Update src/services/analysis_service.py

src/services/analysis_service.py

@@ -44,4 +44,54 @@ class AnalysisService:
     def _get_contextual_feedback(self, structured_analysis: Dict[str, Any]) -> List[str]:
         rag_feedback = []
         
-        if structured_analysis.get("intent_analysis
+        if structured_analysis.get("intent_analysis"):
+            for intent in structured_analysis["intent_analysis"]:
+                query = f"Conseils pour un candidat qui cherche à {intent['labels'][0]}"
+                rag_feedback.extend(self.rag_handler.get_relevant_feedback(query))
+        
+        if structured_analysis.get("sentiment_analysis"):
+            for sentiment_group in structured_analysis["sentiment_analysis"]:
+                for sentiment in sentiment_group:
+                    if sentiment['label'] == 'stress' and sentiment['score'].item() > 0.6:
+                        rag_feedback.extend(
+                            self.rag_handler.get_relevant_feedback("gestion du stress en entretien")
+                        )
+        
+        return list(set(rag_feedback))
+
+    def _generate_final_report(
+        self, 
+        structured_analysis: Dict[str, Any], 
+        rag_feedback: List[str]
+    ) -> Dict[str, Any]:
+        
+        task = Task(
+            description=(
+                f"Tu es un rédacteur expert en RH. Ta mission est de rédiger un rapport d'évaluation final. "
+                f"Tu dois utiliser deux sources d'information principales : "
+                f"1. Les données d'analyse structurées de l'entretien : '{json.dumps(structured_analysis, indent=2)}'. "
+                f"2. Une liste de conseils et de feedback pertinents issus de notre base de connaissances : '{chr(10).join(rag_feedback)}'. "
+                f"Ta tâche est de synthétiser ces informations en un rapport cohérent et actionnable."
+            ),
+            expected_output=(
+                "Un rapport final exceptionnel basé sur l'analyse fournie. Le rapport doit être structuré comme suit: "
+                "1. **Résumé et Score d'Adéquation** : Synthétise le score de similarité sémantique et donne un aperçu global. "
+                "2. **Analyse Comportementale** : Interprète les résultats de l'analyse de sentiment et d'intention pour décrire le comportement du candidat. "
+                "3. **Adéquation Sémantique avec le Poste** : Explique ce que signifie le score de similarité. "
+                "4. **Points Forts & Axes d'Amélioration Personnalisés** : Utilise les données d'analyse pour identifier les points à améliorer. "
+                "Ensuite, intègre de manière fluide et naturelle les conseils pertinents pour proposer des pistes d'amélioration concrètes et personnalisées. "
+                "5. **Recommandation Finale**."
+            ),
+            agent=self.report_agent
+        )
+
+        crew = Crew(
+            agents=[self.report_agent],
+            tasks=[task],
+            process=Process.sequential,
+            verbose=False,
+            telemetry=False
+        )
+
+        result = crew.kickoff()
+        return {"analysis_report": result.raw if hasattr(result, 'raw') else str(result)}