Files
tg_bot_language/services/ai_service.py
mamonov.ep d937b37a3b feat: multiple translations with context, improved task examples
- Add WordTranslation model for storing multiple translations per word
- AI generates translations with example sentences and their translations
- Show example usage after answering tasks (learning + interface language)
- Save translations to word_translations table when adding words from tasks
- Improve word exclusion in new_words mode (stronger prompt + client filtering)
- Add migration for word_translations table

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>
2025-12-06 21:29:41 +03:00

893 lines
43 KiB
Python
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
import logging
import httpx
from openai import AsyncOpenAI
from config.settings import settings
from typing import Dict, List
logger = logging.getLogger(__name__)
class AIService:
"""Сервис для работы с OpenAI API через Cloudflare Gateway"""
def __init__(self):
self.api_key = settings.openai_api_key
# Проверяем, настроен ли Cloudflare AI Gateway
if settings.cloudflare_account_id:
# Используем Cloudflare AI Gateway с прямыми HTTP запросами
self.base_url = (
f"https://gateway.ai.cloudflare.com/v1/"
f"{settings.cloudflare_account_id}/"
f"{settings.cloudflare_gateway_id}/"
f"openai"
)
self.use_cloudflare = True
logger.info(f"AI Service initialized with Cloudflare Gateway: {self.base_url}")
else:
# Прямое подключение к OpenAI
self.base_url = "https://api.openai.com/v1"
self.use_cloudflare = False
logger.info("AI Service initialized with direct OpenAI connection")
# HTTP клиент для всех запросов
self.http_client = httpx.AsyncClient(
timeout=httpx.Timeout(60.0, connect=10.0),
limits=httpx.Limits(max_keepalive_connections=5, max_connections=10)
)
async def _make_openai_request(self, messages: list, temperature: float = 0.3, model: str = "gpt-4o-mini") -> dict:
"""Выполнить запрос к OpenAI API (через Cloudflare или напрямую)"""
url = f"{self.base_url}/chat/completions"
headers = {
"Authorization": f"Bearer {self.api_key}",
"Content-Type": "application/json"
}
payload = {
"model": model,
"messages": messages,
"temperature": temperature,
"response_format": {"type": "json_object"}
}
response = await self.http_client.post(url, headers=headers, json=payload)
response.raise_for_status()
return response.json()
async def translate_word(self, word: str, source_lang: str = "en", translation_lang: str = "ru") -> Dict:
"""
Перевести слово и получить дополнительную информацию
Args:
word: Слово для перевода
source_lang: Язык исходного слова (ISO2)
translation_lang: Язык перевода (ISO2)
Returns:
Dict с переводом, транскрипцией и примерами
"""
prompt = f"""Переведи слово/фразу "{word}" с языка {source_lang} на {translation_lang}.
Верни ответ строго в формате JSON:
{{
"word": "исходное слово на {source_lang}",
"translation": "перевод на {translation_lang}",
"transcription": "транскрипция в IPA (если применимо)",
"examples": [
{{"{source_lang}": "пример на языке обучения", "{translation_lang}": "перевод примера"}}
],
"category": "категория слова (работа, еда, путешествия и т.д.)",
"difficulty": "уровень сложности (A1/A2/B1/B2/C1/C2)"
}}
Важно: верни только JSON, без дополнительного текста."""
try:
logger.info(f"[GPT Request] translate_word: word='{word}', source='{source_lang}', to='{translation_lang}'")
messages = [
{"role": "system", "content": "Ты - помощник для изучения языков. Отвечай только в формате JSON."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.3)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
logger.info(f"[GPT Response] translate_word: success, translation='{result.get('translation', 'N/A')}'")
return result
except Exception as e:
logger.error(f"[GPT Error] translate_word: {type(e).__name__}: {str(e)}")
# Fallback в случае ошибки
return {
"word": word,
"translation": "Ошибка перевода",
"transcription": "",
"examples": [],
"category": "unknown",
"difficulty": "A1"
}
async def translate_word_with_contexts(
self,
word: str,
source_lang: str = "en",
translation_lang: str = "ru",
max_translations: int = 3
) -> Dict:
"""
Перевести слово и получить несколько переводов с контекстами
Args:
word: Слово для перевода
source_lang: Язык исходного слова (ISO2)
translation_lang: Язык перевода (ISO2)
max_translations: Максимальное количество переводов
Returns:
Dict с переводами, каждый с примером предложения
"""
prompt = f"""Переведи слово/фразу "{word}" с языка {source_lang} на {translation_lang}.
Если у слова есть несколько значений в разных контекстах, дай до {max_translations} разных переводов.
Для каждого перевода дай пример предложения, показывающий это значение.
Верни ответ строго в формате JSON:
{{
"word": "исходное слово на {source_lang}",
"transcription": "транскрипция в IPA (если применимо)",
"category": "основная категория слова",
"difficulty": "уровень сложности (A1/A2/B1/B2/C1/C2)",
"translations": [
{{
"translation": "перевод 1 на {translation_lang}",
"context": "пример предложения на {source_lang}, показывающий это значение",
"context_translation": "перевод примера на {translation_lang}",
"is_primary": true
}},
{{
"translation": "перевод 2 на {translation_lang} (если есть другое значение)",
"context": "пример предложения на {source_lang}",
"context_translation": "перевод примера на {translation_lang}",
"is_primary": false
}}
]
}}
Важно:
- Первый перевод должен быть самым распространённым (is_primary: true)
- Давай разные переводы только если слово реально имеет разные значения
- Примеры должны чётко показывать конкретное значение слова
- Верни только JSON, без дополнительного текста"""
try:
logger.info(f"[GPT Request] translate_word_with_contexts: word='{word}', source='{source_lang}', to='{translation_lang}'")
messages = [
{"role": "system", "content": "Ты - помощник для изучения языков. Отвечай только в формате JSON."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.3)
import json
content = response_data['choices'][0]['message']['content']
# Убираем markdown обёртку если есть
if content.startswith('```'):
content = content.split('\n', 1)[1] if '\n' in content else content[3:]
if content.endswith('```'):
content = content[:-3]
content = content.strip()
result = json.loads(content)
translations_count = len(result.get('translations', []))
logger.info(f"[GPT Response] translate_word_with_contexts: success, {translations_count} translations")
return result
except Exception as e:
logger.error(f"[GPT Error] translate_word_with_contexts: {type(e).__name__}: {str(e)}")
# Fallback в случае ошибки
return {
"word": word,
"transcription": "",
"category": "unknown",
"difficulty": "A1",
"translations": [{
"translation": "Ошибка перевода",
"context": "",
"context_translation": "",
"is_primary": True
}]
}
async def translate_words_batch(
self,
words: List[str],
source_lang: str = "en",
translation_lang: str = "ru"
) -> List[Dict]:
"""
Перевести список слов пакетно
Args:
words: Список слов для перевода
source_lang: Язык исходных слов (ISO2)
translation_lang: Язык перевода (ISO2)
Returns:
List[Dict] с переводами, транскрипциями
"""
if not words:
return []
words_list = "\n".join(f"- {w}" for w in words[:50]) # Максимум 50 слов за раз
# Добавляем инструкцию для фуриганы если японский
furigana_instruction = ""
if source_lang == "ja":
furigana_instruction = '\n "reading": "чтение хираганой (только для кандзи)",'
prompt = f"""Переведи следующие слова/фразы с языка {source_lang} на {translation_lang}:
{words_list}
Верни ответ строго в формате JSON массива:
[
{{
"word": "исходное слово",
"translation": "перевод",
"transcription": "транскрипция (IPA или ромадзи для японского)",{furigana_instruction}
}},
...
]
Важно:
- Верни только JSON массив, без дополнительного текста
- Сохрани порядок слов как в исходном списке
- Для каждого слова укажи точный перевод и транскрипцию"""
try:
logger.info(f"[GPT Request] translate_words_batch: {len(words)} words, {source_lang} -> {translation_lang}")
messages = [
{"role": "system", "content": "Ты - помощник для изучения языков. Отвечай только в формате JSON."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.3)
import json
content = response_data['choices'][0]['message']['content']
# Убираем markdown обёртку если есть
if content.startswith('```'):
content = content.split('\n', 1)[1] if '\n' in content else content[3:]
if content.endswith('```'):
content = content[:-3]
content = content.strip()
result = json.loads(content)
# Если вернулся dict с ключом типа "words" или "translations" — извлекаем список
if isinstance(result, dict):
for key in ['words', 'translations', 'result', 'data']:
if key in result and isinstance(result[key], list):
result = result[key]
break
if not isinstance(result, list):
logger.warning(f"[GPT Warning] translate_words_batch: unexpected format, got {type(result)}")
return [{"word": w, "translation": "", "transcription": ""} for w in words]
logger.info(f"[GPT Response] translate_words_batch: success, got {len(result)} translations")
return result
except Exception as e:
logger.error(f"[GPT Error] translate_words_batch: {type(e).__name__}: {str(e)}")
# Возвращаем слова без перевода в случае ошибки
return [{"word": w, "translation": "", "transcription": ""} for w in words]
async def check_answer(self, question: str, correct_answer: str, user_answer: str) -> Dict:
"""
Проверить ответ пользователя с помощью ИИ
Args:
question: Вопрос задания
correct_answer: Правильный ответ
user_answer: Ответ пользователя
Returns:
Dict с результатом проверки и обратной связью
"""
prompt = f"""Проверь ответ пользователя на задание по английскому языку.
Задание: {question}
Правильный ответ: {correct_answer}
Ответ пользователя: {user_answer}
Верни ответ в формате JSON:
{{
"is_correct": true/false,
"feedback": "краткое объяснение (если ответ неверный, объясни ошибку и дай правильный вариант)",
"score": 0-100
}}
Учитывай возможные вариации ответа. Если смысл передан правильно, даже с небольшими грамматическими неточностями, засчитывай ответ."""
try:
logger.info(f"[GPT Request] check_answer: user_answer='{user_answer[:30]}...'")
messages = [
{"role": "system", "content": "Ты - преподаватель английского языка. Проверяй ответы справедливо, учитывая контекст."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.3)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
logger.info(f"[GPT Response] check_answer: is_correct={result.get('is_correct', False)}, score={result.get('score', 0)}")
return result
except Exception as e:
logger.error(f"[GPT Error] check_answer: {type(e).__name__}: {str(e)}")
return {
"is_correct": False,
"feedback": "Ошибка проверки ответа",
"score": 0
}
async def generate_fill_in_sentence(self, word: str, learning_lang: str = "en", translation_lang: str = "ru") -> Dict:
"""
Сгенерировать предложение с пропуском для заданного слова
Args:
word: Слово (на языке обучения), для которого нужно создать предложение
learning_lang: Язык обучения (ISO2)
translation_lang: Язык перевода предложения (ISO2)
Returns:
Dict с предложением и правильным ответом
"""
prompt = f"""Создай предложение на языке {learning_lang}, используя слово "{word}".
Замени это слово на пропуск "___".
Верни ответ в формате JSON:
{{
"sentence": "предложение с пропуском ___",
"answer": "{word}",
"translation": "перевод предложения на {translation_lang}"
}}
Предложение должно быть простым и естественным. Контекст должен четко подсказывать правильное слово."""
try:
logger.info(f"[GPT Request] generate_fill_in_sentence: word='{word}', lang='{learning_lang}', to='{translation_lang}'")
messages = [
{"role": "system", "content": "Ты - преподаватель иностранных языков. Создавай простые и понятные упражнения."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.7)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
logger.info(f"[GPT Response] generate_fill_in_sentence: success")
return result
except Exception as e:
logger.error(f"[GPT Error] generate_fill_in_sentence: {type(e).__name__}: {str(e)}")
return {
"sentence": f"I like to ___ every day.",
"answer": word,
"translation": f"Мне нравится {word} каждый день."
}
async def generate_thematic_words(
self,
theme: str,
level: str = "B1",
count: int = 10,
learning_lang: str = "en",
translation_lang: str = "ru",
exclude_words: List[str] = None
) -> List[Dict]:
"""
Сгенерировать подборку слов по теме
Args:
theme: Тема для подборки слов
level: Уровень сложности (A1-C2)
count: Количество слов
learning_lang: Язык изучения
translation_lang: Язык перевода
exclude_words: Список слов для исключения (уже известные)
Returns:
Список словарей с информацией о словах
"""
exclude_instruction = ""
exclude_words_set = set()
if exclude_words:
# Ограничиваем список до 100 слов чтобы не раздувать промпт
words_sample = exclude_words[:100]
exclude_words_set = set(w.lower() for w in exclude_words)
exclude_instruction = f"""
⚠️ ЗАПРЕЩЁННЫЕ СЛОВА (НЕ ИСПОЛЬЗОВАТЬ!):
{', '.join(words_sample)}
Эти слова пользователь уже знает. ОБЯЗАТЕЛЬНО выбери ДРУГИЕ слова!"""
prompt = f"""Создай подборку из {count} слов на языке {learning_lang} по теме "{theme}" для уровня {level}. Переводы дай на {translation_lang}.
{exclude_instruction}
Верни ответ в формате JSON:
{{
"theme": "{theme}",
"words": [
{{
"word": "слово на {learning_lang}",
"translation": "перевод на {translation_lang}",
"transcription": "транскрипция в IPA (если применимо)",
"example": "пример использования на {learning_lang}",
"example_translation": "перевод примера на {translation_lang}"
}}
]
}}
Слова должны быть:
- Полезными и часто используемыми
- Соответствовать уровню {level}
- Связаны с темой "{theme}"
- Разнообразными (существительные, глаголы, прилагательные)"""
try:
logger.info(f"[GPT Request] generate_thematic_words: theme='{theme}', level='{level}', count={count}, learn='{learning_lang}', to='{translation_lang}'")
messages = [
{"role": "system", "content": "Ты - преподаватель иностранных языков. Подбирай полезные и актуальные слова."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.7)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
words = result.get('words', [])
# Фильтруем слова которые AI мог вернуть несмотря на инструкцию
if exclude_words_set:
filtered_words = [
w for w in words
if w.get('word', '').lower() not in exclude_words_set
]
filtered_count = len(words) - len(filtered_words)
if filtered_count > 0:
logger.info(f"[GPT Response] generate_thematic_words: filtered out {filtered_count} excluded words")
words = filtered_words
logger.info(f"[GPT Response] generate_thematic_words: success, generated {len(words)} words")
return words
except Exception as e:
logger.error(f"[GPT Error] generate_thematic_words: {type(e).__name__}: {str(e)}")
return []
async def extract_words_from_text(self, text: str, level: str = "B1", max_words: int = 15, learning_lang: str = "en", translation_lang: str = "ru") -> List[Dict]:
"""
Извлечь ключевые слова из текста для изучения
Args:
text: Текст на английском языке
level: Уровень пользователя (A1-C2)
max_words: Максимальное количество слов для извлечения
Returns:
Список словарей с информацией о словах
"""
prompt = f"""Проанализируй следующий текст на языке {learning_lang} и извлеки из него до {max_words} самых полезных слов для изучения на уровне {level}. Переводы дай на {translation_lang}.
Текст:
{text}
Верни ответ в формате JSON:
{{
"words": [
{{
"word": "слово на {learning_lang} (в базовой форме)",
"translation": "перевод на {translation_lang}",
"transcription": "транскрипция в IPA (если применимо)",
"context": "предложение из текста на {learning_lang}, где используется это слово"
}}
]
}}
Критерии отбора слов:
- Выбирай самые важные и полезные слова из текста
- Слова должны быть интересны для уровня {level}
- Не включай простейшие слова (a, the, is, и т.д.)
- Слова должны быть в базовой форме (инфинитив для глаголов, ед.число для существительных)
- Разнообразие: существительные, глаголы, прилагательные, устойчивые выражения"""
try:
text_preview = text[:100] + "..." if len(text) > 100 else text
logger.info(f"[GPT Request] extract_words_from_text: text_length={len(text)}, level='{level}', max_words={max_words}, learn='{learning_lang}', to='{translation_lang}'")
messages = [
{"role": "system", "content": "Ты - преподаватель иностранных языков. Помогаешь извлекать полезные слова для изучения из текстов."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.5)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
words_count = len(result.get('words', []))
logger.info(f"[GPT Response] extract_words_from_text: success, extracted {words_count} words")
return result.get('words', [])
except Exception as e:
logger.error(f"[GPT Error] extract_words_from_text: {type(e).__name__}: {str(e)}")
return []
async def start_conversation(self, scenario: str, level: str = "B1", learning_lang: str = "en", translation_lang: str = "ru") -> Dict:
"""
Начать диалоговую практику с AI
Args:
scenario: Сценарий диалога (restaurant, shopping, travel, etc.)
level: Уровень пользователя (A1-C2)
Returns:
Dict с начальной репликой и контекстом
"""
scenarios = {
"restaurant": "ресторан - заказ еды",
"shopping": "магазин - покупка одежды",
"travel": "аэропорт/отель - путешествие",
"work": "офис - рабочая встреча",
"doctor": "клиника - визит к врачу",
"casual": "повседневный разговор"
}
scenario_desc = scenarios.get(scenario, "повседневный разговор")
extra_fields = ''
if learning_lang.lower() == 'ja':
# Для японского просим версию с фуриганой в скобках ТОЛЬКО для кандзи
# Не добавляй фуригану к кана или латинским буквам
extra_fields = ",\n \"message_annotated\": \"фраза на {learning_lang} с фуриганой в скобках ТОЛЬКО к кандзи (Так правильно: いらっしゃいませ!今日は何を注文(ちゅうもん)しますか?, Так неправильно: こんにちは(こんにちは)!今日ははどうですか?); к こんにちは не добовляй фурагану; не добавляй фуригану к катакане, фуригане, хирагане, частице и латинице\""
prompt = f"""Ты - собеседник для практики языка {learning_lang} уровня {level}.
Начни диалог в сценарии: {scenario_desc} на {learning_lang}.
Верни ответ в формате JSON:
{{
"message": "твоя первая реплика на {learning_lang}",
"translation": "перевод на {translation_lang}",
"context": "краткое описание ситуации на {translation_lang}",
"suggestions": [
{{"learn": "подсказка на {learning_lang}", "learn_annotated": "подсказка с фуриганой в скобках ТОЛЬКО к кандзи (Так правильно: いらっしゃいませ!今日は何を注文(ちゅうもん)しますか?, Так неправильно: こんにちは(こんにちは)!今日ははどうですか?); к こんにちは не добовляй фурагану; не добавляй фуригану к катакане, фуригане, хирагане, частице и латинице; {learning_lang})", "trans": "перевод подсказки на {translation_lang}"}},
{{"learn": "...", "learn_annotated": "...", "trans": "..."}},
{{"learn": "...", "learn_annotated": "...", "trans": "..."}}
]{extra_fields}
}}
Требования:
- Говори естественно, используй уровень {level}
- Создай интересную ситуацию
- Задай вопрос или начни разговор
- Подсказки должны помочь пользователю ответить"""
try:
logger.info(f"[GPT Request] start_conversation: scenario='{scenario}', level='{level}', learn='{learning_lang}', to='{translation_lang}'")
messages = [
{"role": "system", "content": "Ты - дружелюбный собеседник для практики иностранных языков. Веди естественный диалог."},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.8)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
logger.info(f"[GPT Response] start_conversation: success, scenario='{scenario}'")
return result
except Exception as e:
logger.error(f"[GPT Error] start_conversation: {type(e).__name__}: {str(e)}")
return {
"message": "Hello! How are you today?",
"translation": "Привет! Как дела сегодня?",
"context": "Повседневный разговор",
"suggestions": ["I'm fine, thank you!", "Good, and you?", "Not bad!"]
}
async def continue_conversation(
self,
conversation_history: List[Dict],
user_message: str,
scenario: str,
level: str = "B1",
learning_lang: str = "en",
translation_lang: str = "ru"
) -> Dict:
"""
Продолжить диалог и проверить ответ пользователя
Args:
conversation_history: История диалога
user_message: Сообщение пользователя
scenario: Сценарий диалога
level: Уровень пользователя
Returns:
Dict с ответом AI, проверкой и подсказками
"""
# Формируем историю для контекста
history_text = "\n".join([
f"{'AI' if msg['role'] == 'assistant' else 'User'}: {msg['content']}"
for msg in conversation_history[-6:] # Последние 6 сообщений
])
extra_fields_resp = ''
if learning_lang.lower() == 'ja':
# Для японского просим версию ответа с фуриганой ТОЛЬКО для кандзи
# Не добавляй фуригану к кана или латинским буквам
extra_fields_resp = ",\n \"response_annotated\": \"ответ на {learning_lang} с фуриганой ТОЛЬКО для кандзи (напр.: 今日(きょう)); не добавляй фуригану к кана или латинице\""
prompt = f"""Ты ведешь диалог на языке {learning_lang} уровня {level} в сценарии "{scenario}".
История диалога:
{history_text}
User: {user_message}
Верни ответ в формате JSON:
{{
"response": "твой ответ на {learning_lang}",
"translation": "перевод твоего ответа на {translation_lang}",
"feedback": {{
"has_errors": true/false,
"corrections": "исправления ошибок пользователя (если есть)",
"comment": "краткий комментарий об ответе пользователя"
}},
"suggestions": [
{{"learn": "подсказка на {learning_lang}", "learn_annotated": "подсказка с фуриганой (ТОЛЬКО для кандзи; {learning_lang})", "trans": "перевод подсказки на {translation_lang}"}},
{{"learn": "...", "learn_annotated": "...", "trans": "..."}}
]{extra_fields_resp}
}}
Требования:
- Продолжай естественный диалог
- Если у пользователя есть грамматические или лексические ошибки, укажи их в corrections
- Будь дружелюбным и поддерживающим
- Используй лексику уровня {level}"""
try:
logger.info(f"[GPT Request] continue_conversation: scenario='{scenario}', level='{level}', history_length={len(conversation_history)}, learn='{learning_lang}', to='{translation_lang}'")
# Формируем сообщения для API
messages = [
{"role": "system", "content": f"Ты - дружелюбный собеседник для практики языка {learning_lang} уровня {level}. Веди естественный диалог и помогай исправлять ошибки."}
]
# Добавляем историю
for msg in conversation_history[-6:]:
messages.append(msg)
# Добавляем текущее сообщение пользователя
messages.append({"role": "user", "content": user_message})
# Добавляем инструкцию для форматирования ответа
messages.append({"role": "user", "content": prompt})
response_data = await self._make_openai_request(messages, temperature=0.8)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
has_errors = result.get('feedback', {}).get('has_errors', False)
logger.info(f"[GPT Response] continue_conversation: success, has_errors={has_errors}")
return result
except Exception as e:
logger.error(f"[GPT Error] continue_conversation: {type(e).__name__}: {str(e)}")
return {
"response": "I see. Tell me more about that.",
"translation": "Понятно. Расскажи мне больше об этом.",
"feedback": {
"has_errors": False,
"corrections": "",
"comment": "Good!"
},
"suggestions": ["Sure!", "Well...", "Actually..."]
}
async def generate_level_test(self, learning_language: str = "en") -> List[Dict]:
"""
Сгенерировать тест для определения уровня языка
Args:
learning_language: Язык изучения (en, es, de, fr, ja)
Returns:
Список из 7 вопросов разной сложности
"""
# Определяем систему уровней и язык для промпта
if learning_language == "ja":
level_system = "JLPT (N5-N1)"
language_name = "японского"
levels_req = """- Вопросы 1-2: уровень N5 (базовый)
- Вопросы 3-4: уровень N4-N3 (элементарный-средний)
- Вопросы 5-6: уровень N2 (продвинутый)
- Вопрос 7: уровень N1 (профессиональный)"""
level_example = "N5"
else:
level_system = "CEFR (A1-C2)"
lang_names = {"en": "английского", "es": "испанского", "de": "немецкого", "fr": "французского"}
language_name = lang_names.get(learning_language, "английского")
levels_req = """- Вопросы 1-2: уровень A1 (базовый)
- Вопросы 3-4: уровень A2-B1 (элементарный-средний)
- Вопросы 5-6: уровень B2-C1 (продвинутый)
- Вопрос 7: уровень C2 (профессиональный)"""
level_example = "A1"
prompt = f"""Создай тест из 7 вопросов для определения уровня {language_name} языка ({level_system}).
Верни ответ в формате JSON:
{{
"questions": [
{{
"question": "текст вопроса на изучаемом языке",
"question_ru": "перевод вопроса на русский",
"options": ["вариант A", "вариант B", "вариант C", "вариант D"],
"correct": 0,
"level": "{level_example}"
}}
]
}}
Требования:
{levels_req}
- Каждый вопрос с 4 вариантами ответа
- correct - индекс правильного ответа (0-3)
- Вопросы на грамматику, лексику и понимание"""
try:
logger.info(f"[GPT Request] generate_level_test: generating 7 questions for {learning_language}")
system_msg = f"Ты - эксперт по тестированию уровня {language_name} языка. Создавай объективные тесты."
messages = [
{"role": "system", "content": system_msg},
{"role": "user", "content": prompt}
]
response_data = await self._make_openai_request(messages, temperature=0.7)
import json
result = json.loads(response_data['choices'][0]['message']['content'])
questions_count = len(result.get('questions', []))
logger.info(f"[GPT Response] generate_level_test: success, generated {questions_count} questions")
return result.get('questions', [])
except Exception as e:
logger.error(f"[GPT Error] generate_level_test: {type(e).__name__}: {str(e)}, using fallback questions")
# Fallback с базовыми вопросами
if learning_language == "ja":
return self._get_jlpt_fallback_questions()
return self._get_cefr_fallback_questions()
def _get_cefr_fallback_questions(self) -> List[Dict]:
"""Fallback вопросы для CEFR (английский и европейские языки)"""
return [
{
"question": "What is your name?",
"question_ru": "Как тебя зовут?",
"options": ["My name is", "I am name", "Name my is", "Is name my"],
"correct": 0,
"level": "A1"
},
{
"question": "I ___ to school every day.",
"question_ru": "Я ___ в школу каждый день.",
"options": ["go", "goes", "going", "went"],
"correct": 0,
"level": "A1"
},
{
"question": "She ___ been to Paris twice.",
"question_ru": "Она ___ в Париже дважды.",
"options": ["have", "has", "had", "having"],
"correct": 1,
"level": "A2"
},
{
"question": "If I ___ rich, I would travel the world.",
"question_ru": "Если бы я был богат, я бы путешествовал по миру.",
"options": ["am", "was", "were", "be"],
"correct": 2,
"level": "B1"
},
{
"question": "The project ___ by next Monday.",
"question_ru": "Проект ___ к следующему понедельнику.",
"options": ["will complete", "will be completed", "completes", "is completing"],
"correct": 1,
"level": "B2"
},
{
"question": "Had I known about the meeting, I ___ attended.",
"question_ru": "Если бы я знал о встрече, я бы посетил.",
"options": ["would have", "will have", "would", "will"],
"correct": 0,
"level": "C1"
},
{
"question": "The nuances of his argument were so ___ that few could grasp them.",
"question_ru": "Нюансы его аргумента были настолько ___, что немногие могли их понять.",
"options": ["subtle", "obvious", "simple", "clear"],
"correct": 0,
"level": "C2"
}
]
def _get_jlpt_fallback_questions(self) -> List[Dict]:
"""Fallback вопросы для JLPT (японский)"""
return [
{
"question": "これは ___です。",
"question_ru": "Это ___.",
"options": ["ほん", "本ん", "ぼん", "もと"],
"correct": 0,
"level": "N5"
},
{
"question": "私は毎日学校に___。",
"question_ru": "Я каждый день хожу в школу.",
"options": ["いきます", "いくます", "いきす", "いきました"],
"correct": 0,
"level": "N5"
},
{
"question": "昨日、映画を___から、今日は勉強します。",
"question_ru": "Вчера я посмотрел фильм, поэтому сегодня буду учиться.",
"options": ["見た", "見て", "見る", "見ない"],
"correct": 0,
"level": "N4"
},
{
"question": "この本は読み___です。",
"question_ru": "Эту книгу легко/трудно читать.",
"options": ["やすい", "にくい", "たい", "そう"],
"correct": 0,
"level": "N3"
},
{
"question": "彼の話を聞く___、涙が出てきた。",
"question_ru": "Слушая его рассказ, у меня потекли слёзы.",
"options": ["につれて", "にしたがって", "とともに", "うちに"],
"correct": 0,
"level": "N2"
},
{
"question": "その計画は実現不可能と___。",
"question_ru": "Этот план считается невыполнимым.",
"options": ["言わざるを得ない", "言うまでもない", "言いかねない", "言うに及ばない"],
"correct": 0,
"level": "N2"
},
{
"question": "彼の行動は___に堪えない。",
"question_ru": "Его поведение невозможно понять/вынести.",
"options": ["理解", "批判", "説明", "弁解"],
"correct": 0,
"level": "N1"
}
]
# Глобальный экземпляр сервиса
ai_service = AIService()