Xu ly SSO

chat/rag_engine.py

@@ -5,37 +5,46 @@ from .llm_factory import LLMFactory
 
 logger = logging.getLogger("RAGEngine")
 
+
 class RAGEngine:
     def __init__(self):
         self.retriever = SearchRetriever()
         self.llm = LLMFactory.get_provider()
-        logger.info(f"RAG Engine đã sẵn sàng với LLM Provider: {type(self.llm).__name__}")
+        logger.info(f"RAG Engine ready with LLM Provider: {type(self.llm).__name__}")
 
-    def chat(self, user_query: str, history: List[Dict[str, str]] = None) -> Dict:
+    def chat(self, user_query: str, history: List[Dict[str, str]] = None, user_email: str = None, is_admin: bool = False) -> Dict:
         """
-        Quy trình RAG hoàn chỉnh: Search -> Augment -> Generate
+        Quy trình RAG: Search -> Augment -> Generate
+        
+        Args:
+            user_query: Câu hỏi
+            history: Lịch sử chat
+            user_email: Email user để filter quyền
+            is_admin: True = bypass ACL
         """
-        # 1. RETRIEVAL: Tìm kiếm ngữ cảnh liên quan
-        relevant_chunks = self.retriever.retrieve(user_query, top_k=5)
+        logger.info(f"Search query: {user_query[:100]} (user={user_email or 'none'}, admin={is_admin})")
+        relevant_chunks = self.retriever.retrieve(user_query, top_k=5, user_email=user_email, is_admin=is_admin)
         
         if not relevant_chunks:
             context_text = "Không tìm thấy thông tin liên quan trong cơ sở dữ liệu nội bộ."
+            logger.info("Search result: 0 chunks found")
         else:
-            # Gộp text từ các chunks lại thành 1 khối context
             context_text = "\n---\n".join([
                 f"[Nguồn: {c.file_name}, Trang: {c.page_from}]\nNội dung: {c.text}" 
                 for c in relevant_chunks
             ])
+            logger.info(f"Search result: {len(relevant_chunks)} chunks from {len(set(c.file_name for c in relevant_chunks))} files")
 
-        # 2. GENERATION: Gửi sang LLM để trả lời
-        logger.info("Đang yêu cầu LLM tổng hợp câu trả lời...")
+        # 2. GENERATION
+        logger.info("Requesting LLM to generate answer...")
         answer = self.llm.generate_response(
             prompt=user_query,
             context=context_text,
             history=history
         )
+        logger.info(f"LLM response length: {len(answer)} chars")
 
-        # 3. Trả về kết quả kèm theo nguồn trích dẫn (Citations)
+        # 3. Return with citations
         return {
             "answer": answer,
             "context_used": context_text,
@@ -43,7 +52,8 @@ class RAGEngine:
                 {
                     "file_name": c.file_name,
                     "page": c.page_from,
-                    "url": c.source_url
+                    "url": c.source_url,
+                    "download_url": c.download_url
                 } for c in relevant_chunks
             ]
         }