâu.
4. **TUYỆT ĐỐI KHÔNG:** Đóng vai chuyên gia tâm lý, không đưa ra lời khuyên phức tạp.
**Lịch sử chat gần đây:**
{{ conversation_history }}
**Lời động viên an toàn và thấu cảm của bạn:**
"""
# Prompt cho intent 'study_support'
support_template = """
{{ master_prompt }}
**Bối cảnh:** Học sinh đang hỏi về phương pháp học tập, cách để tiến bộ hoặc tìm kiếm động lực.
**Nhiệm vụ:** Hãy đưa ra những lời khuyên chung, hữu ích và mang tính động viên về việc học Toán. Bạn có thể gợi ý về các chức năng của mình (giải bài tập, tạo luyện tập,...).
**Lịch sử chat gần đây:**
{{ conversation_history }}
**Lời khuyên và hỗ trợ của bạn:**
"""
# Prompt cho intent 'off_topic'
off_topic_template = """
{{ master_prompt }}
**Bối cảnh:** Học sinh đang hỏi một câu hoàn toàn không liên quan đến toán học hoặc học tập.
**Nhiệm vụ:** Hãy lịch sự từ chối trả lời và nhẹ nhàng hướng cuộc trò chuyện quay trở lại chủ đề chính là học Toán.
**Lịch sử chat gần đây:**
{{ conversation_history }}
**Lời từ chối khéo léo của bạn:**
"""
# Create prompt builders
informer_prompt_builder = PromptBuilder(template=informer_template, required_variables=["documents", "query", "conversation_history"])
practice_prompt_builder = PromptBuilder(template=practice_template, required_variables=["student_weakness", "video_cheatsheet_json"])
insight_prompt_builder = PromptBuilder(template=insight_template, required_variables=["conversation_history"])
verifier_prompt_builder = PromptBuilder(template=verifier_template, required_variables=["query", "informer_answer"])
intent_prompt_builder = PromptBuilder(template=intent_template, required_variables=["conversation_history"])
greeting_prompt_builder = PromptBuilder(template=greeting_template, required_variables=["master_prompt", "conversation_history"])
stress_prompt_builder = PromptBuilder(template=stress_template, required_variables=["master_prompt", "conversation_history"])
support_prompt_builder = PromptBuilder(template=support_template, required_variables=["master_prompt", "conversation_history"])
off_topic_prompt_builder = PromptBuilder(template=off_topic_template, required_variables=["master_prompt", "conversation_history"])
# Create generator
generator = CustomGoogleAIGenerator(api_key=os.getenv("GOOGLE_API_KEY"))
return {
"informer_prompt_builder": informer_prompt_builder,
"generator": generator,
"practice_prompt_builder": practice_prompt_builder,
"insight_prompt_builder": insight_prompt_builder,
"verifier_prompt_builder": verifier_prompt_builder,
"intent_prompt_builder": intent_prompt_builder,
"videos_data": videos_data,
"document_store": document_store,
"tutor_master_prompt": tutor_master_prompt,
"greeting_prompt_builder": greeting_prompt_builder,
"stress_prompt_builder": stress_prompt_builder,
"support_prompt_builder": support_prompt_builder,
"off_topic_prompt_builder": off_topic_prompt_builder,
"retriever": retriever,
"text_embedder": text_embedder,
"whisper_model": whisper_model
}
def transcribe_audio(audio_file, whisper_model: WhisperModel) -> str:
"""
Nhận audio file từ st.audio_input và chuyển đổi thành văn bản bằng Faster Whisper.
Phiên bản được cập nhật cho môi trường deployment.
"""
if not audio_file:
return ""
tmp_file_path = ""
try:
# Đọc audio file từ st.audio_input (UploadedFile object)
audio_bytes = audio_file.read()
with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as tmpfile:
tmpfile.write(audio_bytes)
tmp_file_path = tmpfile.name
print(f"DEBUG: [Whisper] Audio saved to temp file: {tmp_file_path}")
print(f"DEBUG: [Whisper] Transcribing audio from: {tmp_file_path}")
segments, info = whisper_model.transcribe(tmp_file_path, beam_size=5, language="vi")
print(f"DEBUG: [Whisper] Detected language: {info.language} with probability {info.language_probability}")
transcribed_text = " ".join(segment.text for segment in segments)
print(f"DEBUG: [Whisper] Transcribed text: '{transcribed_text}'")
return transcribed_text.strip()
except Exception as e:
st.error(f"Lỗi khi xử lý giọng nói: {e}")
return ""
finally:
if tmp_file_path and os.path.exists(tmp_file_path):
os.remove(tmp_file_path)
print(f"DEBUG: [Whisper] Cleaned up temp file: {tmp_file_path}")
def classify_intent(conversation_history: str, resources: Dict) -> str:
"""Phân loại ý định người dùng"""
valid_intents = ['greeting_social', 'math_question', 'request_for_practice', 'expression_of_stress', 'study_support', 'off_topic']
try:
prompt_builder = resources["intent_prompt_builder"]
prompt_text = prompt_builder.run(conversation_history=conversation_history)["prompt"]
result = resources["generator"].run(prompt_parts=[prompt_text])
intent = result["replies"][0].strip().lower()
user_input_debug = "N/A"
if 'User: ' in conversation_history:
lines = conversation_history.split('\n')
for line in reversed(lines):
if line.strip().startswith('User: '):
user_input_debug = line.replace('User: ', '').strip()
break
print(f"DEBUG - User input: {user_input_debug}")
print(f"DEBUG - Classified intent: {intent}")
if intent not in valid_intents:
math_keywords = ['giải', 'tính', 'phương trình', 'bài tập', 'toán', 'xác suất', 'thống kê', 'hình học', 'đại số']
user_input_for_fallback = "N/A"
if 'User: ' in conversation_history:
lines = conversation_history.split('\n')
for line in reversed(lines):
if line.strip().startswith('User: '):
user_input_for_fallback = line.replace('User: ', '').strip()
break
if any(keyword in user_input_for_fallback.lower() for keyword in math_keywords):
intent = 'math_question'
else:
intent = 'greeting_social'
return intent
except Exception as e:
print(f"DEBUG - Intent classification error: {e}")
return 'greeting_social'
def informer_agent(query: str, conversation_history_str: str, resources: Dict) -> str:
"""Agent giải toán dựa trên RAG"""
try:
result = resources["informer_pipeline"].run({
"text_embedder": {"text": query},
"prompt_builder": {"query": query, "conversation_history": conversation_history_str}
})
return result["generator"]["replies"][0]
except:
return "Xin lỗi, tôi không thể giải bài này lúc này."
def verifier_agent(query: str, informer_answer: str, resources: Dict) -> Dict:
"""Agent kiểm tra tính đúng đắn"""
try:
prompt_text = resources["verifier_prompt_builder"].run(query=query, informer_answer=informer_answer)["prompt"]
result = resources["generator"].run(prompt_parts=[prompt_text])
llm_reply_string = result["replies"][0]
json_match = re.search(r"\{.*\}", llm_reply_string, re.DOTALL)
if json_match:
return json.loads(json_match.group(0))
else:
return {"is_correct": True, "correction_suggestion": "Lỗi parse verifier"}
except Exception as e:
print(f"ERROR: [Verifier Agent] Lỗi: {e}")
return {"is_correct": True, "correction_suggestion": ""}
def insight_agent(conversation_history: str, resources: Dict) -> Dict:
"""Agent phân tích điểm yếu, với logic trích xuất JSON thông minh."""
try:
prompt_builder = resources["insight_prompt_builder"]
prompt_text = prompt_builder.run(conversation_history=conversation_history)["prompt"]
print("\n" + "="*50)
print(prompt_text)
print("="*50 + "\n")
result = resources["generator"].run(prompt_parts=[prompt_text])
llm_reply = result["replies"][0]
json_match = re.search(r"\{.*\}", llm_reply, re.DOTALL)
if json_match:
json_string = json_match.group(0)
return json.loads(json_string)
else:
return {"misunderstood_concepts": [], "sentiment": "neutral"}
except json.JSONDecodeError as e:
return {"misunderstood_concepts": [], "sentiment": "neutral"}
except Exception as e:
return {"misunderstood_concepts": [], "sentiment": "neutral"}
def practice_agent(student_weakness: str, resources: Dict) -> str:
"""Agent tạo bài tập"""
try:
video_cheatsheet = []
for video in resources["videos_data"]:
video_cheatsheet.append({
"title": video["title"],
"keywords": video["keywords"],
"summary": video["summary_for_llm"]
})
video_json = json.dumps(video_cheatsheet, ensure_ascii=False)
prompt_text = resources["practice_prompt_builder"].run(
student_weakness=student_weakness,
video_cheatsheet_json=video_json
)["prompt"]
result = resources["generator"].run(prompt_parts=[prompt_text])
return result["replies"][0]
except:
return "Xin lỗi, tôi không thể tạo bài tập lúc này."
def problem_solving_engine(
query_text: str,
query_image: bytes,
conversation_history_str: str,
resources: Dict
) -> str:
"""
Cỗ máy giải quyết vấn đề đa năng, TÁI SỬ DỤNG informer_prompt_builder.
"""
print("DEBUG: Multimodal Problem-Solving Engine activated.")
try:
extracted_text_from_image = ""
if query_image:
print("DEBUG: [Stage 1] Image detected. Calling Gemini for OCR...")
try:
ocr_prompt_parts = [
"Bạn là một hệ thống OCR toán học siêu chính xác. Hãy đọc và trích xuất toàn bộ văn bản từ hình ảnh sau đây. Chỉ trả về phần văn bản được trích xuất.",
query_image
]
ocr_result = resources["generator"].run(prompt_parts=ocr_prompt_parts)
extracted_text_from_image = ocr_result["replies"][0]
print(f"DEBUG: [Stage 1] Text extracted from image: '{extracted_text_from_image}'")
except Exception as e:
print(f"ERROR: [Stage 1] OCR failed: {e}")
extracted_text_from_image = "Không thể đọc được nội dung từ hình ảnh."
full_query_text = (query_text + " " + extracted_text_from_image).strip()
print(f"DEBUG: [Stage 1.5] Full query text: '{full_query_text}'")
context_docs = []
if full_query_text:
try:
print("DEBUG: [Stage 2] Starting RAG retrieval...")
embedding = resources["text_embedder"].run(text=full_query_text)["embedding"]
print("DEBUG: [Stage 2] Embedding created successfully")
context_docs = resources["retriever"].run(query_embedding=embedding)["documents"]
print(f"DEBUG: [Stage 2] Retrieved {len(context_docs)} documents")
except Exception as e:
print(f"ERROR: [Stage 2] RAG retrieval failed: {e}")
context_docs = []
print("DEBUG: [Stage 3] Building final prompt...")
try:
informer_prompt_builder = resources["informer_prompt_builder"]
print("DEBUG: [Stage 3a] Got informer_prompt_builder")
text_prompt_result = informer_prompt_builder.run(
query=query_text if query_text else "Giải bài toán trong hình.",
conversation_history=conversation_history_str,
documents=context_docs
)
print("DEBUG: [Stage 3a] Prompt builder ran successfully")
text_part = text_prompt_result["prompt"]
print(f"DEBUG: [Stage 3a] Generated text prompt length: {len(text_part)} chars")
except Exception as e:
print(f"ERROR: [Stage 3a] Prompt building failed: {e}")
# Fallback to simple prompt
text_part = f"""Bạn là gia sư toán AI. Hãy giải bài toán sau:
Câu hỏi: {query_text if query_text else "Giải bài toán trong hình"}
Nội dung từ hình: {extracted_text_from_image}
Lịch sử: {conversation_history_str}
Hãy trả lời chi tiết bằng tiếng Việt:"""
final_prompt_parts = [text_part]
if query_image:
final_prompt_parts.append("\n**Hình ảnh đính kèm:**")
final_prompt_parts.append(query_image)
print(f"DEBUG: [Stage 3b] Final prompt parts count: {len(final_prompt_parts)}")
print("DEBUG: [Stage 4] Calling Gemini for final answer...")
try:
final_result = resources["generator"].run(prompt_parts=final_prompt_parts)
informer_answer = final_result["replies"][0]
print(f"DEBUG: [Stage 4] Got answer, length: {len(informer_answer)} chars")
except Exception as e:
print(f"ERROR: [Stage 4] Gemini call failed: {e}")
return f"Xin lỗi, tôi không thể xử lý câu hỏi này lúc này. Lỗi: {str(e)}"
try:
print("DEBUG: [Stage 5] Starting verification...")
verification_query = full_query_text if full_query_text else "Phân tích bài toán trong hình ảnh"
verification = verifier_agent(verification_query, informer_answer, resources)
print(f"DEBUG: [Stage 5] Verification result: {verification}")
if verification.get("is_correct", True):
return informer_answer
else:
correction = verification.get("correction_suggestion", "")
return f"🔍 Tôi đã xem xét lại và thấy có một chút chưa chính xác. {correction}"
except Exception as e:
print(f"ERROR: [Stage 5] Verification failed: {e}")
return informer_answer
except Exception as e:
print(f"ERROR: [Problem-Solving Engine] Critical error: {str(e)}")
import traceback
print(f"ERROR: [Problem-Solving Engine] Traceback: {traceback.format_exc()}")
return f"Xin lỗi, đã có lỗi nghiêm trọng khi xử lý yêu cầu: {str(e)}"
def tutor_agent_response(user_input: str, intent: str, conversation_history_str: str, resources: Dict, supabase: Client, user_id: str, display_name: str) -> str:
"""
Agent chính, bây giờ CHỈ xử lý các intent giao tiếp.
Các câu hỏi toán học đã được xử lý bởi problem_solving_engine.
"""
print(f"DEBUG: Tutor Agent is handling a communication intent: '{intent}'")
if intent == "greeting_social":
prompt_builder = resources["greeting_prompt_builder"]
elif intent == "expression_of_stress":
prompt_builder = resources["stress_prompt_builder"]
elif intent == "study_support":
prompt_builder = resources["support_prompt_builder"]
elif intent == "request_for_practice":
print("DEBUG: Tutor Agent is triggering the Practice Flow.")
insights = insight_agent(conversation_history_str, resources)
if insights and insights.get("misunderstood_concepts"):
weakness = insights["misunderstood_concepts"][0]
return practice_agent(weakness, resources)
else:
return practice_agent("các chủ đề toán lớp 9 tổng quát", resources)
else:
prompt_builder = resources["off_topic_prompt_builder"]
try:
prompt_text = prompt_builder.run(
master_prompt=resources["tutor_master_prompt"],
conversation_history=conversation_history_str
)["prompt"]
result = resources["generator"].run(prompt_parts=[prompt_text])
return result["replies"][0]
except Exception as e:
print(f"ERROR: Could not generate response for intent '{intent}': {e}")
return "Rất xin lỗi, tôi đang gặp một chút sự cố."
def render_chat_message(content: str, is_user: bool, key: str, image: bytes = None):
"""Render tin nhắn chat, có thể kèm ảnh."""
css_class = "user-message" if is_user else "bot-message"
if image:
st.image(image, width=250)
if content:
# Xử lý format text để tránh hiển thị rời rạc
cleaned_content = content.strip()
# Tách thành các paragraph dựa trên line breaks kép
paragraphs = cleaned_content.split('\n\n')
formatted_paragraphs = []
for paragraph in paragraphs:
if paragraph.strip():
# Xử lý từng paragraph
lines = paragraph.split('\n')
# Ghép các dòng trong cùng paragraph lại với nhau
# Chỉ thêm space nếu dòng không kết thúc bằng dấu câu
formatted_lines = []
for line in lines:
line = line.strip()
if line:
# Nếu dòng kết thúc bằng dấu câu, không thêm space
if line.endswith(('.', ',', ':', ';', '!', '?')):
formatted_lines.append(line)
else:
# Nếu không kết thúc bằng dấu câu, thêm space để ghép với dòng tiếp theo
formatted_lines.append(line + ' ')
# Ghép các dòng trong paragraph
paragraph_text = ''.join(formatted_lines)
# Xử lý khoảng trắng thừa
paragraph_text = ' '.join(paragraph_text.split())
formatted_paragraphs.append(paragraph_text)
# Ghép các paragraph lại với line break
final_content = '\n\n'.join(formatted_paragraphs)
# Sử dụng markdown để render với format đúng
st.markdown(f'{final_content}
', unsafe_allow_html=True)
def should_trigger_proactive_practice(conversation_history: List[Dict[str, str]]) -> bool:
"""
Kiểm tra xem có nên kích hoạt luồng luyện tập chủ động không
bằng cách đếm số lượng intent 'math_question' đã được lưu.
"""
print("\n--- DEBUG: [should_trigger_proactive_practice] Bắt đầu kiểm tra điều kiện ---")
if len(conversation_history) < 6:
print("DEBUG: Kích hoạt = False. Lý do: Lịch sử chat quá ngắn.")
return False
user_intents = [msg['intent'] for msg in conversation_history if msg['role'] == 'user'][-3:]
if len(user_intents) < 3:
print("DEBUG: Kích hoạt = False. Lý do: Không có đủ 3 lượt tương tác từ người dùng.")
return False
print(f"DEBUG: Phân tích 3 intent gần nhất của người dùng: {user_intents}")
math_question_count = user_intents.count('math_question')
should_trigger = math_question_count >= 2
print(f"DEBUG: Tổng số intent 'math_question': {math_question_count}/3.")
print(f"DEBUG: Kích hoạt = {should_trigger}.")
print("--- KẾT THÚC KIỂM TRA ---")
return should_trigger
def show_typing_indicator():
"""Hiển thị indicator khi bot đang suy nghĩ"""
return st.markdown('''
''', unsafe_allow_html=True)
def handle_modern_auth(supabase: Client):
"""Xử lý authentication với UI hiện đại"""
# Kiểm tra session
try:
session = supabase.auth.get_session()
if session and session.user and session.user.email_confirmed_at:
if "user" not in st.session_state:
st.session_state.user = session.user
except:
if "user" in st.session_state:
del st.session_state.user
# Nếu chưa đăng nhập
if "user" not in st.session_state or st.session_state.user is None:
# Welcome message
st.markdown('''
🤖 Chào mừng đến với Gia sư AI
Hệ thống gia sư Toán thông minh với 5 AI Agent chuyên nghiệp
Đăng nhập để bắt đầu hành trình học tập cá nhân hóa
''', unsafe_allow_html=True)
# Auth tabs
tab1, tab2 = st.tabs(["🔑 Đăng nhập", "📝 Đăng ký"])
with tab1:
with st.form("login_form"):
st.subheader("Đăng nhập tài khoản")
email = st.text_input("📧 Email", placeholder="example@email.com")
password = st.text_input("🔒 Mật khẩu", type="password")
login_btn = st.form_submit_button("Đăng nhập", use_container_width=True)
if login_btn:
if email and password:
try:
response = supabase.auth.sign_in_with_password({"email": email, "password": password})
if response.user and response.user.email_confirmed_at:
st.session_state.user = response.user
st.success("✅ Đăng nhập thành công!")
time.sleep(1)
st.rerun()
else:
st.warning("⚠️ Vui lòng xác thực email trước khi đăng nhập!")
except Exception as e:
if "invalid login credentials" in str(e).lower():
st.error("❌ Email hoặc mật khẩu không đúng")
else:
st.error(f"❌ Lỗi đăng nhập: {str(e)}")
else:
st.warning("⚠️ Vui lòng nhập đầy đủ thông tin")
with tab2:
with st.form("register_form"):
st.subheader("Tạo tài khoản mới")
display_name = st.text_input("👤 Tên của bạn", placeholder="Nguyễn Văn A")
new_email = st.text_input("📧 Email", placeholder="example@email.com")
new_password = st.text_input("🔒 Mật khẩu", type="password")
register_btn = st.form_submit_button("Đăng ký", use_container_width=True)
if register_btn:
if display_name and new_email and new_password:
try:
# --- THAY ĐỔI 3: GỬI KÈM TÊN TRONG OPTIONS ---
response = supabase.auth.sign_up({
"email": new_email,
"password": new_password,
"options": {
"data": {
"display_name": display_name
}
}
})
if response.user:
st.success("🎉 Đăng ký thành công!")
st.info("📧 Vui lòng kiểm tra email để xác thực tài khoản")
except Exception as e:
if "already registered" in str(e).lower():
st.error("❌ Email đã được đăng ký")
else:
st.error(f"❌ Lỗi đăng ký: {str(e)}")
else:
st.warning("⚠️ Vui lòng nhập đầy đủ Tên, Email và Mật khẩu")
# Feature showcase
st.subheader("🚀 Tính năng nổi bật")
col1, col2 = st.columns(2)
with col1:
st.markdown('''
🧠 5 AI Agent thông minh
Hệ thống đa tác nhân chuyên nghiệp cho trải nghiệm học tập tối ưu
''', unsafe_allow_html=True)
st.markdown('''
📚 Dựa trên SGK chính thức
Nội dung chuẩn theo chương trình Toán lớp 9
''', unsafe_allow_html=True)
with col2:
st.markdown('''
🎯 Học tập cá nhân hóa
Phân tích điểm yếu và đề xuất bài tập phù hợp
''', unsafe_allow_html=True)
st.markdown('''
🎥 Video bài giảng
Kho video phong phú với lời giải chi tiết
''', unsafe_allow_html=True)
return False
return True
def main():
"""Hàm chính của ứng dụng"""
# Khởi tạo Supabase
supabase = init_supabase_client()
if not handle_modern_auth(supabase):
return
# Nếu đã đăng nhập, lấy thông tin user
user = st.session_state.user
user_id = user.id
display_name = user.user_metadata.get("display_name", user.email)
with st.spinner("🚀 Đang khởi tạo hệ thống AI..."):
resources = load_resources()
# --- Giao diện chính sau khi đăng nhập ---
# Header
st.markdown(f'''
🤖 Gia sư Toán AI
● Online - Sẵn sàng hỗ trợ {display_name}
''', unsafe_allow_html=True)
# Khởi tạo session state cho cuộc trò chuyện
if "messages" not in st.session_state:
st.session_state.messages = []
# Thêm tin nhắn chào mừng đầu tiên
welcome_msg = "Xin chào! Tôi là gia sư AI của bạn 😊. Hôm nay chúng ta cùng học Toán nhé!"
st.session_state.messages.append({"role": "assistant", "content": welcome_msg, "intent": "greeting_social"})
# Khởi tạo session state để theo dõi audio đã xử lý
if "processed_audio_ids" not in st.session_state:
st.session_state.processed_audio_ids = set()
# Container để chứa các tin nhắn chat
chat_placeholder = st.container()
with chat_placeholder:
for i, msg_data in enumerate(st.session_state.messages):
is_user = msg_data["role"] == "user"
# Sử dụng hàm render tùy chỉnh
render_chat_message(msg_data["content"], is_user, key=f"msg_{i}")
# Audio input section with better error handling
st.markdown("#### Hoặc ghi âm giọng nói:")
# Check if running in secure context for microphone access
audio_input = None
try:
# Use Streamlit's built-in audio_input which is more stable
audio_input = st.audio_input("🎤 Nhấn để ghi âm", help="Ghi âm câu hỏi của bạn bằng tiếng Việt")
except Exception as e:
st.warning("⚠️ Không thể truy cập microphone. Vui lòng sử dụng form nhập text bên dưới.")
print(f"DEBUG: Audio input error: {e}")
# 2. Form Nhập liệu cho Text và Ảnh
with st.form(key="chat_form", clear_on_submit=True):
# Chia layout
col1, col2 = st.columns([1, 4])
with col1:
uploaded_image = st.file_uploader("Đính kèm ảnh", type=["png", "jpg", "jpeg"], label_visibility="collapsed")
with col2:
user_text = st.text_input("Nhập câu hỏi của bạn...", placeholder="Nhập câu hỏi hoặc mô tả cho ảnh...", label_visibility="collapsed")
submit_button = st.form_submit_button(label="Gửi")
final_user_text = ""
final_image_data = None
# Handle audio input if available - với logic tránh xử lý lặp lại
if audio_input is not None:
# Tạo unique ID cho audio file dựa trên file_id và size
audio_id = f"{audio_input.file_id}_{audio_input.size}" if hasattr(audio_input, 'file_id') and hasattr(audio_input, 'size') else f"{id(audio_input)}_{len(audio_input.getvalue())}"
# Chỉ xử lý nếu audio này chưa được xử lý
if audio_id not in st.session_state.processed_audio_ids:
with st.spinner("🎧 Đang xử lý giọng nói..."):
transcribed_text = transcribe_audio(audio_input, resources["whisper_model"])
if transcribed_text and transcribed_text.strip() and len(transcribed_text.strip()) > 1:
final_user_text = transcribed_text
st.success(f"✅ Đã nhận diện: {transcribed_text}")
# Đánh dấu audio này đã được xử lý
st.session_state.processed_audio_ids.add(audio_id)
else:
st.warning("⚠️ Không nhận diện được nội dung. Vui lòng thử lại hoặc sử dụng text input.")
# Vẫn đánh dấu để tránh xử lý lại
st.session_state.processed_audio_ids.add(audio_id)
else:
# Audio đã được xử lý, không làm gì cả
print(f"DEBUG: Audio {audio_id} đã được xử lý trước đó, bỏ qua.")
# Handle form submission
elif submit_button:
final_user_text = user_text
if uploaded_image:
final_image_data = uploaded_image.getvalue()
if final_user_text or final_image_data:
st.session_state.messages.append({
"role": "user",
"content": final_user_text,
"image": final_image_data,
"intent": "unknown"
})
with chat_placeholder:
render_chat_message(final_user_text, is_user=True, image=final_image_data, key=f"user_{len(st.session_state.messages)}")
history_str_for_llm = "\n".join([f"{msg['role'].capitalize()}: {msg['content']}" for msg in st.session_state.messages[-10:] if msg['content']])
detected_intent = classify_intent(history_str_for_llm, resources)
st.session_state.messages[-1]["intent"] = detected_intent
with chat_placeholder:
typing_indicator_placeholder = show_typing_indicator()
if final_image_data or detected_intent == "math_question":
bot_response = problem_solving_engine(
query_text=final_user_text,
query_image=final_image_data,
conversation_history_str=history_str_for_llm,
resources=resources
)
else:
bot_response = tutor_agent_response(
user_input=final_user_text,
intent=detected_intent,
conversation_history_str=history_str_for_llm,
resources=resources,
supabase=supabase,
user_id=user_id,
display_name=display_name
)
typing_indicator_placeholder.empty()
st.session_state.messages.append({"role": "assistant", "content": bot_response, "intent": detected_intent, "image": None})
with chat_placeholder:
render_chat_message(bot_response, is_user=False, key=f"bot_{len(st.session_state.messages)}")
if should_trigger_proactive_practice(st.session_state.messages):
with chat_placeholder:
proactive_typing_placeholder = show_typing_indicator()
try:
print("\n--- DEBUG: [Proactive Flow] Bắt đầu luồng phân tích và đề xuất ---")
history_str_for_insight = "\n".join([f"{msg['role'].capitalize()}: {msg['content']}" for msg in st.session_state.messages[-10:]])
# Gọi Insight Agent
print("DEBUG: [Proactive Flow] Gọi Insight Agent...")
insights = insight_agent(history_str_for_insight, resources)
print(f"DEBUG: [Proactive Flow] Insight Agent trả về: {insights}")
if insights and isinstance(insights, dict) and insights.get("misunderstood_concepts"):
current_profile = get_user_profile(supabase, user_id)
old_concepts = current_profile.get("misunderstood_concepts", []) if current_profile else []
new_concepts = insights["misunderstood_concepts"]
combined_concepts_set = set(old_concepts) | set(new_concepts)
updated_concepts = list(combined_concepts_set)
last_weakness = new_concepts[0] if new_concepts else (old_concepts[0] if old_concepts else None)
user_email = user.email
profile_data_to_save = {
"email": user_email,
"misunderstood_concepts": updated_concepts,
"last_weakness": last_weakness,
"updated_at": datetime.now().isoformat()
}
print(f"DEBUG: [Proactive Flow] Dữ liệu cập nhật (đã cộng dồn): {profile_data_to_save}")
update_user_profile(supabase, user_id, profile_data_to_save)
st.toast("✅ Đã phân tích và cập nhật hồ sơ học tập!", icon="🧠")
print(f"DEBUG: [Proactive Flow] Phát hiện điểm yếu: '{last_weakness}'. Gọi Practice Agent...")
practice_response = practice_agent(last_weakness, resources)
proactive_msg = f"💡 **Phân tích nhanh:** Dựa trên các câu hỏi vừa rồi, tôi nhận thấy bạn có thể cần luyện tập thêm về chủ đề **'{last_weakness}'**. Đây là một số gợi ý cho bạn:\n\n{practice_response}"
proactive_typing_placeholder.empty()
st.session_state.messages.append({"role": "assistant", "content": proactive_msg, "intent": "proactive_suggestion"})
with chat_placeholder:
render_chat_message(proactive_msg, is_user=False, key=f"proactive_{len(st.session_state.messages)}")
else:
print("DEBUG: [Proactive Flow] Insight Agent không tìm thấy điểm yếu nào cụ thể. Bỏ qua đề xuất.")
proactive_typing_placeholder.empty()
except Exception as e:
print(f"ERROR: [Proactive Flow] Đã xảy ra lỗi: {str(e)}")
proactive_typing_placeholder.empty()
# Rerun để cập nhật giao diện
st.rerun()
# Sidebar với thông tin khi đã đăng nhập
with st.sidebar:
st.header(f"👤 Chào, {display_name}")
st.caption(f"Email: {user.email}")
if st.button("Đăng xuất", use_container_width=True):
supabase.auth.sign_out()
# Xóa các session state liên quan đến user
keys_to_delete = ["user", "messages", "processed_audio_ids"]
for key in keys_to_delete:
if key in st.session_state:
del st.session_state[key]
st.success("✅ Đã đăng xuất!")
time.sleep(1)
st.rerun()
if st.button("🗑️ Xóa lịch sử chat", use_container_width=True):
st.session_state.messages = []
# Cũng xóa audio đã xử lý để có thể ghi âm lại
st.session_state.processed_audio_ids = set()
st.rerun()
if __name__ == "__main__":
main()