utils/summary.py

import os
import pandas as pd
from datetime import datetime
from dotenv import load_dotenv
from langchain_core.output_parsers import StrOutputParser
from langchain.prompts import ChatPromptTemplate
from langchain.chat_models import ChatOpenAI
from prompts.summary_prompt import (
    meterological_data_summary_prompt,
    agricultural_yield_comparison_prompt
)

load_dotenv()


def get_meterological_summary(scenario: str, temperature_df: pd.DataFrame, rain_df: pd.DataFrame, irradiance_df: pd.DataFrame) -> str:

    today = datetime.today().strftime("%Y/%m/%d")

    temp_data = temperature_df.head(len(temperature_df)).to_string(index=False)
    rain_data = rain_df.head(len(rain_df)).to_string(index=False)
    irradiance_data = irradiance_df.head(len(irradiance_df)).to_string(index=False)

    llm = ChatOpenAI(
        model="gpt-4o",
        temperature=0,
        max_tokens=None,
        timeout=None,
        max_retries=2,
        api_key=os.environ.get("OPENAI_API_KEY")
        )
    output_parser = StrOutputParser()
    prompt = ChatPromptTemplate.from_messages(
        [
            ("system", meterological_data_summary_prompt),
            ("human", "Je veux un résumé de ces prévisions métérologique: les données de temperature {temp_data}, les données de précipitation {rain_data}, les données de radiance solaire {irradiance_data}")
        ]
    )
    chain = prompt | llm | output_parser
    
    response = chain.invoke({
        "scenario": scenario,
        "today": today,
        "temp_data": temp_data,
        "rain_data": rain_data,
        "irradiance_data": irradiance_data
    })

    return output_parser.parse(response)


def get_agricultural_yield_comparison(culture: str, region:str, agri_yield_df: pd.DataFrame, soil_df: pd.DataFrame, climate_df: pd.DataFrame, water_df: pd.DataFrame):

    agricultural_yield = agri_yield_df.head(len(agri_yield_df)).to_string(index=False)
    soil_data = soil_df.head(len(soil_df)).to_string(index=False)
    water_data = water_df.head(len(water_df)).to_string(index=False)
    climate_data = climate_df.head(len(climate_df)).to_string(index=False)
    
    llm = ChatOpenAI(
        model="gpt-4o",
        temperature=0,
        max_tokens=None,
        timeout=None,
        max_retries=2,
        api_key=os.environ.get("OPENAI_API_KEY")
        )
    output_parser = StrOutputParser()
    prompt = ChatPromptTemplate.from_messages(
        [
            ("system", agricultural_yield_comparison_prompt),
            ("human", "Je suis agriculteur et je cultive de la {culture} à {region}. Voilà les caractéristiques du sol dans ma région {soil_data} et voilà l'historique et projections du rendement ma culture avec et sans ombrage {agricultural_yield}. J'ai aussi les donnés historiques et prévisions du stress hydrique {water_data} et des données climatiques {climate_data}. " )  
        ]
    )
    chain = prompt | llm | output_parser
    
    response = chain.invoke({
        "culture": culture,
        "region": region,
        "soil_data": soil_data,
        "water_data": water_data,
        "climate_data": climate_data,
        "agricultural_yield": agricultural_yield
    })

    return output_parser.parse(response)