Primera fase: se construyen las funciones para las primeras 12 preguntas

extraccion/agentes_entidades.py

@@ -0,0 +1,298 @@
+from llm.context import LLMContext
+from llm.config import LLMConfig
+from extraccion.schemas_entidades import (
+    Acciones,
+    Temas,
+    Estrategias,
+    Factores,
+    Entidades,
+    Competencias,
+    Herramientas,
+    Mecanismos,
+)
+import yaml
+
+
+# Cargar la configración de prompts desde el archivo .yaml
+def load_prompts_config(file_path):
+    with open(file_path, "r") as file:
+        prompts_config = yaml.safe_load(file)
+    return prompts_config
+
+
+path_prompts = "extraccion/prompts.yaml"
+prompts_config = load_prompts_config(path_prompts)
+
+context = LLMContext()
+
+
+def extractor_pre_1(respuesta: str) -> Acciones:
+    prompt = prompts_config["prompts"]["pregunta_1"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Acciones)
+
+    acciones: list = llm_so.invoke(prompt)
+
+    lista_acciones = acciones.acciones
+
+    for accion in lista_acciones:
+        print("-" * 100)
+        print(accion.accion)
+        print("-" * 100)
+
+    return acciones
+
+
+def extractor_pre_2(respuesta: str) -> Acciones:
+    prompt = prompts_config["prompts"]["pregunta_2"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Acciones)
+
+    acciones: list = llm_so.invoke(prompt)
+
+    lista_acciones = acciones.acciones
+
+    for accion in lista_acciones:
+        print("-" * 100)
+        print(accion.accion)
+        print("-" * 100)
+
+    return acciones
+
+
+# El caso de este agente debe analizar se bien posteriormente para afinar bien el schema de datos
+def extractor_pre_3(respuesta: str) -> Temas:
+    prompt = prompts_config["prompts"]["pregunta_3"]["prompt"].format(
+        respuesta=respuesta
+    )
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Temas)
+
+    temas: list = llm_so.invoke(prompt)
+
+    lista_temas = temas.temas
+
+    for tema in lista_temas:
+        print("-" * 100)
+        print(tema.tema)
+        print("-" * 100)
+
+    return temas
+
+
+def extractor_pre_4(respuesta: str) -> Temas:
+    prompt = prompts_config["prompts"]["pregunta_4"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Temas)
+
+    temas: list = llm_so.invoke(prompt)
+
+    lista_temas = temas.temas
+
+    for tema in lista_temas:
+        print("-" * 100)
+        print(tema.tema)
+        print("-" * 100)
+
+    return temas
+
+
+def extractor_pre_5(respuesta: str) -> Estrategias:
+    prompt = prompts_config["prompts"]["pregunta_5"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Estrategias)
+
+    estrategias: list = llm_so.invoke(prompt)
+
+    lista_estrategias = estrategias.estrategias
+
+    for estrategia in lista_estrategias:
+        print("-" * 100)
+        print(estrategia.estrategia)
+        print("-" * 100)
+
+    return estrategias
+
+
+def extractor_pre_6(respuesta: str) -> Mecanismos:
+    prompt = prompts_config["prompts"]["pregunta_6"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Mecanismos)
+
+    mecanismos: list = llm_so.invoke(prompt)
+
+    lista_mecanismos = mecanismos.mecanismos
+
+    for mecanismo in lista_mecanismos:
+        print("-" * 100)
+        print(mecanismo.mecanismo)
+        print("-" * 100)
+
+    return mecanismos
+
+
+def extractor_pre_7(respuesta: str) -> Estrategias:
+    prompt = prompts_config["prompts"]["pregunta_7"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Estrategias)
+
+    estrategias: list = llm_so.invoke(prompt)
+
+    lista_estrategias = estrategias.estrategias
+
+    for estrategia in lista_estrategias:
+        print("-" * 100)
+        print(estrategia.estrategia)
+        print("-" * 100)
+
+    return estrategias
+
+
+def extractor_pre_8(respuesta: str) -> Factores:
+    prompt = prompts_config["prompts"]["pregunta_8"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-sonnet-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Factores)
+
+    factores: list = llm_so.invoke(prompt)
+
+    lista_factores = factores.factores
+
+    for factor in lista_factores:
+        print("-" * 100)
+        print(factor.factor)
+        print("-" * 100)
+
+    return factores
+
+
+def extractor_pre_9(respuesta: str) -> Entidades:
+    prompt = prompts_config["prompts"]["pregunta_9"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Entidades)
+
+    entidades: list = llm_so.invoke(prompt)
+
+    lista_entidades = entidades.entidades
+
+    for entidad in lista_entidades:
+        print("-" * 100)
+        print(entidad.entidad)
+        print("-" * 100)
+
+    return entidades
+
+
+def extractor_pre_10(respuesta: str) -> Competencias:
+    prompt = prompts_config["prompts"]["pregunta_10"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Competencias)
+
+    competencias: Competencias = llm_so.invoke(prompt)
+
+    print("\n Competencias extraídas:")
+    print(f"Básicas: {competencias.basicas}")
+    print(f"Socioemocionales: {competencias.socioemocionales}")
+    print(f"Ciudadanas: {competencias.ciudadanas}")
+    print(f"Siglo XXI: {competencias.siglo_xxi}")
+
+    return competencias
+
+
+def extractor_pre_11(respuesta: str) -> Herramientas:
+    prompt = prompts_config["prompts"]["pregunta_11"]["prompt"].format(
+        respuesta=respuesta
+    )
+
+    config = LLMConfig(provider="anthropic", model_name="claude-haiku-4-5")
+
+    context.set_strategy(config)
+    llm = context.get_llm()
+
+    llm_so = llm.with_structured_output(Herramientas)
+
+    herramientas: list = llm_so.invoke(prompt)
+
+    lista_herramientas = herramientas.herramientas
+
+    for herramienta in lista_herramientas:
+        print("-" * 100)
+        print(herramienta.herramienta)
+        print("-" * 100)
+
+    return herramientas
+
+
+respuesta = """
+Cada semestre en nuestra programación están estipuladas dos capacitaciones según
+las necesidades que los profesores expresen. Cuando algunos profesores participan
+en fotos o seminarios deben de comprometerse a compartir lo aprendido sacando para
+ello un espacio en la reunión de profesores, también deben de enviar un correo con
+el certificado
+"""
+extractor_pre_6(respuesta)