handlers/legal_advisor.py

@@ -130,21 +130,21 @@ async def cmd_legal_advisor(message: Message, state: FSMContext, bot: Bot):
     if len(parts) > 1 and parts[0].casefold() in ("/юрист", "/jurist", "/вопрос"):
         inline_question = parts[1].strip()
         if len(inline_question) > 3:
-            status_msg = await message.answer("⏳ <i>Изучаю документы, сметы и решения ОСС дома № 37 в блокноте NotebookLM...</i>", parse_mode='HTML')
+            status_msg = await message.answer("⏳ <i>Анализирую нормы законодательства РФ...</i>", parse_mode='HTML')
             result = await legal_engine.query(prompt=inline_question, role=role)
             await status_msg.delete()
             if result.get("success"):
-                header = "⚖️ <b>Юридический ответ по документам дома № 37:</b>"
+                header = "⚖️ <b>Юридический ответ:</b>"
                 await send_split_message(message, header, result["text"])
                 await state.set_state(LegalQuestionState.waiting_for_question)
             else:
-                await message.answer(f"{result.get('text')}", parse_mode='HTML')
+                await message.answer(f"❌ <b>Ошибка:</b> {result.get('text')}", parse_mode='HTML')
             return
 
     text = (
-        "⚖️ <b>Юридический помощник (Дом № 37)</b>\n\n"
+        "⚖️ <b>Юридический помощник (ЖК РФ)</b>\n\n"
         "Напишите ваш вопрос (текстом или отправьте голосовое сообщение).\n"
-        "<i>Ответ формируется строго по сметам, договорам, протоколам ОСС и нормам ЖК РФ в блокноте NotebookLM.</i>"
+        "<i>Ответ формируется по нормам законодательства РФ и судебной практике.</i>"
     )
     await message.answer(text, parse_mode='HTML')
     await state.set_state(LegalQuestionState.waiting_for_question)
@@ -161,9 +161,9 @@ async def cb_legal_advisor(callback: CallbackQuery, state: FSMContext):
         return
 
     text = (
-        "⚖️ <b>Юридический помощник (Дом № 37)</b>\n\n"
+        "⚖️ <b>Юридический помощник (ЖК РФ)</b>\n\n"
         "Напишите ваш вопрос (текстом или отправьте голосовое сообщение).\n"
-        "<i>Ответ формируется строго по сметам, договорам, протоколам ОСС и нормам ЖК РФ в блокноте NotebookLM.</i>"
+        "<i>Ответ формируется по нормам законодательства РФ и судебной практике.</i>"
     )
     await callback.message.answer(text, parse_mode='HTML')
     await state.set_state(LegalQuestionState.waiting_for_question)
@@ -239,7 +239,7 @@ async def process_text_legal_question(message: Message, state: FSMContext, bot:
     question = message.text
 
     status_msg = await message.answer(
-        "⏳ <i>Изучаю документы, сметы и решения ОСС дома № 37 в блокноте NotebookLM...</i>",
+        "⏳ <i>Анализирую нормы законодательства РФ...</i>",
         parse_mode='HTML'
     )
 
@@ -247,7 +247,7 @@ async def process_text_legal_question(message: Message, state: FSMContext, bot:
     await status_msg.delete()
 
     if not result.get("success"):
-        await message.answer(f"{result.get('text')}", parse_mode='HTML')
+        await message.answer(f"❌ <b>Ошибка:</b> {result.get('text')}", parse_mode='HTML')
         return
 
     # Защита от спама: если вопрос задан в групповом чате
@@ -256,7 +256,7 @@ async def process_text_legal_question(message: Message, state: FSMContext, bot:
         try:
             await bot.send_message(
                 chat_id=user_id,
-                text=f"⚖️ <b>Юридический ответ по документам дома № 37:</b>\n\n{format_telegram_html(result['text'])}",
+                text=f"⚖️ <b>Юридический ответ:</b>\n\n{format_telegram_html(result['text'])}",
                 parse_mode='HTML',
                 reply_markup=get_legal_nav_keyboard()
             )
@@ -271,7 +271,7 @@ async def process_text_legal_question(message: Message, state: FSMContext, bot:
             )
     else:
         # В личном диалоге отвечаем напрямую
-        header = "⚖️ <b>Юридический ответ по документам дома № 37:</b>"
+        header = "⚖️ <b>Юридический ответ:</b>"
         await send_split_message(message, header, result["text"])
 
     # Оставляем состояние активным, чтобы жилец мог сразу задать следующий вопрос без клика
@@ -293,7 +293,7 @@ async def process_voice_legal_question(message: Message, state: FSMContext, bot:
         return
 
     status_msg = await message.answer(
-        "🎙 <i>Распознаю аудио и сверяю с документами дома № 37 в NotebookLM...</i>",
+        "🎙 <i>Анализирую голосовое обращение по нормам законодательства...</i>",
         parse_mode='HTML'
     )
 
@@ -304,21 +304,16 @@ async def process_voice_legal_question(message: Message, state: FSMContext, bot:
         voice_file_path = str(TEMP_VOICE_DIR / f"voice_{user_id}_{int(message.date.timestamp())}.ogg")
         await bot.download_file(file_info.file_path, destination=voice_file_path)
 
-        # Передаем в legal_engine (Gemini транскрибирует аудио в текст, затем NotebookLM ищет по базе дома)
+        # Передаем напрямую в мультимодальный Gemini
         result = await legal_engine.query(prompt="", role=role, audio_path=voice_file_path)
 
         await status_msg.delete()
 
         if not result.get("success"):
-            await message.answer(f"{result.get('text')}", parse_mode='HTML')
+            await message.answer(f"❌ <b>Ошибка:</b> {result.get('text')}", parse_mode='HTML')
             return
 
-        transcribed = result.get("transcribed_question")
+        header = "⚖️ <b>Юридический ответ:</b>"
-        if transcribed:
-            header = f"⚖️ <b>Юридический ответ по документам дома № 37:</b>\n<i>(Вопрос: «{format_telegram_html(transcribed)}»)</i>"
-        else:
-            header = "⚖️ <b>Юридический ответ по документам дома № 37:</b>"
-
         await send_split_message(message, header, result["text"])
         await state.set_state(LegalQuestionState.waiting_for_question)
 

services/ai_legal_engine.py

@@ -99,36 +99,8 @@ class AILegalEngine:
                 data = await resp.json()
                 return data["candidates"][0]["content"]["parts"][0]["text"]
 
-    async def transcribe_audio(self, audio_path: str) -> str:
-        """Транскрибирует аудиосообщение жильца в текст через Gemini Multimodal Audio (Voice-to-Text)."""
-        if not self.api_key or not audio_path or not os.path.exists(audio_path):
-            return ""
-
-        prompt = (
-            "Дословно расшифруй аудиосообщение на русском языке. "
-            "Не добавляй пояснений, не отвечай на вопрос и не искажай слова жильца. "
-            "Выведи ТОЛЬКО расшифрованный текст."
-        )
-        system_instruction = "Ты — высокоточный модуль транскрибации речи (Speech-to-Text). Верни только произнесенный текст."
-
-        for model_to_use in [self.model_name, "gemini-flash-latest", "gemini-2.5-flash"]:
-            try:
-                transcription = await self._query_rest_api(
-                    prompt=prompt,
-                    system_instruction=system_instruction,
-                    model=model_to_use,
-                    audio_path=audio_path
-                )
-                if transcription and transcription.strip():
-                    return transcription.strip()
-            except Exception as e:
-                log.warning(f"Voice transcription attempt failed on {model_to_use}: {e}")
-                await asyncio.sleep(0.5)
-
-        return ""
-
     async def query_notebooklm(self, prompt: str) -> dict:
-        """Прямой запрос к блокноту NotebookLM «ЛенКом37 Юрист» (RAG по документам дома № 37)."""
+        """Прямой запрос к блокноту NotebookLM «ЛенКом37 Юрист»."""
         import shutil
         notebook_id = os.getenv("NOTEBOOKLM_ID", "59c41b23-5858-4a74-bf60-4ce17e0ca710")
         candidates = [
@@ -140,6 +112,7 @@ class AILegalEngine:
         nb_bin = None
         for b in candidates:
             if b and os.path.exists(b) and os.access(b, os.X_OK):
+                # Проверим, не сломан ли шебанг
                 try:
                     with open(b, "rb") as f:
                         first_line = f.readline()
@@ -171,100 +144,110 @@ class AILegalEngine:
                 env=env
             )
             try:
-                # Увеличенный лимит ожидания (до 300 сек для глубокого RAG-анализа смет и решений)
+                stdout, stderr = await asyncio.wait_for(proc.communicate(), timeout=90.0)
-                stdout, stderr = await asyncio.wait_for(proc.communicate(), timeout=300.0)
             except asyncio.TimeoutError:
                 try: proc.kill()
                 except: pass
-                return {
+                return {"success": False, "error": "Таймаут обращения к NotebookLM (более 90 сек)", "source": "notebooklm"}
-                    "success": False,
-                    "error": "Таймаут обработки запроса к блокноту документов дома (более 300 сек)",
-                    "source": "notebooklm"
-                }
 
             out_str = stdout.decode('utf-8', errors='ignore').strip()
             err_str = stderr.decode('utf-8', errors='ignore').strip()
 
             if proc.returncode == 0 and out_str and "Authentication Error" not in out_str and "Not logged in" not in out_str:
-                lines = [
+                lines = [l for l in out_str.splitlines() if not l.startswith("Continuing conversation") and not l.startswith("Resumed conversation")]
-                    l for l in out_str.splitlines()
-                    if not l.startswith("Continuing conversation")
-                    and not l.startswith("Resumed conversation")
-                ]
                 cleaned = "\n".join(lines).strip()
                 if cleaned.startswith("Answer:"):
                     cleaned = cleaned[len("Answer:"):].strip()
                 return {"success": True, "text": cleaned, "source": "notebooklm"}
             else:
-                log.warning(f"NotebookLM non-zero or auth err: code={proc.returncode}, out={out_str[:250]}, err={err_str[:250]}")
+                log.warning(f"NotebookLM non-zero or auth err: code={proc.returncode}, out={out_str[:200]}, err={err_str[:200]}")
                 return {"success": False, "error": err_str or out_str, "source": "notebooklm"}
         except Exception as e:
             log.error(f"NotebookLM exec exception: {e}")
             return {"success": False, "error": str(e), "source": "notebooklm"}
 
     async def query(self, prompt: str, role: str = "resident", audio_path: str = None) -> dict:
-        """
+        """Основной метод запроса: NotebookLM (первый безусловный приоритет) -> Gemini (fallback/аудио)."""
-        Канонический метод запроса юридического помощника МКД «Домовой 2.0»:
-        - Все ответы формируются СТРОГО на основе документов дома № 37 из блокнота NotebookLM.
-        - Никаких общих абстрактных ответов или галлюцинаций Gemini!
-        - При отправке аудиосообщения: Gemini выполняет ИСКЛЮЧИТЕЛЬНО распознавание голоса в текст (STT),
-          после чего текст вопроса направляется в NotebookLM.
-        """
         start_time = datetime.now()
-        transcribed_text = None
 
-        # 1. Если передано аудиосообщение — транскрибируем его через Gemini Multimodal в текст
+        # 1. Текстовые вопросы ВСЕХ пользователей идут строго в блокнот «Разбор ответов строго по ЖК РФ»!
-        if audio_path:
+        if not audio_path and prompt:
-            log.info(f"Received audio voice message ({audio_path}), transcribing via Gemini STT...")
+            nlm_res = await self.query_notebooklm(prompt)
-            transcribed_text = await self.transcribe_audio(audio_path)
+            if nlm_res.get("success"):
-            if not transcribed_text:
+                latency = (datetime.now() - start_time).total_seconds()
                 return {
-                    "success": False,
+                    "success": True,
-                    "text": "❌ <b>Не удалось распознать голосовое сообщение.</b> Пожалуйста, напишите ваш вопрос текстом.",
+                    "text": nlm_res["text"],
+                    "answer": nlm_res["text"],
                     "role": role,
-                    "latency_sec": round((datetime.now() - start_time).total_seconds(), 2)
+                    "latency_sec": round(latency, 2),
+                    "model": "NotebookLM: Разбор ответов строго по ЖК РФ"
                 }
-            log.info(f"Audio voice successfully transcribed: '{transcribed_text[:120]}...'")
+            else:
-            prompt = transcribed_text
+                log.warning(f"NotebookLM query failed: {nlm_res.get('error')}. Falling back to Gemini.")
 
-        if not prompt or not prompt.strip():
+        # 2. Резервный контур через Gemini API (для аудиосообщений либо если блокнот временно недоступен)
+        if not self.api_key:
             return {
                 "success": False,
-                "text": "❌ Вопрос пустой. Пожалуйста, сформулируйте юридический вопрос.",
+                "text": "ИИ-модуль временно недоступен. Проверьте подключение.",
                 "role": role,
                 "latency_sec": 0.0
             }
 
-        # 2. Обращение СТРОГО к блокноту NotebookLM (RAG по сметам, договорам и протоколам ОСС)
+        system_instruction = (
-        nlm_res = await self.query_notebooklm(prompt)
+            "Ты — профессиональный юридический консультант по жилищному праву РФ (ЖК РФ, ГК РФ, защита прав потребителей в сфере ЖКХ).\n"
-        latency = round((datetime.now() - start_time).total_seconds(), 2)
+            "ЖЕСТКИЕ ПРАВИЛА ОФОРМЛЕНИЯ:\n"
+            "1. КАТЕГОРИЧЕСКИ ЗАПРЕЩЕНО писать любые самопрезентации, самоназвания, титулы, приветствия или регалии (никаких 'Я — аналитик', 'Главный стратег', 'Юридический щит', 'Здравствуйте', 'Я помогу вам').\n"
+            "2. Ответ начинать СТРОГО сразу по существу вопроса.\n"
+            "3. Полный минимализм: только факты, правовые нормы, статьи законов и пошаговый алгоритм действий. Без рекламной шелухи и упоминания технологий/моделей.\n"
+            f"{self.get_role_instructions(role)}"
+        )
 
-        if nlm_res.get("success"):
+        # Каскад моделей при перегрузке или временной недоступности (503/429)
-            return {
+        models_to_try = [
-                "success": True,
+            self.model_name,
-                "text": nlm_res["text"],
+            "gemini-flash-latest",
-                "answer": nlm_res["text"],
+            "gemini-3-flash-preview"
-                "role": role,
+        ]
-                "latency_sec": latency,
+        # Убираем дубликаты с сохранением порядка
-                "model": "NotebookLM: ЛенКом37 Юрист (Документы дома № 37)",
+        seen = set()
-                "transcribed_question": transcribed_text
+        models_cascade = [m for m in models_to_try if not (m in seen or seen.add(m))]
-            }
+
-        else:
+        last_err = None
-            err_msg = nlm_res.get("error", "Неизвестная ошибка")
+        for model_to_use in models_cascade:
-            log.error(f"NotebookLM legal query failed: {err_msg}")
+            try:
-            # Никакого fallback на обычный Gemini! Выдаем честное уведомление об обновлении базы
+                reply_text = await self._query_rest_api(
-            return {
+                    prompt=prompt,
-                "success": False,
+                    system_instruction=system_instruction,
-                "text": (
+                    model=model_to_use,
-                    "❌ <b>База документов дома № 37 временно обновляет сессию.</b>\n\n"
+                    audio_path=audio_path
-                    "Юридический помощник не выдает выдуманных общих ответов нейросетей, "
+                )
-                    "а обращается строго к протоколам ОСС, сметам и договорам нашего дома в NotebookLM. "
+
-                    "Пожалуйста, повторите вопрос через минуту."
+                latency = (datetime.now() - start_time).total_seconds()
-                ),
+
-                "role": role,
+                return {
-                "latency_sec": latency,
+                    "success": True,
-                "error_detail": err_msg
+                    "text": reply_text.strip(),
-            }
+                    "answer": reply_text.strip(),
+                    "role": role,
+                    "latency_sec": round(latency, 2),
+                    "model": model_to_use
+                }
+
+            except Exception as e:
+                last_err = e
+                log.warning(f"Model {model_to_use} failed ({e}), trying next fallback...")
+                await asyncio.sleep(0.5)
+
+        latency = (datetime.now() - start_time).total_seconds()
+        log.error(f"All Gemini fallback models failed: {last_err}")
+        return {
+            "success": False,
+            "text": f"Шлюз ИИ временно перегружен. Пожалуйста, повторите вопрос через несколько секунд.",
+            "role": role,
+            "latency_sec": round(latency, 2)
+        }
 
 # Глобальный синглтон юридического ядра для роутеров бота
 legal_engine = AILegalEngine()
@@ -272,7 +255,7 @@ legal_engine = AILegalEngine()
 if __name__ == "__main__":
     async def test():
         engine = AILegalEngine()
-        res = await engine.query("Сравни за что мы голосуем на общих собраниях - за обрезку или глубокую обрезку деревьев во дворе. А в отчетах - как списывают?")
+        res = await engine.query("Какие сроки ответа прокуратуры по закону 59-ФЗ?", role="resident")
         print("Success:", res["success"])
         print("Latency:", res["latency_sec"])
         print("Model:", res.get("model"))