MVP

[qscgyjqscgyj]

Django:

• [x] Add app observations
• [x] Add dockerized postgrersql db lilistarfit_observation_bot and connect the django app to it
• [x] Add model ReferenceNorms with fields: name, value_man, value_woman, description, reasons, conclusion, ai_generated, createdAt, updatedAt
• [x] Add ReferenceNorms.get_norms_payload() static method to return norms in compressed json for promt to ai
• [x] Add static method ReferenceNorms.import_norms(). Expects norms array, checks there are no norms with the same names and add it to db
• [x] Add ReferenceNorms to admin panel
• [x] Add model Chat: tg_chat_id, last_messages (last 10 messages), createdAt, updatedAt
• [x] Add Chat to admin panel
• [ ] Add endpoint /api/chat/create - to create chat. It will be used by the bot to create a chat after first message with user. Expects chat_id
• [ ] Add endpoint /api/chat/update - to update chat's last_messages field. Expects array with last chat messages

TG Bot:

• [x] Add bot with 3 buttons: Получить расшифровку, сдать анализы, теория
• [x] By click on сдать анализы, теория link user to google.com as a test behaviour
• [x] By click in Получить расшифровку ask user to upload a file with observations
• [x] Check the file is pdf or image
• [x] If it's not, return an error and ask click Получить расшифровку again to upload new file
• [x] Create function pdf_to_images
• [x] Create promt for chat gpt to use it in prepare_ai_request function to interprete user's observations and use there ReferenceNorms.get_norms_payload() to add custom references to promt. Promt has to be in json format
• [x] Create a function prepare_ai_request which expects images and returns a payload for chatgpt depends on obsevation
• [x] Cerate function send_obsevation_to_ai which is getting payload and returns json data array with all observations list and ai's comments for each one
• [x] If file is correct call the prepare_ai_request function and send it to ai by send_obsevation_to_ai
• [x] Create func ai.get_observation_images_results which gets images and send it to openai api to get observations list result in JSON
• [x] Add promt for ai.get_observation_images_results to return correct data response
• [ ] Add function ai.send_observatoion that gets payload with observation data to send multiple openai requests for each observation result to interprete each separately and send all in separate messages back to user
• [ ] Add function send_ai_response_to_user which expects chat_id and AI's observations list, combine this list to message and send it to chat
• [ ] Create function parse_ai_observations_response which is getting AI's observations list and send norms to ReferenceNorms.import_norms() and observations list pass to send_ai_response_to_user

Deploy:

• [x] Dockerize django app
• [x] Dockerize docker
• [ ] Setup nginx for bot.lilystarfit.com domain and django app. Research how to setup nginx and django with disabled debug mode
• [x] Install docker to into the server
• [x] Add github actions cicd to build the app on the server

[qscgyjqscgyj]

Chat gpt promt request:

{
  "norms": [
    {
      "name": "norm1",
      "value_man": "1",
      "value_woman": "2",
      "description": "norm1 description",
      "reasons": "adadadassd",
      "conclusion": "norm1 conclusion"
    }
  ]
}

Chat gpt response:

{
  "observations": [],
  "new_norms": []
}

[qscgyjqscgyj]

13.05 - 5 часов, настроил проект, начал делать деплой (5) 14.05 - 2 часа, настраивал проект и создал репозиторий (7) 15.05 - 8 часов, добил деплой, расписал весь объем работ (15) 16.05 - 2 часа, занимался настройкой бота в тг (17) 20.05 - 4 часа, настройка кннопок и обработчиков. Начал разбираться с обработкой pdf файлов (21) 21.05 - 4 часа, работа с парсингом pdf файлов (25) 22.05 - 6 часов, закончил с парсингом pdf и получением результатов анализа от chat gpt. Работы над деплоем (31) 23.05 - 6 часов, тестировал анализ pdf, правил тексты и промт (37) 24.05 - 5 часов, разбирался с многопотоковой отправкой запросов (42) 27.05 - 2 часа, разделил парсинг изображений и интерпритацию для оптимизации запросов (44) 28.05 - 4 часа, добавил парсинг изображений на стороне прилолжения (48) 29.05 - 2 часа, использовал модель 3.5 для сокращения объема, чтобы использовать 4о для парсинга (50)

30.05 - 4 часа, разбирался с yandexgpt (54) 3.06 - 4 часа, создал 5 документов для добучения yandexgpt и добавил функцию для нормализации изображений (58)

Итог: 58 часов (50 оплачено)