dev

app.py

@@ -8,15 +8,13 @@ import numpy as np
 import sys
 sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '..')))
 from backend.tts import synthesize_text
-from backend.asr import transcribe_audio, transcribe_typhoon
-from backend.utils import preprocess_audio, is_valid_turn, preprocess_audio_simplified
+from backend.asr import transcribe_audio
+from backend.utils import preprocess_audio, is_valid_turn
 from backend.main import stream_chat_response
-import json
+
 from pydub import AudioSegment
-import ast
-from backend.utils import get_device
-if get_device() == "mps":
-    load_dotenv(override=True)
+
+
 
 
 phone_waiting_sound = AudioSegment.from_mp3("frontend/phone-ringing-382734.mp3")[:1000]
@@ -51,172 +49,25 @@ h1 {
     max-width: 350px !important; /* Limit the width of the phone column */
     margin: 0 auto;              /* Center the column */
     border-radius: 20px;
-    background-color: #f9cb9c;   /* Lighter pink for telephone interface */
+    background-color: #ff69b4;   /* Lighter pink for telephone interface */
     box-shadow: 0 0 15px rgba(0, 0, 0, 0.2);
     padding: 20px;
 }
 /* Conversation history box styling */
 #conversation-history-chatbot {
-    background-color: #f9cb9c;   /* Lighter pink for conversation history */
+    background-color: #ffc0cb;   /* Lighter pink for conversation history */
     border: 1px solid #ccc;
     border-radius: 10px;
     padding: 10px;
     box-shadow: 0 0 15px rgba(0, 0, 0, 0.2);
 }
 """
-def format_history_for_chatbot(history):
-    """
-    Formats the conversation history for display in the Gradio Chatbot.
-    It creates readable strings for tool calls and tool results.
-    """
-    formatted_history = []
-    if not history:
-        return []
-    for turn in history:
-        role = turn.get("role")
-        content = turn.get("content")
-        tool_calls = turn.get("tool_calls")
-        
-        if role == "user":
-            formatted_history.append({"role": "user", "content": content})
-        elif role == "assistant":
-            if tool_calls:
-                # Display a user-friendly message for the tool call
-                id = tool_calls[0]['id']
-                func_name = tool_calls[0]['function']['name']
-                func_args = tool_calls[0]['function']['arguments']
-                display_content = f"<id>{id}</id><func_name>{func_name}</func_name><func_args>{func_args}</func_args>"
-                # display_content = (
-                #     f"**Calling Tool:**\n"
-                #     f"```json\n"
-                #     f"{{\n"
-                #     f'  "name": "{func_name}",\n'
-                #     f'  "arguments": {func_args}\n'
-                #     f"}}\n"
-                #     f"```"
-                # )
-                formatted_history.append({"role": "assistant", "content": display_content})
-            else:
-                # Regular assistant message
-                formatted_history.append({"role": "assistant", "content": content})
-        elif role == "tool":
-            # Display a user-friendly message for the tool result
-            id = turn.get("tool_call_id")
-            result_content = json.dumps(json.loads(content), indent=2, ensure_ascii=False)
-            display_content = f"<id>{id}</id><content>{content}</content>"
-            # display_content = (
-            #     f"**Tool Result:**\n"
-            #     f"```json\n"
-            #     f"{result_content}\n"
-            #     f"```"
-            # )
-            # Represent tool results as if the "assistant" is providing them
-            formatted_history.append({"role": "assistant", "content": display_content})
-    
-    return formatted_history
-import re
-def revert_to_openai_format(formatted_history):
-    """
-    Converts a history list formatted for the Gradio Chatbot UI back into
-    the standard OpenAI API format. It parses custom string formats for
-    tool calls and tool results.
-
-    Args:
-        formatted_history (list): A list of message dictionaries as they appear
-                                  in the Gradio Chatbot component.
-
-    Returns:
-        list: A list of message dictionaries compliant with the OpenAI API format.
-    """
-    openai_history = []
-    
-    # Pre-compile regex patterns for efficiency
-    # Pattern to find a tool call message
-    tool_call_pattern = re.compile(
-        r"<id>(.*?)</id><func_name>(.*?)</func_name><func_args>(.*?)</func_args>",
-        re.DOTALL  # Use DOTALL in case arguments contain newlines
-    )
-    # Pattern to find a tool result message
-    tool_result_pattern = re.compile(
-        r"<id>(.*?)</id><content>(.*?)</content>",
-        re.DOTALL
-    )
-
-    if not formatted_history:
-        return []
-
-    for turn in formatted_history:
-        role = turn.get("role")
-        content = turn.get("content") 
-        # If content is None, treat it as an empty string for the regex search.
-        if content is None:
-            content = ""
-
-        if role == "user":
-            openai_history.append(turn)
-            continue
-
-        if role == "assistant":
-            # Check if this is a formatted tool call
-            tool_call_match = tool_call_pattern.search(content)
-            if tool_call_match:
-                call_id, func_name, func_args_str = tool_call_match.groups()
-                
-                # Reconstruct the original tool_calls structure
-                reverted_turn = {
-                    "role": "assistant",
-                    "content": None,
-                    "tool_calls": [
-                        {
-                            "id": call_id,
-                            "type": "function",
-                            "function": {
-                                "name": func_name,
-                                "arguments": func_args_str
-                            },
-                        }
-                    ],
-                }
-                openai_history.append(reverted_turn)
-                continue
-
-            # Check if this is a formatted tool result (as per your formatter's logic)
-            tool_result_match = tool_result_pattern.search(content)
-            if tool_result_match:
-                tool_call_id, tool_content = tool_result_match.groups()
-                
-                # Reconstruct the original tool message
-                # NOTE: The role must be 'tool' for the API
-                reverted_turn = {
-                    "role": "tool",
-                    "tool_call_id": tool_call_id,
-                    "content": tool_content.strip() # Remove trailing space
-                }
-                openai_history.append(reverted_turn)
-                continue
-            
-            # If no patterns match, it's a regular assistant message
-            if turn.get("content") is not None:
-                openai_history.append(turn)
-
-    return openai_history
-
-
 def response(audio: tuple[int, np.ndarray] | None, conversation_history):
     """
     Handles user audio input, transcribes it, streams LLM text via backend.main,
     and synthesizes chunks to audio while updating the conversation history.
     """
-    print(f"WebRTC input SR: {audio[0]}")
-
     print(f"--- Latency Breakdown ---")
-    # # stage_asr = "normal" #["normal,"gemini"]
-    # print('-----------------------------')
-    # print(f"Initial conver:{conversation_history}")
-    # print('-----------------------------')
-
-    conversation_history = revert_to_openai_format(conversation_history)
-    # print(f"After convert:{conversation_history}")
     start_time = time.time()
     if conversation_history is None:
         conversation_history = []
@@ -232,34 +83,14 @@ def response(audio: tuple[int, np.ndarray] | None, conversation_history):
     sample_rate, audio_array = audio
 
     try:
-        sr , processed_audio = preprocess_audio_simplified((sample_rate, audio_array), target_sr=16000)
-        
-        print(sr, processed_audio.dtype, processed_audio.min(), processed_audio.max(), processed_audio.shape)
-
+        processed_audio = preprocess_audio((sample_rate, audio_array), target_frame_rate=16000)
     except Exception as audio_err:
         print(f"Audio preprocessing failed: {audio_err}")
         print(f"------------------------")
         return
-    
-    silence_duration_s = 0.2
-
-    # Calculate the number of samples corresponding to the silence duration
-    silence_samples = int(16000 * silence_duration_s)
-    
-    # Create a silent audio segment (an array of zeros)
-    # Ensure the dtype matches your processed audio for compatibility
-    leading_silence = np.zeros(silence_samples, dtype=np.float32)
-
-    # Prepend the silence to the beginning of your processed audio
-    audio_with_padding = np.concatenate([leading_silence, processed_audio])
-    
-    print(f"Added {silence_duration_s}s of silence. New shape: {audio_with_padding.shape}")
-    
-    file_name = "temp.wav"
-    sf.write(file_name, audio_with_padding, sr)
+
     t0 = time.time()
-    transcription = transcribe_typhoon(file_name)
-    # transcription = transcribe_audio( "debug_processed.wav")
+    transcription = transcribe_audio( processed_audio)
     t_asr = time.time() - t0
     print(f"ASR:        {t_asr:.4f}s")
 
@@ -267,108 +98,86 @@ def response(audio: tuple[int, np.ndarray] | None, conversation_history):
         print("No valid transcription; skipping response generation.")
         print(f"------------------------")
         return
+
     user_turn = {"role": "user", "content": transcription}
     print(f"User: {transcription}")
     if is_valid_turn(user_turn):
         conversation_history.append(user_turn)
-        yield AdditionalOutputs(format_history_for_chatbot(conversation_history))
+        yield AdditionalOutputs(conversation_history)
 
-    # print("Conversation history:", conversation_history)
+    print("Conversation history:", conversation_history)
 
     assistant_turn = {"role": "assistant", "content": ""}
     conversation_history.append(assistant_turn)
-    
-    # print(previous_history)
+
     history_for_stream = [dict(turn) for turn in previous_history if is_valid_turn(turn)]
-    # print(f"history_for_stream{history_for_stream}")
 
     text_buffer = ""
     full_response = ""
     delimiter_count = 0
-    n_threshold = 1
-    max_n_threshold = 1
+    n_threshold = 5
+    max_n_threshold = 7
     lang = "th"
     chunk_count = 0
     first_chunk_sent = False
     start_llm_stream = time.time()
 
     try:
-        for chunk in stream_chat_response(history_for_stream, transcription):
-            # print(f"LLM chunk: {text_chunk}")
-            if  isinstance(chunk, str):
-                text_chunk = chunk
-
-                i = 0
-                while i < len(text_chunk):
-                    char = text_chunk[i]
-                    text_buffer += char
-                    full_response += char
-
-                    assistant_turn["content"] = full_response.strip()
-
-                    is_delimiter = False
-                    # if char in {' ', '\n'}:
-                    if char == "|":
-                        
-                        #check the next character is number, not count as delimiter
-                        # if i + 1 < len(text_chunk) and (text_chunk[i + 1].isdigit() or text_chunk[i - 1].isdigit()):
-                        #     is_delimiter = False
-                        # else:
-                        # print(f"text_buffer before removing delimiter: '{text_buffer}'")
-                        # text_buffer = text_buffer[:-1]  # Remove the delimiter from the buffer
-                        # print(f"text_buffer after removing delimiter: '{text_buffer}'")
-                        is_delimiter = True
-                        
-                        delimiter_count += 1
-                        if i + 1 < len(text_chunk) and text_chunk[i + 1] == 'ๆ':
-                            text_buffer += text_chunk[i + 1]
-                            full_response += text_chunk[i + 1]
-                            i += 1
-
-                    send_now = False
-                    if not first_chunk_sent:
-                        if is_delimiter and text_buffer.strip():
-                            send_now = True
-                    else:
-                        if delimiter_count >= n_threshold and text_buffer.strip():
-                            send_now = True
-                            if n_threshold < max_n_threshold:
-                                n_threshold += 1
-
-                    if send_now:
-                        buffer_to_send = text_buffer.strip()
-                        try:
-                            if buffer_to_send and buffer_to_send.endswith('วันที่'):
-                                buffer_to_send = buffer_to_send[:-len('วันที่')]
-                            if buffer_to_send and first_chunk_sent and buffer_to_send.endswith('ค่ะ'):
-                                buffer_to_send = buffer_to_send[:-len('ค่ะ')]
-                        except Exception:
-                            buffer_to_send = buffer_to_send.replace('ค่ะ', '')
-
-                        if buffer_to_send:
-                            chunk_count += 1
-                            if chunk_count == 1:
-                                first_llm_chunk_time = time.time()
-                                t_llm_first_token = first_llm_chunk_time - start_llm_stream
-                                print(f"LLM TTFC:   {t_llm_first_token:.4f}s (Time To First Chunk)")
-                            yield from synthesize_text(buffer_to_send, lang=lang)
-                            first_chunk_sent = True
-                            text_buffer = ""
-                            delimiter_count = 0
-                            yield AdditionalOutputs(format_history_for_chatbot(conversation_history))
-
-                    i += 1
-            elif isinstance(chunk, dict) and "role" in chunk:
-                # print(f"Received tool message for history: {chunk}")
-                
-                if chunk.get("content") is None:
-                    chunk["content"] = ""
-                conversation_history.insert(-1, chunk)
-
-                # Update the chatbot UI to reflect the new history structure
-                
-                yield AdditionalOutputs(format_history_for_chatbot(conversation_history))
-        
+        for text_chunk in stream_chat_response(history_for_stream, transcription):
+            if not isinstance(text_chunk, str):
+                text_chunk = str(text_chunk)
+
+            i = 0
+            while i < len(text_chunk):
+                char = text_chunk[i]
+                text_buffer += char
+                full_response += char
+
+                assistant_turn["content"] = full_response.strip()
+
+                is_delimiter = False
+                if char in {' ', '\n'}:
+                    is_delimiter = True
+                    delimiter_count += 1
+                    if i + 1 < len(text_chunk) and text_chunk[i + 1] == 'ๆ':
+                        text_buffer += text_chunk[i + 1]
+                        full_response += text_chunk[i + 1]
+                        i += 1
+
+                send_now = False
+                if not first_chunk_sent:
+                    if is_delimiter and text_buffer.strip():
+                        send_now = True
+                else:
+                    if delimiter_count >= n_threshold and text_buffer.strip():
+                        send_now = True
+                        if n_threshold < max_n_threshold:
+                            n_threshold += 1
+
+                if send_now:
+                    buffer_to_send = text_buffer.strip()
+                    try:
+                        if buffer_to_send and buffer_to_send.endswith('วันที่'):
+                            buffer_to_send = buffer_to_send[:-len('วันที่')]
+                        if buffer_to_send and first_chunk_sent and buffer_to_send.endswith('ค่ะ'):
+                            buffer_to_send = buffer_to_send[:-len('ค่ะ')]
+                    except Exception:
+                        buffer_to_send = buffer_to_send.replace('ค่ะ', '')
+
+                    if buffer_to_send:
+                        chunk_count += 1
+                        if chunk_count == 1:
+                            first_llm_chunk_time = time.time()
+                            t_llm_first_token = first_llm_chunk_time - start_llm_stream
+                            print(f"LLM TTFC:   {t_llm_first_token:.4f}s (Time To First Chunk)")
+                        yield from synthesize_text(buffer_to_send, lang=lang)
+                        first_chunk_sent = True
+                        text_buffer = ""
+                        delimiter_count = 0
+                        yield AdditionalOutputs(conversation_history)
+
+                i += 1
+
         if text_buffer.strip():
             buffer_to_send = text_buffer.strip()
             try:
@@ -389,8 +198,7 @@ def response(audio: tuple[int, np.ndarray] | None, conversation_history):
                 first_chunk_sent = True
                 text_buffer = ""
                 delimiter_count = 0
-                
-                yield AdditionalOutputs(format_history_for_chatbot(conversation_history))
+                yield AdditionalOutputs(conversation_history)
 
     except Exception as e:
         print(f"An error occurred during response generation or synthesis: {e}")
@@ -400,7 +208,7 @@ def response(audio: tuple[int, np.ndarray] | None, conversation_history):
         except Exception as synth_error:
             print(f"Could not synthesize error message: {synth_error}")
         assistant_turn["content"] = (assistant_turn.get("content", "") + f" [Error: {e}]").strip()
-        yield AdditionalOutputs(format_history_for_chatbot(conversation_history))
+        yield AdditionalOutputs(conversation_history)
 
     total_latency = time.time() - start_time
     print(f"Total:      {total_latency:.4f}s")
@@ -411,7 +219,7 @@ def response(audio: tuple[int, np.ndarray] | None, conversation_history):
 async def get_credentials():
     return await get_cloudflare_turn_credentials_async(hf_token=os.getenv('HF_TOKEN'))
    
-with gr.Blocks(css=custom_css, theme=gr.themes.Soft(primary_hue="orange", secondary_hue="orange")) as demo:
+with gr.Blocks(css=custom_css, theme=gr.themes.Soft(primary_hue="pink", secondary_hue="pink")) as demo:
     gr.HTML("""<h1 style='text-align: center'>1577 Voicebot Demo</h1>""")
     with gr.Row():
         with gr.Column(scale=1, elem_classes=["phone-column"]):
@@ -450,13 +258,13 @@ with gr.Blocks(css=custom_css, theme=gr.themes.Soft(primary_hue="orange", second
         fn=ReplyOnPause(
             response,
             algo_options=AlgoOptions(
-                audio_chunk_duration=1.35,
-                started_talking_threshold=0.35,
-                speech_threshold=0.2
+                audio_chunk_duration=1.0,
+                started_talking_threshold=0.4,
+                speech_threshold=0.6
             ),
             model_options=SileroVadOptions(
-                threshold=0.65,
-                min_speech_duration_ms=200,
+                threshold=0.5,
+                min_speech_duration_ms=300,
                 max_speech_duration_s=float("inf"),
                 min_silence_duration_ms=1200,
             ),

backend/asr.py

@@ -1,19 +1,9 @@
-"""Speech-to-text utilities with graceful fallbacks and dynamic stage switching."""
+"""Speech-to-text utilities with graceful fallbacks."""
 
 from __future__ import annotations
 
-import io
-import os
-import wave
-from threading import Lock
-from typing import Any, Literal, Optional
 import numpy as np
 
-try:
-    from openai import OpenAI
-except ModuleNotFoundError:
-    OpenAI = None  # type: ignore[assignment]
-
 from backend.utils import device
 import nemo.collections.asr as nemo_asr
 
@@ -31,8 +21,6 @@ except ModuleNotFoundError:
 
 
 _ASR_PIPELINE = None
-_ASR_STAGE: Literal["typhoon", "gpt"] = "typhoon"
-_ASR_STAGE_LOCK: Lock = Lock()
 
 
 def _huggingface_device() -> int | str | None:
@@ -46,43 +34,32 @@ def _huggingface_device() -> int | str | None:
 def _initialize_typhoon_pipeline():
     if torch is None or pipeline is None:
         return None
-
+    
     print(f"Using device: {device}")
     print("Initializing Typhoon ASR pipeline...")
     asr_model = nemo_asr.models.ASRModel.from_pretrained(
-        model_name="scb10x/typhoon-asr-realtime",
-        map_location=device,
-    )
+    model_name="scb10x/typhoon-asr-realtime",
+    map_location=device
+)
     print("Typhoon ASR pipeline initialized.")
     return asr_model
 
-
-def _initialize_gpt_client() -> Optional[Any]:
-    return None
-
-    
-
-
-_GPT_ASR_MODEL = os.getenv("GPT_ASR_MODEL", "gpt-4o-mini-transcribe")
-_GPT_CLIENT = _initialize_gpt_client()
-
-
-def set_asr_stage(stage: str) -> None:
-    """Update the active ASR stage."""
-    normalized_stage = stage.lower()
-    if normalized_stage not in {"typhoon", "gpt"}:
-        raise ValueError(f"Unsupported ASR stage '{stage}'")
-    global _ASR_STAGE
-    with _ASR_STAGE_LOCK:
-        if _ASR_STAGE != normalized_stage:
-            print(f"Switching ASR stage to: {normalized_stage}")
-        _ASR_STAGE = normalized_stage  # type: ignore[assignment]
-
-
-def get_asr_stage() -> Literal["typhoon", "gpt"]:
-    """Return the current ASR stage."""
-    with _ASR_STAGE_LOCK:
-        return _ASR_STAGE
+# def _initialize_whisper_pipeline():
+#     pipe = pipeline(
+#     task="automatic-speech-recognition",
+#     model="nectec/Pathumma-whisper-th-medium",
+#     chunk_length_s=30,
+#     device=device,
+#     model_kwargs={"torch_dtype": torch.bfloat16},
+#     )
+#     pipe.model.config.forced_decoder_ids = pipe.tokenizer.get_decoder_prompt_ids(
+#     language='th',
+#     task="transcribe"   
+#     )
+#     return pipe
+# _ASR_TYPHOON = None
+_ASR_TYPHOON = _initialize_typhoon_pipeline()
+# _ASR_WHISPER = _initialize_whisper_pipeline()
 
 
 def _transcribe_with_pipeline(audio_array: np.ndarray) -> str:
@@ -94,18 +71,6 @@ def _transcribe_with_pipeline(audio_array: np.ndarray) -> str:
     return text.replace("ทางลัด", "ทางรัฐ")
 
 
-def _transcribe_with_typhoon(audio_array: np.ndarray) -> str:
-    if _ASR_TYPHOON is None:
-        raise RuntimeError("Typhoon ASR is unavailable")
-
-    result = _ASR_TYPHOON.transcribe(audio=audio_array)
-    if isinstance(result, list):
-        transcription = " ".join(result)
-    else:
-        transcription = str(result)
-    return transcription.strip()
-
-
 def _transcribe_with_google(audio_array: np.ndarray) -> str:
     if speech is None:
         raise RuntimeError("google-cloud-speech is not available")
@@ -119,7 +84,7 @@ def _transcribe_with_google(audio_array: np.ndarray) -> str:
         sample_rate_hertz=16000,
         language_code="th-TH",
         alternative_language_codes=["en-US"],
-        model="telephony",
+        model = "telephony"
     )
     audio_data = speech.RecognitionAudio(content=audio_bytes)
     response = client.recognize(config=audio_config, audio=audio_data)
@@ -128,78 +93,25 @@ def _transcribe_with_google(audio_array: np.ndarray) -> str:
     )
     return transcription
 
-import time
-def _transcribe_with_gpt(path) -> str:
-    if _GPT_CLIENT is None:
-        raise RuntimeError("GPT ASR client is unavailable")
-
-    
-
-    myfile = _GPT_CLIENT.files.upload(file=path)
-    start = time.time()
-    response = _GPT_CLIENT.models.generate_content(
-        model="gemini-2.0-flash", contents=[
-    "Transcribe the following audio file into Thai(code switch with english) "
-    "The audio may contain a Thai first name, last name, address (in Thailand), telephone number, or postal code. "
-    "Do not describe or explain — just provide the direct transcription.",
-    myfile
-]
-)
-    print(f"GPT ASR took {time.time() - start:.2f} seconds")
-
-    
-    text = response.text
-    return text.strip()
-
-
-_ASR_TYPHOON = _initialize_typhoon_pipeline()
-
-def transcribe_typhoon(path: str) -> str:
-    try:
-        text = _ASR_TYPHOON.transcribe(path)
-        if text[0].text:
-            return text[0].text
-        else :
-            print(text)
-            return ""
-    except Exception as e:
-        print(f"❌ Error during Typhoon transcription: {e}")
-        return ""
-        
 
-
-def transcribe_audio(path: str) -> str:
-    """Transcribe user audio with the best available backend based on the current stage."""
-    if path is None :
+def transcribe_audio(audio_array: np.ndarray) -> str:
+    """Transcribe user audio with the best available backend."""
+    if audio_array is None or not np.any(audio_array):
         return ""
-
-    stage = get_asr_stage()
-    print(f"Current ASR stage: {stage}")
-
-    if stage == "gpt":
-        # print("Using GPT ASR stage.")
+    if _ASR_TYPHOON:
         try:
-            transcription = _transcribe_with_gpt(path)
-            if transcription:
-                return transcription.replace("ทางลัด", "ทางรัฐ")
-        except Exception as exc:
-            print(f"GPT ASR failed: {exc}; falling back to Typhoon.")
-
-    if _ASR_TYPHOON is not None:
-        try:
-            transcription = transcribe_typhoon(path)
-            if transcription:
-                return transcription.replace("ทางลัด", "ทางรัฐ")
+            transcriptions = _ASR_TYPHOON.transcribe(audio=audio_array)
         except Exception as exc:
             print(f"Typhoon ASR pipeline failed: {exc}")
+    # if _ASR_WHISPER:
+    #     try:
+    #         transcription = _ASR_WHISPER(audio_array)["text"]
+    #         return transcription
+    #     except Exception as exc:
+    #         print(f"Typhoon ASR pipeline failed: {exc}")
 
     try:
-        return _transcribe_with_google(path).replace("ทางลัด", "ทางรัฐ")
+        return _transcribe_with_google(audio_array)
     except Exception as exc:
         print(f"ASR fallback failed: {exc}")
         return ""
-
-if __name__ == "__main__":
-    test_audio_path = "/Users/jullajakkarnjanaekarin/Documents/1577-2/debug_processed.wav"  # Replace with your test audio file path
-    print("Transcription result:")
-    print(transcribe_audio(test_audio_path))

backend/functions.py

@@ -7,15 +7,13 @@ from pythainlp.tokenize import word_tokenize # Moved import here
 import models # Keep standard import
 import asyncio
 from typing import Optional, Dict
-from utils import get_device
 # import time # No longer needed for reranker
 # import numpy as np # No longer needed for reranker
 # import onnxruntime as ort # No longer needed for reranker
 # from transformers import AutoTokenizer # No longer needed for reranker
 
 # Load environment variables
-if get_device() == "mps":
-    load_dotenv(override=True)
+# load_dotenv(override=True)
 
 # Set up logging
 logging.basicConfig(level=logging.INFO)

backend/main.py

@@ -16,9 +16,9 @@ import sys
 sys.path.append(os.path.abspath('./backend'))
 from models import LLMFinanceAnalyzer
 from functions import MongoHybridSearch
-from utils import get_device
-if get_device() == "mps":
-    load_dotenv(override=True)
+
+
+# load_dotenv(override=True)
 
 logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(name)s - %(levelname)s - %(message)s")
 logger = logging.getLogger(__name__)
@@ -67,14 +67,13 @@ def _create_truncated_history(
     full_conversation: List[Dict[str, str]],
     max_assistant_length: int,
 ) -> List[Dict[str, str]]:
-    # truncated = []
-    # for msg in full_conversation:
-    #     processed = msg.copy()
-    #     if processed.get("role") == "assistant" and len(processed.get("content", "")) > max_assistant_length:
-    #         processed["content"] = processed["content"][:max_assistant_length] + "..."
-    #     truncated.append(processed)
-    # return truncated
-    return full_conversation
+    truncated = []
+    for msg in full_conversation:
+        processed = msg.copy()
+        if processed.get("role") == "assistant" and len(processed.get("content", "")) > max_assistant_length:
+            processed["content"] = processed["content"][:max_assistant_length] + "..."
+        truncated.append(processed)
+    return truncated
 
 
 def _generate_pseudo_conversation(conversation: List[Dict[str, str]]) -> List[Dict[str, str]]:
@@ -107,15 +106,148 @@ async def _stream_chat_async(history: List[Dict[str, str]], message: str) -> Asy
         #         logger.error("Error during document search: %s", search_err, exc_info=True)
         #         yield "ขออภัยค่ะ เกิดข้อผิดพลาดขณะค้นหาข้อมูล"
         #         return
-        # if len(full_conversation) > 7:
-        #     if full_conversation[-7].get("role") == "tool":
-        #         limited_conversation = full_conversation
-        #     else:
-        #         limited_conversation = full_conversation[-7:]
-        # else:
-        #     limited_conversation = full_conversation
-        limited_conversation = full_conversation
-        response_generator = llm_analyzer.generate_normal_response(limited_conversation)
+        retrieved_data = """
+ตัวอย่างรายการสินค้า จาก www.1577shop.com
+
+**[2ฟรี2] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี เซรั่ม (5g.) 2 กระปุก**
+
+**Original price was: ฿9,400.00. Current price is: ฿2,900.00.-70%**
+
+The Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า เซรั่มสูตรใหม่ ดีขึ้น 12 เท่า
+*เมื่อเทียบเท่ากับการใช้ Trylagina Intensive Collagen Mask 12 ครั้ง ช่วยฟื้นบำรุงอย่างล้ำลึก ถึง 5 มิติ เผยผิวใหม่อ่อนเยาว์กว่าที่เคย
+-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
+-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
+-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน
+
+5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
+1. 5D Matrixcolla  ช่วยกระตุ้นการสร้าง Collagen ให้ผิวคืน “ความอ่อนเยาว์”
+2. HyWhite® ช่วยลดเลือนฝ้า กระ จุดด่างดำ และ a-Linoleic Acid มีคุณสมบัติช่วยให้ผิวขาวกระจ่างใส เพิ่มความสม่ำเสมอให้กับสีผิว
+3. สารสกัดยีสต์จาก ดอกโฮยาคาร์โนซ่า เติมความแข็งแรงให้กับผิว มอบความแข็งแรงให้กับผิวจากภายใน ช่วยให้ผิวสุขภาพดี เปล่งปลั่ง
+4. PatcH2O® ช่วยให้ผิวชุ่มชื่นทันที พร้อมล็อกผิวให้ฉ่ำน้ำยาวนาน ถึง 5 วัน หรือ 120 ชั่ว���มง *เมื่อใช้เป็นประจำต่อเนื่อง และ สามารถปกป้องผิวจาก มลภาวะฝุ่น PM2.5
+5. สาหร่ายซุยเซ็นจิ จากประเทศญี่ปุ่น ซึ่งเติบโตในแหล่งน้ำที่อุดมไปด้วยแร่ธาตุจากภูเขาไฟอะโซะ (Aso) เกาะคิวชู (Kyoshu) ช่วยปลอบประโลมผิว ให้ผิวรู้สึกผ่อนคลาย
+เลขที่ได้รับจดแจ้ง : 11-1-6600001843
+
+สิ่งที่คุณจะได้รับ
+1.Trylagina Age-Defying Collagen Serum 12X ขนาด 30 g. 2 กระปุก
+2.Trylagina Age-Defying Collagen Serum 12X ขนาด 5 g. 2 กระปุก
+
+https://www.1577shop.co.th/product/1577-shop-tgn-03
+-------
+## (1 ใหญ่) Minus 20 ไมนัสทเวนตี้ ครีมเกล็ดทองคำ ผิวตึง ฉ่ำ ไบร์ท | 30 กรัม
+
+**Original price was: ฿3,200.00.Current price is: ฿1,890.00.-41%**
+
+Minus20 Advanced Youth Anti-Wrinkle Cream
+ครีมบำรุงผิวหน้า ไมนัสทเวนตี้ แอดวานซ์ ยูธ แอนไท ริงเคิล ครีม
+
+ครีมสูตรเฉพาะเพื่อผิววัย 40+ 50+ 60+ ช่วยตอบโจทย์ปัญหาผิวสาวไทยวัยกลางคน ที่ผ่านช่วงเวลาแห่งการเปลี่ยนแปลง ส่งผลให้มีริ้วรอยร่องลึก ผิวแห้ง หน้าหมองคล้ำ มีฝ้า จุดด่างดำฝังลึก และที่ครีมเดิมที่คุณเคยใช้อาจไม่ได้ผลต่อไป เพราะเราเข้าใจทุกปัญหาจึงพัฒนาไมนัสทเวนตี้มาเป็นสูตรแอดวานซ์ ยูธ เพื่อให้คุณได้สัมผัสผลลัพธ์ผิวที่
+✨ ตึงกว่าเดิม ริ้วรอยร่องลึกจางลง
+✨ ฉ่ำกว่าเดิม ชุ่มชื้นอิ่มน้ำยาวนานมากกว่า 24 ชั่วโมง
+✨ ไบร์ทกว่าเดิม หน้าและดูกระจ่างใส จุดด่างดำจางลง
+
+ไมนัสทเวนตี้ คัดสรรสารสกัดที่ช่วยตอบโจทย์ปัญหาผิววัยเราอย่างตรงจุดการันตีคุณภาพกลไกลการทำสารของสารกัดด้วยได้รับรางวัลโนเบล แต่ยังอ่อนโยนเหมาะกับทุกสภาพผิว
+
+เนื้อผสมครีมเกล็ดทองคำบริสุทธิ์ 99.99% อนุภาคทองละเอียดซึมลึก สัมผัสบางเบา เกลี่ยง่าย ซึมไว ไม่เหนียว ไม่เหนอะหนะ
+
+*ผลลัพธ์ขึ้นอยู่กับแต่ละสภาพผิวแต่ละบุคคล
+• เลขที่ใบรับจดเเจ้ง : 74-1-6600008720
+• ขนาด 30 กรัม
+
+✨วิธีใช้:
+• หลังล้างหน้าทาครีมไมนัสทเวนตี้ในปริมาณที่เหมาะสม
+• แตะและลูบไล้เบาๆลงบนผิวหน้าและลำคอ
+• ใช้ทาเช้าและเย็น เป็นประจำทุกวัน
+
+✨เคล็ดลับ :
+• เก็บครีมบำรุงผิวในอุณหภูมิที่เหมาะสม
+• ทาครีมกันแดดเป็นประจำทุกวัน เพื่อปกป้องผิวจากแสงแดด
+
+สิ่งที่จะได้รับ
+1. Minus20 Advanced Youth Anti-Wrinkle Cream (30g) จำนวน 1 กระปุก
+
+[https://www.1577shop.co.th/product/1577-shop-msn-001](https:/www.1577shop.co.th/product/1577-shop-msn-001)
+-------
+## [2ฟรี2] Minus 20 (ไมนัสทเวนตี้) ครีมเกล็ดทองคำ ผิวตึง ฉ่ำ ไบร์ท | เซตขายดี
+
+**Original price was: ฿8,180.00.Current price is: ฿2,900.00.-65%**
+
+Minus20 Advanced Youth Anti-Wrinkle Cream
+ครีมบำรุงผิวหน้า ไมนัสทเวนตี้ แอดวานซ์ ย��ธ แอนไท ริงเคิล ครีมครีมสูตรเฉพาะเพื่อผิววัย 40+ 50+ 60+ ช่วยตอบโจทย์ปัญหาผิวสาวไทยวัยกลางคน ที่ผ่านช่วงเวลาแห่งการเปลี่ยนแปลง ส่งผลให้มีริ้วรอยร่องลึก ผิวแห้ง หน้าหมองคล้ำ มีฝ้า จุดด่างดำฝังลึก และที่ครีมเดิมที่คุณเคยใช้อาจไม่ได้ผลต่อไป เพราะเราเข้าใจทุกปัญหาจึงพัฒนาไมนัสทเวนตี้มาเป็นสูตรแอดวานซ์ ยูธ เพื่อให้คุณได้สัมผัสผลลัพธ์ผิวที่
+✨ ตึงกว่าเดิม ริ้วรอยร่องลึกจางลง
+✨ ฉ่ำกว่าเดิม ชุ่มชื้นอิ่มน้ำยาวนานมากกว่า 24 ชั่วโมง
+✨ ไบร์ทกว่าเดิม หน้าและดูกระจ่างใส จุดด่างดำจางลงไมนัสทเวนตี้ คัดสรรสารสกัดที่ช่วยตอบโจทย์ปัญหาผิววัยเราอย่างตรงจุดการันตีคุณภาพกลไกลการทำสารของสารกัดด้วยได้รับรางวัลโนเบล แต่ยังอ่อนโยนเหมาะกับทุกสภาพผิวเนื้อผสมครีมเกล็ดทองคำบริสุทธิ์ 99.99% อนุภาคทองละเอียดซึมลึก สัมผัสบางเบา เกลี่ยง่าย ซึมไว ไม่เหนียว ไม่เหนอะหนะ*ผลลัพธ์ขึ้นอยู่กับแต่ละสภาพผิวแต่ละบุคคล
+• เลขที่ใบรับจดเเจ้ง : 74-1-6600008720
+• ขนาด 30 กรัม
+
+✨วิธีใช้:
+• หลังล้างหน้าทาครีมไมนัสทเวนตี้ในปริมาณที่เหมาะสม
+• แตะและลูบไล้เบาๆลงบนผิวหน้าและลำคอ
+• ใช้ทาเช้าและเย็น เป็นประจำทุกวัน
+
+✨เคล็ดลับ :
+• เก็บครีมบำรุงผิวในอุณหภูมิที่เหมาะสม
+• ทาครีมกันแดดเป็นประจำทุกวัน เพื่อปกป้องผิวจากแสงแดด
+
+สิ่งที่จะได้รับ
+1. Minus20 Advanced Youth Anti-Wrinkle Cream (30g) จำนวน 2 กระปุก
+2. Minus20 Advanced Youth Anti-Wrinkle Cream (8g) จำนวน 2 กระปุก
+
+https://www.1577shop.co.th/product/1577-shop-mns-003
+-------
+## [2ฟรี1] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี ทริปเปิลไมเซล่ามูสโฟม (150ml.)
+
+**Original price was: ฿8,800.00. Current price is: ฿2,900.00.-68%**
+
+The Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด
+TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า ผสาน 5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
+
+-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
+-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
+-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน
+
+*สิ่งที่คุณจะได้รับ
+1.Trylagina Age-Defying Collagen Serum 12X ขนาด 30 g. 2 กระปุก
+2.Trylagina Triple Micellar Mousse Foam ขนาด 150 ml. 1 ขวด
+
+[https://www.1577shop.co.th/product/1577-shop-tgn-04](https:/www.1577shop.co.th/product/1577-shop-tgn-04)
+-------
+## [2ฟรี1] Trylagina 12X (ไตรลาจิน่า 12X) เซรั��มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี ครีมกันแดด (30g.)
+
+**Original price was: ฿8,690.00.Current price is: ฿2,900.00.-67%**
+
+The Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด
+TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า ผสาน 5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
+
+-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
+-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
+-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน
+
+*สิ่งที่คุณจะได้รับ
+1. Trylagina Age-Defying Collagen Serum 12X ขนาด (30g.) 1 กระปุก
+2. Trylagina Age Defense Sunscreen Serum SPF50+ PA++++ ขนาด (30g.) 1 หลอด
+
+https://www.1577shop.co.th/product/1577-shop-tgn-05
+-------
+TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า เซรั่มสูตรใหม่ ดีขึ้น 12 เท่า *เมื่อเทียบเท่ากับการใช้ Trylagina Intensive Collagen Mask 12 ครั้ง ช่วยฟื้นบำรุงอย่างล้ำลึก ถึง 5 มิติ  เผยผิวใหม่อ่อนเยาว์กว่าที่เคย
+
+-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
+-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
+-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน
+
+5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
+1. 5D Matrixcolla  ช่วยกระตุ้นการสร้าง Collagen ให้ผิวคืน “ความอ่อนเยาว์”
+2. HyWhite® ช่วยลดเลือนฝ้า กระ จุดด่างดำ และ a-Linoleic Acid มีคุณสมบัติช่วยให้ผิวขาวกระจ่างใส เพิ่มความสม่ำเสมอให้กับสีผิว
+3. สารสกัดยีสต์จาก ดอกโฮยาคาร์โนซ่า เติมความแข็งแรงให้กับผิว มอบความแข็งแรงให้กับผิวจากภายใน ช่วยให้ผิวสุขภาพดี เปล่งปลั่ง
+4. PatcH2O® ช่วยให้ผิวชุ่มชื่นทันที พร้อมล็อกผิวให้ฉ่ำน้ำยาวนาน ถึง 5 วัน หรือ 120 ชั่วโมง *เมื่อใช้เป็นประจำต่อเนื่อง และ สามารถปกป้องผิวจาก มลภาวะฝุ่น PM2.5
+5. สาหร่ายซุยเซ็นจิ จากประเทศญี่ปุ่น ซึ่งเติบโตในแหล่งน้ำที่อุดมไปด้วยแร่ธาตุจากภูเขาไฟอะโซะ (Aso) เกาะคิวชู (Kyoshu) ช่วยปลอบประโลมผิว ให้ผิวรู้สึกผ่อนคลาย
+
+ขอแนะนําวิธีการใช้ผลิตภัณฑ์ เพื่อการฟื้นฟูผิวอย่างเต็มประสิทธิภาพ
+STEP 1 หลังทำความสะอาดผิวหน้า เตรียมผิวพร้อมรับการบำรุง ใช้ไม้พายตักเซรั่มลงบนหลังมือ
+STEP 2 แต้มเซรั่มลงบนผิวหน้า 5 จุด ได้แก่บริเวณ หน้าผาก ปลายจมูก พวงแก้มซ้า��� พวงแก้มขวา และปลายคาง
+STEP 3 ลูบไล้เซรั่มด้วยปลายนิ้วทั้งสองข้าง เพื่อปลดปล่อยคุณค่าของสารสกัด จากนั้นจึงกดเบาๆ ลงบนผิวหน้าและลำคอ ใช้ทั้งเช้าและเย็น
+เลขที่ได้รับจดแจ้ง : 11-1-6600001843"""
+        limited_conversation = full_conversation[-7:] if len(full_conversation) > 7 else full_conversation
+        response_generator = llm_analyzer.generate_normal_response(retrieved_data, limited_conversation)
 
         async for chunk in response_generator:
             if chunk:
@@ -139,7 +271,7 @@ def stream_chat_response(history: List[Dict[str, str]], message: str) -> Iterato
     async def runner() -> None:
         try:
             async for chunk in _stream_chat_async(history, message):
-                output_queue.put_nowait(chunk) 
+                output_queue.put_nowait(str(chunk))
         except Exception as exc:  # noqa: BLE001
             logger.error("Unhandled error in async chat stream: %s", exc, exc_info=True)
             output_queue.put_nowait(f"[Error: {exc}]")

backend/models.py

@@ -11,7 +11,6 @@ from dotenv import load_dotenv
 from openai import AsyncOpenAI, RateLimitError, APIError, OpenAI
 # from sentence_transformers import SentenceTransformer
 from langfuse.decorators import langfuse_context, observe
-from tools import TOOL_DEFINITIONS, execute_tool
 
 from systemprompt import (
     get_rag_classification_prompt,
@@ -19,9 +18,8 @@ from systemprompt import (
     get_normal_prompt,
     get_non_rag_prompt,
 )
-from utils import get_device
-if get_device() == "mps":
-    load_dotenv(override=True)
+
+# load_dotenv(override=True)
 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
 logger = logging.getLogger(__name__)
 ConversationHistory = List[Dict[str, str]]
@@ -66,7 +64,7 @@ class Embedder:
         except Exception as e:
             logger.error(f"Error during BGE embedding: {e}", exc_info=True)
             return None
-import requests
+
 class LLMFinanceAnalyzer:
     def __init__(self):
         self.gemini_api_key = os.getenv("GEMINI_API_KEY")
@@ -83,6 +81,7 @@ class LLMFinanceAnalyzer:
         else:
             logger.warning("GEMINI_API_KEY not found, Gemini client not initialized.")
 
+        
 
     def _get_client_for_model(self, model_name: str) -> Optional[AsyncOpenAI]:
         """Selects the appropriate client based on the model name."""
@@ -106,158 +105,44 @@ class LLMFinanceAnalyzer:
         max_tokens: int = 2048,
         seed: int = 66,
         max_retries: int = 2,
-        stream: bool = False,
-        tools: Optional[List[Dict[str, Any]]] = None,
+        stream: bool = False
     ) -> Union[Optional[str], AsyncGenerator[str, None]]:
         """Internal helper to call the appropriate LLM client with retries."""
         client = self._get_client_for_model(model)
         if not client:
             logger.error(f"No async client available for model {model}.")
             return None if not stream else (x for x in [])
+
         attempt = 0
-        
         while attempt <= max_retries:
             try:
                 if stream:
                     if model.startswith("gemini-"):
                         response_stream = await client.chat.completions.create(
-                        model=model, messages=messages, stream=True, reasoning_effort="none", tools= tools, stream_options={"include_usage": True}
+                        model=model, messages=messages, stream=True, reasoning_effort="none"
                     )
                     else:
                         response_stream = await client.chat.completions.create(
-                            model=model, messages=messages, stream=True, tools= tools
+                            model=model, messages=messages, stream=True
                         )
                     async def _async_stream_generator():
-                        full_tool_calls = None
-                        token_input = 0
-                        token_output = 0
-                        tokenin = 0
-
                         try:
-                            async for  chunk in response_stream:
+                            async for chunk in response_stream:
+                                # delta_content = chunk.choices[0].delta.content.replace("•", "\n•")
+                                
                                 if chunk:
-                                    if chunk.usage.prompt_tokens:
-                                        
-                                        if tokenin == chunk.usage.prompt_tokens:
-                                            
-                                            # token_input += chunk.usage.prompt_tokens
-                                            token_output += chunk.usage.completion_tokens
-                                        else:
-                                            token_input += chunk.usage.prompt_tokens
-                                            token_output += chunk.usage.completion_tokens
-                                            tokenin = chunk.usage.prompt_tokens
-                                    delta = chunk.choices[0].delta
-                                    content = delta.content
-                                    if delta.content:
+                                    content = chunk.choices[0].delta.content
+                                    if content:
                                         # Clean up content by removing unwanted characters
                                         
                                         delta_content = content.replace("•", "\n•").replace("!","")
                                         delta_content = re.sub(r'(?<=[\u0E00-\u0E7F]) +(?=[\u0E00-\u0E7F])', '', delta_content)
                                         
                                         yield delta_content
-                                    
-                                    if delta.tool_calls:
-                                        tool_call  = delta.tool_calls[0]
-                                        full_tool_calls = [
-                                            {
-                                                "id":tool_call.id,
-                                                "type":"function",
-                                                "function": {"name": tool_call.function.name, "arguments": tool_call.function.arguments}
-                                            }
-                                            ] 
-                            i = 0            
-                            while full_tool_calls and i<7:
-                                assistant_tool_call_msg = {
-                                    "role": "assistant",
-                                    "content": None,
-                                    "tool_calls": full_tool_calls
-                                }
-                                # Yield this message to be added to the main history
-                                yield assistant_tool_call_msg
-
-                                messages_for_next_call = messages + [assistant_tool_call_msg]
                                 
-                                # Execute tools and create/yield tool result messages
-                        
-                                fn_name = full_tool_calls[0]["function"]["name"]
-                                fn_args_str = full_tool_calls[0]["function"]["arguments"]
-                                try:
-                                    fn_args = json.loads(fn_args_str)
-                                    if fn_name == "call_admin":
-                                    # Add the chat history to the function arguments
-                                        fn_args['chat_history'] = messages[1:]
-                                        # print(f"call_admin fn_args: {fn_args}")
-                                        
-
-
-                                    result_json = execute_tool(fn_name, fn_args)
-                                except Exception as e:
-                                    result_json = f"Error executing tool {fn_name}: {e}"
-
-                                tool_result_msg = {
-                                    "role": "tool",
-                                    "tool_call_id": full_tool_calls[0]["id"],
-                                    "content": result_json
-                                }
-                                    # Yield this message for the history as well
-                                yield tool_result_msg
-                                messages_for_next_call.append(tool_result_msg)
-
-                                i += 1
-                                follow_stream = await client.chat.completions.create(
-                                                                model=model,
-                                                                messages=messages_for_next_call,
-                                                                stream=True,
-                                                                tools=tools,
-                                                                stream_options={"include_usage": True}
-                                                            )
-
-                                async for follow_chunk in follow_stream:
-                                    if follow_chunk.usage.prompt_tokens:
-                                        
-                                        
-                                        if tokenin == follow_chunk.usage.prompt_tokens:
-                                            
-                                            # token_input += follow_chunk.usage.prompt_tokens
-                                            token_output += follow_chunk.usage.completion_tokens
-                                        else:
-                                            token_input += follow_chunk.usage.prompt_tokens
-                                            token_output += follow_chunk.usage.completion_tokens
-                                            tokenin = follow_chunk.usage.prompt_tokens
-                                    delta  = follow_chunk.choices[0].delta
-                                    if delta.content:
-                                        full_tool_calls = None #set to None to break the loop
-                                        delta_content = delta.content.replace("•", "\n•").replace("!","")
-                                        delta_content = re.sub(r'(?<=[\u0E00-\u0E7F]) +(?=[\u0E00-\u0E7F])', '', delta_content)
-                                        
-                                        yield delta_content
-                                    if delta.tool_calls:
-                                        tool_call  = delta.tool_calls[0]
-                                        full_tool_calls = [
-                                            {
-                                                "id":tool_call.id,
-                                                "type":"function",
-                                                "function": {"name": tool_call.function.name, "arguments": tool_call.function.arguments}
-                                            }
-                                            ] 
-                            
-
-
-
-
-
-
-
-
                         except Exception as stream_err:
                             logger.error(f"Error during LLM stream ({model}): {stream_err}", exc_info=True)
                             yield f"\n[STREAM_ERROR: {stream_err}]\n"
-                        print(f"Total tokens used - Input: {token_input}, Output: {token_output}")  
-                        response = requests.post("https://1577shop-api.jts.co.th/count_tokens", json={
-                                                                                                    "input_token": token_input,
-                                                                                                    "output_token": token_output
-                                                                                                            }, timeout=40)
-                        print(response)
                     return _async_stream_generator()
                 else:
                     response = await client.chat.completions.create(
@@ -396,16 +281,16 @@ Do not describe, answer as a list of number of the documents. example [0,2,4] \n
         return final_content
 
     @observe()
-    async def generate_normal_response(self, conversation: ConversationHistory) -> AsyncGenerator[str, None]:
+    async def generate_normal_response(self, data: str, conversation: ConversationHistory) -> AsyncGenerator[str, None]:
         """Generate a RAG response, yielding text chunks."""
         try:
             
             
-            system_prompt = get_normal_prompt()
+            system_prompt = get_normal_prompt( data)
             messages = [{"role": "system", "content": system_prompt}] + conversation
 
             result_generator = await self._call_llm(
-                model=NORMAL_RAG_MODEL, messages=messages, temperature=0.2, stream=True, tools = TOOL_DEFINITIONS
+                model=NORMAL_RAG_MODEL, messages=messages, temperature=0.2, stream=True
             )
             
             if isinstance(result_generator, AsyncGenerator):

backend/systemprompt.py

@@ -54,22 +54,21 @@ def get_subquery_prompt():
 1. product of home shopping channel in thailand.
 Your task is to rewrite the conversation history and last user message to craft a query(in terms of question) that can be seach in database(hybrid search) to retrive relavent data. Do not include any other information or explanation, just return the query. \n**RESPONSE IN THAI LANGUAGE but keep the specific word in ENGLISH. BE SPECIFIC AND CONCISE.**"""
 
-def get_normal_prompt():
+def get_normal_prompt(data: str):
 
     # This function call should be outside the prompt string for clarity
     date = get_thai_date()
 
-    return f"""## (Core Role)
+    return f"""### (Core Role)
 คุณคือ AI ที่ต้องสวมบทบาทเป็น ณภัทร (พนักงานขายผู้หญิง) ที่เก่งและเป็นมิตร มีหน้าที่ให้ข้อมูลและช่วยเหลือลูกค้าอย่างเต็มที่ คำตอบของคุณจะไปผ่านระบบ TTS เพื่อพูดตอบผู้ใช้ต่อไป เพราะฉะนนั้นใช้ "ภาษาพูด"
 
-## Persona and style:
 ### ลักษณะนิสัยและบุคลิก (Personality & Vibe)
 - เป็นกันเองและมีอารมณ์ขัน: คุยสนุก เข้าถึงง่าย แต่ยังคงความเป็นมืออาชีพ ไม่เล่นเกินเบอร์
 - น่าเชื่อถือ: ให้ข้อมูลที่ถูกต้องและเป็นประโยชน์ เหมือนเพื่อนที่เชี่ยวชาญในเรื่องนั้นๆ มาแนะนำเอง
 
 ### การพูดและภาษา (Language & Tone)
 - ใช้ภาษาไทยแบบพูดคุยในชีวิตประจำวัน: เหมือนพี่เซลล์คุยกับลูกค้าที่สนิทกันระดับหนึ่ง คือเป็นกันเองแต่ให้เกียรติ
-- ลงท้ายประโยคด้วย "ค่ะ" เพื่อความสุภาพและเป็นกันเอง
+- ลงท้ายประโยคด้วย "ค่ะ" หรือ "นะ" เพื่อความสุภาพและเป็นกันเอง
 - เลี่ยงการใช้สรรพนาม: พยายามเลี่ยงคำว่า 'ฉัน', 'เรา', 'คุณ' ถ้าไม่จำเป็น เพื่อให้การสนทนาลื่นไหลเป็นธรรมชาติที่สุด
 
 ### ข้อห้ามเด็ดขาด (Strict "Don'ts")
@@ -80,58 +79,30 @@ def get_normal_prompt():
 - ห้ามใช้คำเเปลต่อท้ายคำปัจจุบัน เช่น Trylagina 12X (ไตรลาจิน่า 12X), (ไตรลาจิน่า 12X) must not created because the tts system will repeat the word.
 - ห้ามใช้ characters that not in real world comunication like <, >, /, *, #, () etc. and avoid using unecessary /s and new line.
 
-## Topic to answer:
+### Topic to answer:
 1. 1577 Home shopping product in Thailand
 
 ### Instructions:
-User Journal:
-Stage 1: Consultation
-- In this stage, the user may ask about promotions, prices, or product descriptions they heard on television.
-- Use the tool "get_promotion_description" to retrieve details of the promotion or product.
-Stage 2: Purchase & Information Collection
-When the user confirms they want to buy a promotion or product:
-1. Ask how many items they would like to purchase.
-2. After receiving the quantity, call summary_order, which will return:
-    - promotion_id
-    - quantity
-    - total_price
-3. Confirm the order details with the user.
-    - Do not mention promotion_id directly.
-    - Instead, use the corresponding promotion name from the description.
-    - Clearly inform the user that “เก็บเงินปลายทาง” (cash on delivery) is the only available payment method.
-4. Once the user confirms the order, proceed to collect shipping details one field at a time and confirm infomation before moving to the next, in this order:
-    1. ชื่อจริง 
-    2. นามสกุล (Last name not leading name)
-    3. Shipping address — ask and confirm in sequence:
-        - จังหวัด (Province)
-        - เขต/อำเภอ (District)
-        - แขวง/ตำบล (Sub-district)
-        - ถนน (Street)
-        - หมู่บ้าน/ชื่ออาคาร (Village/Building name)
-        - ซอย (Soi)
-        - บ้านเลขที่ (House number)
-        - Postal code
-        - Customer telephone number
-⚠️ Important:
-Confirm each piece of information before moving to the next. user can สะกดมมาให้พยายามเเปลงเป็นคำที่ถูกต้องให้ได้.
-If any detail is unclear or unrecognized after 3 attempts, call call_admin to escalate to a human agent.
-After collecting all details, confirm the entire shipping information with the user one final time.
-
-Stage 3: Send order to the backend system
-- After all the info correct, call "purchase_product" to send order to the system
-- if successful, tell user that the order is successful, if not call "call_admin"
-
-Stage 4: After sales service
-- Thank user for buying the product, and ask them to wait for the product to arrive in 5-7 days.
-- Then ask if they have any question about the product or the order.
-
-## Notes:
+1.  อ่าน "Provided Context" อย่างละเอียดเพื่อใช้ข้อมูลผลิตภัณฑ์ในการเเนะนำสินค้าให้ผู้ใช้ โดย provided context จะประกอบด้วย chunk ของข้อมูล(promotion or product description) หลาย chunk ซึ่งจะเเบ่งเเต่ละ chunk ด้วยเครื่องหมาย "---"
+2.  Here is the example of the sale script that can be the guide to answer the user question:
+---
+Call Center :    1577 Home Shopping สวัสดีค่ะ ‘ณภัทร’ รับสาย ยินดีให้บริการค่ะ
+Customer :     สวัสดีค่ะ สนใจโปรโมชั่นสินค้าที่ออกอากาศในรายการค่ะ
+Call Center:   ไม่ทราบว่าสินค้าที่คุณลูกค้าสนใจเป็นสินค้าประเภทไหนคะ
+Customer:      สนใจเซรั่มบำรุงผิวค่ะ
+Call Center :   คุณลูกค้าอยากได้ผลิตภัณฑ์บำรุงเรื่องไหนเป็นพิเศษมั้ยคะ
+Customer :     พอดีเห็นโปรโมชั่นที่ขายในทีวีของ Tryagina ช่วยเรื่องริ้วรอยค่ะ
+Call Center:    หากต้องการบำรุงผิวหน้าและรักษาริ้วรอย ขอแนะนำเป็น Tryagina เซรั่มบำรุงผิว ไตรลาจีน่า เซรั่มสูตรใหม่ ดีขึ้น 12 เท่า
+ซึ่งประกอบไปด้วยสารสกัดสำคัญ ที่ช่วยกระตุ้นการสร้าง Collagen ให้ผิวคืน “ความอ่อนเยาว์” ขึ้นค่ะ
+---
+
+### Notes:
 - Do not give a image or any link to the user.
-- Very concise and short. if user ask the promotion, You can select 3 promotion and response it shortly, cut the unecessary parts.
+- Concise and short
 - Always remember that your response will be given to the tts system to read out loud, avoid using complex or non smooth to read words.
-- ตอบเป็นประโยคสั้นๆ **ALWAYS** end the sentence with "|" token to indicate the end of the sentence for TTS system. each sentence should not be longer than 20 words.
-- Do not give the promotion_id to the user, use as a argument of summary_order only. 
-- if you unable to answer or recognize what user ask more than 3 times, call "call_admin" to escalate the issue to human agent.
+
+**Provided Context:**
+{data}
 
 """
 # 7.  Consider the whole conversation, 

backend/tools.py

@@ -1,446 +0,0 @@
-import json
-from typing import Any, Dict, List
-from dotenv import load_dotenv
-import os
-import requests
-from utils import get_device
-if get_device() == "mps":
-    load_dotenv(override=True)
-
-
-#{id:price}
-CALL_ADMIN_URL = os.getenv("CALL_ADMIN_URL")
-PURCHASE_URL = os.getenv("PURCHASE_URL")
-
-
-TOOL_DEFINITIONS =[
-{
-    "type": "function",
-    "function": {
-        "name": "get_promotion_description",
-        "description": "Use when user asks about product or promotion details.",
-        "parameters": {
-            "type": "object",
-            "properties": {
-                "permission": {"type": "string","description": "Must be set to 'yes' all the time",}
-            },
-            "required": ["permission"],
-        },
-    },
-},
-    {
-        "type": "function",
-        "function": {
-            "name": "summary_order",
-            "description": "Summarise promotions when user confirms they want to buy.",
-            "parameters": {
-                "type": "object",
-                "properties": {
-                    "promotion_id": {
-                        "type": "string",
-                        "description": "Promotion ID shown in the catalog.",
-                    },
-                    "quantity": {
-                        "type": "integer",
-                        "description": "Quantity the user wants to buy.",
-                    },
-                },
-                "required": ["promotion_id", "quantity"],
-            },
-        },
-    },
-    {
-        "type": "function",
-        "function": {
-            "name": "purchase_product",
-            "description": "Call after user confirms their personal information and want to place an order.",
-            "parameters": {
-                "type": "object",
-                "properties": {
-                    "promotion_id": {
-                        "type": "string",
-                        "description": "Promotion ID shown in the catalog.",
-                    },
-                    "quantity": {
-                        "type": "integer",
-                        "description": "Quantity the user wants to buy.",
-                    },
-                    "name": {
-                        "type": "string",
-                        "description": "Customer name in Thai.",
-                    },
-                    "surname": {
-                        "type": "string",
-                        "description": "Customer surname in Thai.",
-                    },
-                    "address": {
-                        "type": "string",
-                        "description": "Customer delivery address.",
-                    },
-                    "tel": {
-                        "type": "string",
-                        "description": "Customer telephone number.",
-                    },
-                },
-                "required": ["promotion_id", "quantity", "name","surname", "address", "tel"],
-            },
-        },
-    },
-    {
-        "type": "function",
-        "function": {
-            "name": "call_admin",
-            "description": "Use this when there is an issue at any stage of the process, such as being unable to retrieve the order, an incorrect address, or a failed system submission.",
-            "parameters": {
-                "type": "object",
-                "properties": {
-                    "cause": {
-                        "type": "string",
-                        "description": "Short description of the problem.",
-                    }
-                },
-                "required": ["cause"],
-            },
-        },
-    },
-]
-promotion_catalog = {
-    "00001": 2900,
-    "00002": 1890,
-    "00003": 2900,
-    "00004": 2900,
-    "00005": 2900,
-}
-
-
-def _update_asr_stage(stage: str) -> None:
-    """Switch the ASR stage safely without breaking tool execution."""
-    try:
-        from backend.asr import set_asr_stage
-
-        set_asr_stage(stage)
-    except Exception as exc:
-        print(f"Unable to switch ASR stage to '{stage}': {exc}")
-
-
-def _format_tool_result(result: Any) -> str:
-    """Convert tool outputs to a JSON string for the LLM."""
-    if isinstance(result, str):
-        return result
-    try:
-        return json.dumps(result, ensure_ascii=False)
-    except TypeError:
-        return json.dumps({"result": str(result)}, ensure_ascii=False)
-
-
-def summary_order(promotion_id: str, quantity: int) -> Dict[str, Any]:
-    """Return a structured order summary for the requested promotion."""
-    _update_asr_stage("typhoon")
-    # print(f"change stage to gpt for summary_order")
-    if promotion_id not in promotion_catalog:
-        return {"status": "error", "message": "ไม่พบโปรโมชันที่เลือก"}
-
-    unit_price = promotion_catalog[promotion_id]
-    total_price = unit_price * quantity
-    return {
-        "status": "ok",
-        "promotion_id": promotion_id,
-        "unit_price": unit_price,
-        "quantity": quantity,
-        "total_price": total_price,
-        "currency": "THB",
-    }
-
-
-def call_admin(cause: str, chat_history : List[Dict[str, str]]):
-    #transfer the call to admin..
-    payload = {
-        
-        "cause":cause,
-        "history":chat_history
-    }
-    
-
-    try:
-        # 3. Make the API call with a timeout to prevent it from hanging
-        response = requests.post(CALL_ADMIN_URL, json=payload, timeout=20) # 10-second timeout
-
-        # 4. Check if the request was successful (i.e., status code 2xx)
-        # If not, this will raise an HTTPError, which is caught by the except block.
-        response.raise_for_status()
-
-        # 5. If successful, return the success status and the data from the response
-        return {
-            "status": "success", 
-            "data": response.json() # Assumes the API returns JSON
-        }
-
-    except requests.exceptions.RequestException as e:
-        # 6. Catch any network-related errors (timeout, connection error, HTTP error)
-        print(f"An error occurred during the purchase request: {e}") # For logging
-        return {
-            "status": "error", 
-            "message": "ไม่สามารถเชื่อมต่อกับระบบเพื่อทำรายการได้"
-        }
-    except:
-        return {
-            "status": "error", 
-        }
-    
-
-
-def purchase_product(
-    promotion_id: str,
-    quantity: int,
-    name: str,
-    surname: str,
-    address: str,
-    tel: str,
-) -> Dict[str, Any]:
-    """Mock purchase endpoint that validates input and returns a status payload."""
-    _update_asr_stage("typhoon")
-    if promotion_id not in promotion_catalog:
-        return {"status": "error", "message": "ไม่สามารถทำรายการได้"}
-    payload = {
-        "promotion_id": promotion_id,
-        "quantity": quantity,
-        "user_name": name + " " + surname,
-        "address": address,
-        "tel": tel
-    }
-
-    try:
-        # 3. Make the API call with a timeout to prevent it from hanging
-        response = requests.post(PURCHASE_URL, json=payload, timeout=20) # 10-second timeout
-
-        # 4. Check if the request was successful (i.e., status code 2xx)
-        # If not, this will raise an HTTPError, which is caught by the except block.
-        response.raise_for_status()
-
-        # 5. If successful, return the success status and the data from the response
-        return {
-            "status": "success", 
-            "data": response.json() # Assumes the API returns JSON
-        }
-
-    except requests.exceptions.RequestException as e:
-        # 6. Catch any network-related errors (timeout, connection error, HTTP error)
-        print(f"An error occurred during the purchase request: {e}") # For logging
-        return {
-            "status": "error", 
-            "message": "ไม่สามารถเชื่อมต่อกับระบบเพื่อทำรายการได้"
-        }
-    except json.JSONDecodeError:
-        # 7. Catch errors if the server response is not valid JSON
-        print("Failed to decode JSON from response.") # For logging
-        return {
-            "status": "error",
-            "message": "ได้รับข้อมูลจากระบบผิดพลาด กรุณาตรวจสอบความถูกต้องของข้อมูล"
-        }
-
-
-PROMOTION_DESCRIPTION = """
-ตัวอย่างรายการสินค้า จาก www.1577shop.com
-
-**[2ฟรี2] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี เซรั่ม (5g.) 2 กระปุก**
-Promotion_id = "00001"
-
-**Original price was: ฿9,400.00. Current price is: ฿2,900.00.-70%**
-
-The Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า เซรั่มสูตรใหม่ ดีขึ้น 12 เท่า
-*เมื่อเทียบเท่ากับการใช้ Trylagina Intensive Collagen Mask 12 ครั้ง ช่วยฟื้นบำรุงอย่างล้ำลึก ถึง 5 มิติ เผยผิวใหม่อ่อนเยาว์กว่าที่เคย
--90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
--87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
--82% ของผู้ทด��องใช้พบว่าผิวกระจ่างใสใน 7 วัน
-
-5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
-1. 5D Matrixcolla  ช่วยกระตุ้นการสร้าง Collagen ให้ผิวคืน “ความอ่อนเยาว์”
-2. HyWhite® ช่วยลดเลือนฝ้า กระ จุดด่างดำ และ a-Linoleic Acid มีคุณสมบัติช่วยให้ผิวขาวกระจ่างใส เพิ่มความสม่ำเสมอให้กับสีผิว
-3. สารสกัดยีสต์จาก ดอกโฮยาคาร์โนซ่า เติมความแข็งแรงให้กับผิว มอบความแข็งแรงให้กับผิวจากภายใน ช่วยให้ผิวสุขภาพดี เปล่งปลั่ง
-4. PatcH2O® ช่วยให้ผิวชุ่มชื่นทันที พร้อมล็อกผิวให้ฉ่ำน้ำยาวนาน ถึง 5 วัน หรือ 120 ชั่วโมง *เมื่อใช้เป็นประจำต่อเนื่อง และ สามารถปกป้องผิวจาก มลภาวะฝุ่น PM2.5
-5. สาหร่ายซุยเซ็นจิ จากประเทศญี่ปุ่น ซึ่งเติบโตในแหล่งน้ำที่อุดมไปด้วยแร่ธาตุจากภูเขาไฟอะโซะ (Aso) เกาะคิวชู (Kyoshu) ช่วยปลอบประโลมผิว ให้ผิวรู้สึกผ่อนคลาย
-เลขที่ได้รับจดแจ้ง : 11-1-6600001843
-
-สิ่งที่คุณจะได้รับ
-1.Trylagina Age-Defying Collagen Serum 12X ขนาด 30 g. 2 กระปุก
-2.Trylagina Age-Defying Collagen Serum 12X ขนาด 5 g. 2 กระปุก
-
-https://www.1577shop.co.th/product/1577-shop-tgn-03
--------
-## (1 ใหญ่) Minus 20 ไมนัสทเวนตี้ ครีมเกล็ดทองคำ ผิวตึง ฉ่ำ ไบร์ท | 30 กรัม
-promotion-id = "00002"
-
-**Original price was: ฿3,200.00.Current price is: ฿1,890.00.-41%**
-
-Minus20 Advanced Youth Anti-Wrinkle Cream
-ครีมบำรุงผิวหน้า ไมนัสทเวนตี้ แอดวานซ์ ยูธ แอนไท ริงเคิล ครีม
-
-ครีมสูตรเฉพาะเพื่อผิววัย 40+ 50+ 60+ ช่วยตอบโจทย์ปัญหาผิวสาวไทยวัยกลางคน ที่ผ่านช่วงเวลาแห่งการเปลี่ยนแปลง ส่งผลให้มีริ้วรอยร่องลึก ผิวแห้ง หน้าหมองคล้ำ มีฝ้า จุดด่างดำฝังลึก และที่ครีมเดิมที่คุณเคยใช้อาจไม่ได้ผลต่อไป เพราะเราเข้าใจทุกปัญหาจึงพัฒนาไมนัสทเวนตี้มาเป็นสูตรแอดวานซ์ ยูธ เพื่อให้คุณได้สัมผัสผลลัพธ์ผิวที่
-✨ ตึงกว่าเดิม ริ้วรอยร่องลึกจางลง
-✨ ฉ่ำกว่าเดิม ชุ่มชื้นอิ่มน้ำยาวนานมากกว่า 24 ชั่วโมง
-✨ ไบร์ทกว่าเดิม หน้าและดูกระจ่างใส จุดด่างดำจางลง
-
-ไมนัสทเวนตี้ คัดสรรสารสกัดที่ช่วยตอบโจทย์ปัญหาผิววัยเราอย่างตรงจุดการันตีคุณภาพกลไกลการทำสารของสารกัดด้วยได้รับรางวัลโนเบล แต่ยังอ่อนโยนเหมาะกับทุกสภาพผิว
-
-เนื้อผสมครีมเกล็ดทองคำบริสุทธิ์ 99.99% อนุภาคทองละเอียดซึมลึก สัมผัสบางเบา เกลี่ยง่าย ซึมไว ไม่เหนียว ไม่เหนอะหนะ
-
-*ผลลัพธ์ขึ้นอยู่กับแต่ละสภาพผิวแต่ละบุคคล
-• เลขที่ใบรับจดเเจ้ง : 74-1-6600008720
-• ขนาด 30 กรัม
-
-✨วิธีใช้:
-• หลังล้างหน้าทาครีมไ���นัสทเวนตี้ในปริมาณที่เหมาะสม
-• แตะและลูบไล้เบาๆลงบนผิวหน้าและลำคอ
-• ใช้ทาเช้าและเย็น เป็นประจำทุกวัน
-
-✨เคล็ดลับ :
-• เก็บครีมบำรุงผิวในอุณหภูมิที่เหมาะสม
-• ทาครีมกันแดดเป็นประจำทุกวัน เพื่อปกป้องผิวจากแสงแดด
-
-สิ่งที่จะได้รับ
-1. Minus20 Advanced Youth Anti-Wrinkle Cream (30g) จำนวน 1 กระปุก
-
-[https://www.1577shop.co.th/product/1577-shop-msn-001](https:/www.1577shop.co.th/product/1577-shop-msn-001)
--------
-## [2ฟรี2] Minus 20 (ไมนัสทเวนตี้) ครีมเกล็ดทองคำ ผิวตึง ฉ่ำ ไบร์ท | เซตขายดี
-promotion_id = "00003
-
-**Original price was: ฿8,180.00.Current price is: ฿2,900.00.-65%**
-
-Minus20 Advanced Youth Anti-Wrinkle Cream
-ครีมบำรุงผิวหน้า ไมนัสทเวนตี้ แอดวานซ์ ยูธ แอนไท ริงเคิล ครีมครีมสูตรเฉพาะเพื่อผิววัย 40+ 50+ 60+ ช่วยตอบโจทย์ปัญหาผิวสาวไทยวัยกลางคน ที่ผ่านช่วงเวลาแห่งการเปลี่ยนแปลง ส่งผลให้มีริ้วรอยร่องลึก ผิวแห้ง หน้าหมองคล้ำ มีฝ้า จุดด่างดำฝังลึก และที่ครีมเดิมที่คุณเคยใช้อาจไม่ได้ผลต่อไป เพราะเราเข้าใจทุกปัญหาจึงพัฒนาไมนัสทเวนตี้มาเป็นสูตรแอดวานซ์ ยูธ เพื่อให้คุณได้สัมผัสผลลัพธ์ผิวที่
-✨ ตึงกว่าเดิม ริ้วรอยร่องลึกจางลง
-✨ ฉ่ำกว่าเดิม ชุ่มชื้นอิ่มน้ำยาวนานมากกว่า 24 ชั่วโมง
-✨ ไบร์ทกว่าเดิม หน้าและดูกระจ่างใส จุดด่างดำจางลงไมนัสทเวนตี้ คัดสรรสารสกัดที่ช่วยตอบโจทย์ปัญหาผิววัยเราอย่างตรงจุดการันตีคุณภาพกลไกลการทำสารของสารกัดด้วยได้รับรางวัลโนเบล แต่ยังอ่อนโยนเหมาะกับทุกสภาพผิวเนื้อผสมครีมเกล็ดทองคำบริสุทธิ์ 99.99% อนุภาคทองละเอียดซึมลึก สัมผัสบางเบา เกลี่ยง่าย ซึมไว ไม่เหนียว ไม่เหนอะหนะ*ผลลัพธ์ขึ้นอยู่กับแต่ละสภาพผิวแต่ละบุคคล
-• เลขที่ใบรับจดเเจ้ง : 74-1-6600008720
-• ขนาด 30 กรัม
-
-✨วิธีใช้:
-• หลังล้างหน้าทาครีมไมนัสทเวนตี้ในปริมาณที่เหมาะสม
-• แตะและลูบไล้เบาๆลงบนผิวหน้าและลำคอ
-• ใช้ทาเช้าและเย็น เป็นประจำทุกวัน
-
-✨เคล็ดลับ :
-• เก็บครีมบำรุงผิวในอุณหภูมิที่เหมาะสม
-• ทาครีมกันแดดเป็นประจำทุกวัน เพื่อปกป้องผิวจากแสงแดด
-
-สิ่งที่จะได้รับ
-1. Minus20 Advanced Youth Anti-Wrinkle Cream (30g) จำนวน 2 กระปุก
-2. Minus20 Advanced Youth Anti-Wrinkle Cream (8g) จำนวน 2 กระปุก
-
-https://www.1577shop.co.th/product/1577-shop-mns-003
--------
-## [2ฟรี1] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี ทริปเปิลไมเซล่ามูสโฟม (150ml.)
-promotion-id = "00004"
-
-**Original price was: ฿8,800.00. Current price is: ฿2,900.00.-68%**
-
-The Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด
-TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า ผสาน 5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
-
--90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
--87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
--82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน
-
-*สิ่งที่คุณจะได้รับ
-1.Trylagina Age-Defying Collagen Serum 12X ขนาด 30 g. 2 กระปุก
-2.Trylagina Triple Micellar Mousse Foam ขนาด 150 ml. 1 ขวด
-
-[https://www.1577shop.co.th/product/1577-shop-tgn-04](https:/www.1577shop.co.th/product/1577-shop-tgn-04)
--------
-## [2ฟรี1] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี ครีมกันแดด (30g.)
-promotion_id = "00005"
-
-**Original price was: ฿8,690.00.Current price is: ฿2,900.00.-67%**
-
-The Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด
-TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า ผสาน 5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
-
--90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
--87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
--82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน
-
-*สิ่งที่คุณจะได้รับ
-1. Trylagina Age-Defying Collagen Serum 12X ขนาด (30g.) 1 กระปุก
-2. Trylagina Age Defense Sunscreen Serum SPF50+ PA++++ ขนาด (30g.) 1 หลอด
-
-https://www.1577shop.co.th/product/1577-shop-tgn-05
--------
-TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า เซรั่มสูตรใหม่ ดีขึ้น 12 เท่า *เมื่อเทียบเท่ากับการใช้ Trylagina Intensive Collagen Mask 12 ครั้ง ช่วยฟื้นบำรุงอย่างล้ำลึก ถึง 5 มิติ  เผยผิวใหม่อ่อนเยาว์กว่าที่เคย
-
--90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น
--87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้
--82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน
-
-5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว
-1. 5D Matrixcolla  ช่วยกระตุ้นการสร้าง Collagen ให้ผิวคืน “ความอ่อนเยาว์”
-2. HyWhite® ช่วยลดเลือนฝ้า กระ จุดด่างดำ และ a-Linoleic Acid มีคุณสมบัติช่วยให้ผิวขาวกระจ่างใส เพิ่มความสม่ำเสมอให้กับสีผิว
-3. สารสกัดยีสต์จาก ดอกโฮยาคาร์โนซ่า เติมความแข็งแรงให้กับผิว มอบความแข็งแรงให้กับผิวจากภายใน ช่วยให้ผิวสุขภาพดี เปล่งปลั่ง
-4. PatcH2O® ช่วยให้ผิวชุ่มชื่นทันที พร้อมล็อกผิวให้ฉ่ำน้ำยาวนาน ถึง 5 วัน หรือ 120 ชั่วโมง *เมื่อใช้เป็นประจำต่อเนื่อง และ สามารถปกป้องผิวจาก มลภาวะฝุ่น PM2.5
-5. สาหร่ายซุยเซ็นจิ จากประเทศญี่ปุ่น ซึ่งเติบโตในแหล่งน้ำที่อุดมไปด้วยแร่ธาตุจากภูเขาไฟอะโซะ (Aso) เกาะคิวชู (Kyoshu) ช่วยปลอบประโลมผิว ให้ผิวรู้สึกผ่อนคลาย
-
-ขอแนะนําวิธีการใช้ผลิตภัณฑ์ เพื่อการฟื้นฟูผิวอย่างเต็มประสิทธิภาพ
-STEP 1 หลังทำความสะอาดผิวหน้า เตรียมผิวพร้อมรับการบำรุง ใช้ไม้พายตักเซรั่มลงบนหลังมือ
-STEP 2 แต้มเซรั่มลงบนผิวหน้า 5 จุด ได้แก่บริเวณ หน้าผาก ปลายจมูก พวงแก้มซ้าย พวงแก้มขวา และปลายคาง
-STEP 3 ลูบไล้เซรั่มด้วยปลายนิ้วทั้งสองข้าง เพื่อปลดปล่อยคุณค่าของสารสกัด จากนั้นจึงกดเบาๆ ลงบนผิวหน้าและลำคอ ใช้ทั้งเช้าและเย็น
-เลขที่ได้รับจดแจ้ง : 11-1-6600001843"""
-
-
-def get_promotion_description(permission: str) -> Any:
-    """Return the long-form promotion description after explicit confirmation."""
-    if permission.strip().lower() != "yes":
-        return {
-            "status": "error",
-            "message": "ต้องได้รับการยืนยันจากลูกค้าก่อนแสดงรายละเอียดโปรโมชั่น",
-        }
-    return {"status": "ok", "description": PROMOTION_DESCRIPTION}
-    # return {"status": "ok", "description": "test"}
-
-
-TOOL_FUNCTIONS = {
-    "get_promotion_description": get_promotion_description,
-    "summary_order": summary_order,
-    "purchase_product": purchase_product,
-    "call_admin": call_admin
-}
-
-
-def execute_tool(name: str, arguments: Dict[str, Any]) -> str:
-    """Execute a registered tool and return a JSON-serialised string result."""
-    function = TOOL_FUNCTIONS.get(name)
-    if not function:
-        return json.dumps(
-            {"status": "error", "message": f"Unknown tool '{name}'"},
-            ensure_ascii=False,
-        )
-
-    try:
-        result = function(**arguments)
-    except TypeError as exc:
-        return json.dumps(
-            {"status": "error", "message": f"Invalid arguments for '{name}': {exc}"},
-            ensure_ascii=False,
-        )
-    except Exception as exc:  # noqa: BLE001
-        return json.dumps({"status": "error", "message": str(exc)}, ensure_ascii=False)
-
-    return _format_tool_result(result)
-
-
-if __name__ == "__main__":
-    result = call_admin(
-        cause="ตัวอย่างปัญหา: ไม่สามารถทำรายการสั่งซื้อได้",
-        chat_history=[{'role': 'assistant', 'metadata': None, 'content': 'สวัสดีค่ะณภัทร 1577Homeshopping ยินดีให้บริการค่ะ', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'สวัสดีครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'สนใจโปรโมชั่นไหนเป็นพิเศษไหมคะหรืออยากให้ณภัทรแนะนำโปรโมชั่นที่กำลังฮิตอยู่ตอนนี้ให้ดีคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'โปรโมชั่นครับที่กําลังฮิตก็ได้ครับ', 'options': None}, {'role': 'assistant', 'content': None, 'tool_calls': [{'id': 'function-call-2730241149475294520', 'type': 'function', 'function': {'name': 'get_promotion_description', 'arguments': '{"permission":"yes"}'}}]}, {'role': 'tool', 'tool_call_id': 'function-call-2730241149475294520', 'content': '{"status": "ok", "description": "\\nตัวอย่างรายการสินค้า จาก www.1577shop.com\\n\\n**[2ฟรี2] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี เซรั่ม (5g.) 2 กระปุก**\\nPromotion_id = \\"00001\\"\\n\\n**Original price was: ฿9,400.00. Current price is: ฿2,900.00.-70%**\\n\\nThe Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด TRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า เซรั่มสูตรใหม่ ดีขึ้น 12 เท่า\\n*เมื่อเทียบเท่ากับการใช้ Trylagina Intensive Collagen Mask 12 ครั้ง ช่วยฟื้นบำรุงอย่างล้ำลึก ถึง 5 มิติ เผยผิวใหม่อ่อนเยาว์กว่าที่เคย\\n-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น\\n-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้\\n-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน\\n\\n5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว\\n1. 5D Matrixcolla  ช่วยกระตุ้นการสร้าง Collagen ให้ผิวคืน “ความอ่อนเยาว์”\\n2. HyWhite® ช่วยลดเลือนฝ้า กระ จุดด่างดำ และ a-Linoleic Acid มีคุณสมบัติช่วยให้ผิวขาวกระจ่างใส เพิ่มความสม่ำเสมอให้กับสีผิว\\n3. สารสกัดยีสต์จาก ดอกโฮยาคาร์โนซ่า เติมความแข็งแรงให้กับผิว มอบความแข็งแรงให้กับผิวจากภายใน ช่วยให้ผิวสุขภาพดี เปล่งปลั่ง\\n4. PatcH2O® ช่วยให้ผิวชุ่มชื่นทันที พร้อมล็อกผิวให้ฉ่ำน้ำยาวนาน ถึง 5 วัน หรือ 120 ชั่วโมง *เมื่อใช้เป็นประจำต่อเนื่อง และ สามารถปกป้องผิวจาก มลภาวะฝุ่น PM2.5\\n5. สาหร่ายซุยเซ็นจิ จากประเทศญี่ปุ่น ซึ่งเติบโตในแหล่งน้ำที่อุดมไปด้วยแร่ธาตุจากภูเขาไฟอะโซะ (Aso) เกาะคิวชู (Kyoshu) ช่วยปลอบประโลมผิว ให้ผิวรู้สึกผ่อนคลาย\\nเลขที่ได้รับจดแจ้ง : 11-1-6600001843\\n\\nสิ่งที่คุณจะได้รับ\\n1.Trylagina Age-Defying Collagen Serum 12X ขนาด 30 g. 2 กระปุก\\n2.Trylagina Age-Defying Collagen Serum 12X ขนาด 5 g. 2 กระปุก\\n\\nhttps://www.1577shop.co.th/product/1577-shop-tgn-03\\n-------\\n## (1 ใหญ่) Minus 20 ไมนัสทเวนตี้ ครีมเกล็ดทองคำ ผิวตึง ฉ่ำ ไบร์ท | 30 กรัม\\npromotion-id = \\"00002\\"\\n\\n**Original price was: ฿3,200.00.Current price is: ฿1,890.00.-41%**\\n\\nMinus20 Advanced Youth Anti-Wrinkle Cream\\nครีมบำรุงผิวหน้า ไมนัสทเวนตี้ แอดวานซ์ ยูธ แอนไท ริงเคิล ครีม\\n\\nครีมสูตรเฉพาะเพื่อผิววัย 40+ 50+ 60+ ช่วยตอบโจทย์ปัญหาผิวสาวไทยวัยกลางคน ที่ผ่านช่วงเวลาแห่งการเปลี่ยนแปลง ส่งผลให้มีริ้วรอยร่องลึก ผิวแห้ง หน้าหมองคล้ำ มีฝ้า จุดด่างดำฝังลึก และที่ครีมเดิมที่คุณเคยใช้อาจไม่ได้ผลต่อไป เพราะเราเข้าใจทุกปัญหาจึงพัฒนาไมนัสทเวนตี้มาเป็นสูตรแอดวานซ์ ยูธ เพื่อให้คุณได้สัมผัสผลลัพธ์ผิวที่\\n✨ ตึงกว่าเดิม ริ้วรอยร่องลึกจางลง\\n✨ ฉ่ำกว่าเดิม ชุ่มชื้นอิ่มน้ำยาวนานมากกว่า 24 ช���่วโมง\\n✨ ไบร์ทกว่าเดิม หน้าและดูกระจ่างใส จุดด่างดำจางลง\\n\\nไมนัสทเวนตี้ คัดสรรสารสกัดที่ช่วยตอบโจทย์ปัญหาผิววัยเราอย่างตรงจุดการันตีคุณภาพกลไกลการทำสารของสารกัดด้วยได้รับรางวัลโนเบล แต่ยังอ่อนโยนเหมาะกับทุกสภาพผิว\\n\\nเนื้อผสมครีมเกล็ดทองคำบริสุทธิ์ 99.99% อนุภาคทองละเอียดซึมลึก สัมผัสบางเบา เกลี่ยง่าย ซึมไว ไม่เหนียว ไม่เหนอะหนะ\\n\\n*ผลลัพธ์ขึ้นอยู่กับแต่ละสภาพผิวแต่ละบุคคล\\n• เลขที่ใบรับจดเเจ้ง : 74-1-6600008720\\n• ขนาด 30 กรัม\\n\\n✨วิธีใช้:\\n• หลังล้างหน้าทาครีมไมนัสทเวนตี้ในปริมาณที่เหมาะสม\\n• แตะและลูบไล้เบาๆลงบนผิวหน้าและลำคอ\\n• ใช้ทาเช้าและเย็น เป็นประจำทุกวัน\\n\\n✨เคล็ดลับ :\\n• เก็บครีมบำรุงผิวในอุณหภูมิที่เหมาะสม\\n• ทาครีมกันแดดเป็นประจำทุกวัน เพื่อปกป้องผิวจากแสงแดด\\n\\nสิ่งที่จะได้รับ\\n1. Minus20 Advanced Youth Anti-Wrinkle Cream (30g) จำนวน 1 กระปุก\\n\\n[https://www.1577shop.co.th/product/1577-shop-msn-001](https:/www.1577shop.co.th/product/1577-shop-msn-001)\\n-------\\n## [2ฟรี2] Minus 20 (ไมนัสทเวนตี้) ครีมเกล็ดทองคำ ผิวตึง ฉ่ำ ไบร์ท | เซตขายดี\\npromotion_id = \\"00003\\n\\n**Original price was: ฿8,180.00.Current price is: ฿2,900.00.-65%**\\n\\nMinus20 Advanced Youth Anti-Wrinkle Cream\\nครีมบำรุงผิวหน้า ไมนัสทเวนตี้ แอดวานซ์ ยูธ แอนไท ริงเคิล ครีมครีมสูตรเฉพาะเพื่อผิววัย 40+ 50+ 60+ ช่วยตอบโจทย์ปัญหาผิวสาวไทยวัยกลางคน ที่ผ่านช่วงเวลาแห่งการเปลี่ยนแปลง ส่งผลให้มีริ้วรอยร่องลึก ผิวแห้ง หน้าหมองคล้ำ มีฝ้า จุดด่างดำฝังลึก และที่ครีมเดิมที่คุณเคยใช้อาจไม่ได้ผลต่อไป เพราะเราเข้าใจทุกปัญหาจึงพัฒนาไมนัสทเวนตี้มาเป็นสูตรแอดวานซ์ ยูธ เพื่อให้คุณได้สัมผัสผลลัพธ์ผิวที่\\n✨ ตึงกว่าเดิม ริ้วรอยร่องลึกจางลง\\n✨ ฉ่ำกว่าเดิม ชุ่มชื้นอิ่มน้ำยาวนานมากกว่า 24 ชั่วโมง\\n✨ ไบร์ทกว่าเดิม หน้าและดูกระจ่างใส จุดด่างดำจางลงไมนัสทเวนตี้ คัดสรรสารสกัดที่ช่วยตอบโจทย์ปัญหาผิววัยเราอย่างตรงจุดการันตีคุณภาพกลไกลการทำสารของสารกัดด้วยได้รับรางวัลโนเบล แต่ยังอ่อนโยนเหมาะกับทุกสภาพผิวเนื้อผสมครีมเกล็ดทองคำบริสุทธิ์ 99.99% อนุภาคทองละเอียดซึมลึก สัมผัสบางเบา เกลี่ยง่าย ซึมไว ไม่เหนียว ไม่เหนอะหนะ*ผลลัพธ์ขึ้นอยู่กับแต่ละสภาพผิวแต่ละบุคคล\\n• เลขที่ใบรับจดเเจ้ง : 74-1-6600008720\\n• ขนาด 30 กรัม\\n\\n✨วิธีใช้:\\n• หลังล้างหน้าทาครีมไมนัสทเวนตี้ในปริมาณที่เ��มาะสม\\n• แตะและลูบไล้เบาๆลงบนผิวหน้าและลำคอ\\n• ใช้ทาเช้าและเย็น เป็นประจำทุกวัน\\n\\n✨เคล็ดลับ :\\n• เก็บครีมบำรุงผิวในอุณหภูมิที่เหมาะสม\\n• ทาครีมกันแดดเป็นประจำทุกวัน เพื่อปกป้องผิวจากแสงแดด\\n\\nสิ่งที่จะได้รับ\\n1. Minus20 Advanced Youth Anti-Wrinkle Cream (30g) จำนวน 2 กระปุก\\n2. Minus20 Advanced Youth Anti-Wrinkle Cream (8g) จำนวน 2 กระปุก\\n\\nhttps://www.1577shop.co.th/product/1577-shop-mns-003\\n-------\\n## [2ฟรี1] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี ทริปเปิลไมเซล่ามูสโฟม (150ml.)\\npromotion-id = \\"00004\\"\\n\\n**Original price was: ฿8,800.00. Current price is: ฿2,900.00.-68%**\\n\\nThe Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด\\nTRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า ผสาน 5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว\\n\\n-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น\\n-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้\\n-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน\\n\\n*สิ่งที่คุณจะได้รับ\\n1.Trylagina Age-Defying Collagen Serum 12X ขนาด 30 g. 2 กระปุก\\n2.Trylagina Triple Micellar Mousse Foam ขนาด 150 ml. 1 ขวด\\n\\n[https://www.1577shop.co.th/product/1577-shop-tgn-04](https:/www.1577shop.co.th/product/1577-shop-tgn-04)\\n-------\\n## [2ฟรี1] Trylagina 12X (ไตรลาจิน่า 12X) เซรั่มคืนความอ่อนเยาว์ (30g.) 2 กระปุก ฟรี ครีมกันแดด (30g.)\\npromotion_id = \\"00005\\"\\n\\n**Original price was: ฿8,690.00.Current price is: ฿2,900.00.-67%**\\n\\nThe Sense of Youth Infinity รู้สึกถึงความอ่อนเยาว์ไม่มีที่สิ้นสุด\\nTRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า ผสาน 5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว\\n\\n-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกระชับขึ้น\\n-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้\\n-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน\\n\\n*สิ่งที่คุณจะได้รับ\\n1. Trylagina Age-Defying Collagen Serum 12X ขนาด (30g.) 1 กระปุก\\n2. Trylagina Age Defense Sunscreen Serum SPF50+ PA++++ ขนาด (30g.) 1 หลอด\\n\\nhttps://www.1577shop.co.th/product/1577-shop-tgn-05\\n-------\\nTRYLAGINA Age-Defying Collagen Serum 12X การพัฒนาที่ไม่สิ้นสุด สู่ผลิตภัณฑ์ที่ยอดเยี่ยม เพื่อให้คุณได้สัมผัสความอ่อนเยาว์ ตามแบบฉบับของ ไตรลาจีน่า เซรั่มสูตรใหม่ ดีขึ้น 12 เท่า *เมื่อเทียบเท่ากับการใช้ Trylagina Intensive Collagen Mask 12 ครั้ง ช่วยฟื้นบำรุงอย่างล้ำลึก ถึง 5 มิติ  เผยผิวใหม่อ่อนเยาว์กว่าที่เคย\\n\\n-90% ของผู้ทดลองใช้พบว่าริ้วรอยลดลง และกร��ชับขึ้น\\n-87% ของผู้ทดลองใช้พบว่าผิวได้รับความชุ่มชื้นทันทีที่ใช้\\n-82% ของผู้ทดลองใช้พบว่าผิวกระจ่างใสใน 7 วัน\\n\\n5 สารสกัดสําคัญ ที่คิดค้นมาเพื่อแก้ปัญหาผิว\\n1. 5D Matrixcolla  ช่วยกระตุ้นการสร้าง Collagen ให้ผิวคืน “ความอ่อนเยาว์”\\n2. HyWhite® ช่วยลดเลือนฝ้า กระ จุดด่างดำ และ a-Linoleic Acid มีคุณสมบัติช่วยให้ผิวขาวกระจ่างใส เพิ่มความสม่ำเสมอให้กับสีผิว\\n3. สารสกัดยีสต์จาก ดอกโฮยาคาร์โนซ่า เติมความแข็งแรงให้กับผิว มอบความแข็งแรงให้กับผิวจากภายใน ช่วยให้ผิวสุขภาพดี เปล่งปลั่ง\\n4. PatcH2O® ช่วยให้ผิวชุ่มชื่นทันที พร้อมล็อกผิวให้ฉ่ำน้ำยาวนาน ถึง 5 วัน หรือ 120 ชั่วโมง *เมื่อใช้เป็นประจำต่อเนื่อง และ สามารถปกป้องผิวจาก มลภาวะฝุ่น PM2.5\\n5. สาหร่ายซุยเซ็นจิ จากประเทศญี่ปุ่น ซึ่งเติบโตในแหล่งน้ำที่อุดมไปด้วยแร่ธาตุจากภูเขาไฟอะโซะ (Aso) เกาะคิวชู (Kyoshu) ช่วยปลอบประโลมผิว ให้ผิวรู้สึกผ่อนคลาย\\n\\nขอแนะนําวิธีการใช้ผลิตภัณฑ์ เพื่อการฟื้นฟูผิวอย่างเต็มประสิทธิภาพ\\nSTEP 1 หลังทำความสะอาดผิวหน้า เตรียมผิวพร้อมรับการบำรุง ใช้ไม้พายตักเซรั่มลงบนหลังมือ\\nSTEP 2 แต้มเซรั่มลงบนผิวหน้า 5 จุด ได้แก่บริเวณ หน้าผาก ปลายจมูก พวงแก้มซ้าย พวงแก้มขวา และปลายคาง\\nSTEP 3 ลูบไล้เซรั่มด้วยปลายนิ้วทั้งสองข้าง เพื่อปลดปล่อยคุณค่าของสารสกัด จากนั้นจึงกดเบาๆ ลงบนผิวหน้าและลำคอ ใช้ทั้งเช้าและเย็น\\nเลขที่ได้รับจดแจ้ง : 11-1-6600001843"}'}, {'role': 'assistant', 'metadata': None, 'content': 'ณภัทรแนะนำโปรโมชั่นสุดฮิตให้ 3 รายการนี้นะคะ| โปรโมชั่นแรกเป็นไตรลาจิน่า 12X เซรั่มคืนความอ่อนเยาว์ 2 กระปุกฟรี 2 กระปุกเล็ก| ราคาพิเศษ 2,900 บาทค่ะ|\n\nโปรโมชั่นที่สองคือไมนัสทเวนตี้ครีมเกล็ดทองคำ 1 กระปุกค่ะ| ช่วยให้ผิวตึงฉ่ำไบร์ทราคาพิเศษ 1,890 บาทค่ะ|\n\nส่วนโปรโมชั่นที่สามเป็นไมนัสทเวนตี้ครีมเกล็ดทองคำเซตขายดี 2 กระปุกฟรี 2 กระปุกเล็กค่ะ| ราคาพิเศษ 2,900 บาทค่ะ| สนใจโปรโมชั่นไหนเป็นพิเศษไหมคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'เอาอันแรกครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'รับเป็นไตรลาจิน่า 12X เซรั่มคืนความอ่อนเยาว์ 2 กระปุกฟรี 2 กระปุกเล็กนะคะ| รับกี่เซตดีคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'ครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'รับกี่เซตดีคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'หนึ่งครับ', 'options': None}, {'role': 'assistant', 'content': None, 'tool_calls': [{'id': 'function-call-2224878481094213305', 'type': 'function', 'function': {'name': 'summary_order', 'arguments': '{"quantity":1,"promotion_id":"00001"}'}}]}, {'role': 'tool', 'tool_call_id': 'function-call-2224878481094213305', 'content': '{"status": "ok", "promotion_id": "00001", "unit_price": 2900, "quantity": 1, "total_price": 2900, "currency": "THB"}'}, {'role': 'assistant', 'metadata': None, 'content': 'สรุปรายการนะคะ| ไตรลาจิน่า 12X เซรั่มคืนความอ่อนเยาว์ 1 เซตราคา 2,900 บาทถูกต้องไหมคะ| การชำระเงินจะเป็นแบบเก็บเงินปลายทางอย่างเดียวนะคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'ถูกต้องครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'รบกวนขอชื่อจริงลูกค้าด้วยค่ะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'จุลจักรครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'นามสกุลอะไรคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'กาญจนาเอกครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'รบกวนขอที่อยู่สำหรับจัดส่งด้วยนะคะ| ขอเป็นจังหวัดก่อนค่ะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'กรุงเทพครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'เขตหรืออำเภออะไรคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'น้องจอกครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'แขวงหรือตำบลอะไรคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'บรรทัดชีครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'ถนนอะไรคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'สวินทวงศ์ครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'หมู่บ้านหรือชื่ออาคารอะไรคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'บ้านฟอร่าวิวครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'ซอยอะไรคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'สุเวนทวงศ์สามแปดครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'บ้านเลขที่อะไรคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'เก้าสิบสองทับสิบห้าครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'รบกวนขอรหัสไปรษณีย์ด้วยนะคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'หนึ่งศูนย์ห้าสามศูนย์', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'รบกวนขอเบอร์โทรศัพท์ด้วยนะคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'ศูนย์หกสาม เจ็ดห้าสาม หนึ่งสามเจ็ดเก้าครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'ขอทวนข้อมูลการจัดส่งอีกครั้งนะคะ| คุณจุลจักรกาญจนาเอก| ที่อยู่กรุงเทพมหานครเขตหนองจอกแขวงลำผักชีถนนสุวินทวงศ์หมู่บ้านฟอร่าวิวซอยสุวินทวงศ์ 38 บ้านเลขที่ 92/15 รหัสไปรษณีย์ 10530| เบอร์โทรศัพท์ 0637531379| ข้อมูลถูกต้องไหมคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'ไม่ถูกครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'ไม่ถูกต้องตรงส่วนไหนคะ| รบกวนแจ้งอีกครั้งได้เลยค่ะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'นามสกุลกาญจนะเอกิงครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'ขอโทษด้วยนะคะ| ขอทวนนามสกุลเป็นกาญจนะเอกินนะคะ| ส่วนที่อยู่เป็นกรุงเทพมหานครเขตหนองจอกแขวงลำผักชีถนนสุวินทวงศ์หมู่บ้านฟอร่าวิวซอยสุวินทวงศ์ 38 บ้านเลขที่ 92/15 รหัสไปรษณีย์ 10530| เบอร์โทรศัพท์ 0637531379| ข้อมูลถูกต้องไหมคะ|', 'options': None}, {'role': 'user', 'metadata': None, 'content': 'ไม่ใช่ครับ', 'options': None}, {'role': 'assistant', 'metadata': None, 'content': 'ไม่ถูกต้องตรงส่วนไหนคะ| รบกวนแจ้งอีกครั้งได้เลยค่ะ|', 'options': None}, {'role': 'user', 'content': 'นามสกุลกาญจนาเอกินครับ'}]
-
-                                                                              
-    )
-    print(result)
-    result = purchase_product(
-        promotion_id="00001",
-        quantity=1,
-        name="สมชาย",
-        surname="ใจดี",
-        address="123 ถนนสุขุมวิท กรุงเทพฯ 10110",
-        tel="0812345678"
-    )
-    print(result)

backend/tts.py

@@ -41,9 +41,7 @@ def synthesize_text(text: str, lang = 'th' , speed = 2.0):
         ' 4.': ' สี่.', '/n4.':  ' สี่.', ' 10.': ' สิบ.', '/n10.': ' สิบ.',
         'พ.ศ.': 'พอศอ', '. ': ' ', '-19': ' 19', 'เพื่อยก': 'เพื่อ ยก',
         '√': 'เครื่องหมายติ๊กถูก', '=>': 'จากนั้นเลือก', 'รอกด': 'รอ กด', ' ณ ': ' นะ ',
-        '[2ฟรี1]': 'สองฟรีหนึ่ง', "+": 'บวก',  "12X": "สิบสองเอ็กซ์", "12x": "สิบสองเอ็กซ์",'[2ฟร2]': 'สองฟรีสอง',
-        "/": "ทับ"
-
+        '[2ฟรี1]': 'สองฟรีหนึ่ง', "+": 'บวก',  "12X": "สิบสองเอ็กซ์", "12x": "สิบสองเอ็กซ์"
     }
     for old, new in replacements.items():
         text = text.replace(old, new)

backend/utils.py

@@ -14,8 +14,7 @@ except ModuleNotFoundError:
     torch = None  # type: ignore
 
 warnings.filterwarnings("ignore")
-
-
+# load_dotenv(override = True)
 
 # --- Device Configuration ---
 def get_device():
@@ -28,8 +27,6 @@ def get_device():
         return "mps"
     else:
         return "cpu"
-if get_device() == "mps":
-    load_dotenv(override=True)
 
 device = get_device()
 print(f"Using device: {device}")
@@ -46,7 +43,6 @@ def get_sync_credentials(ttl=360_000):
 def setup_gcp_credentials():
     """Sets up Google Cloud credentials from an environment variable."""
     gcp_service_account_json_str = os.getenv("GCP_SERVICE_ACCOUNT_JSON")
-    # print(gcp_service_account_json_str)
     if gcp_service_account_json_str:
         try:
             # Create a temporary file to store the credentials
@@ -66,150 +62,47 @@ def setup_gcp_credentials():
     #     print("Warning: GCP_SERVICE_ACCOUNT_JSON is not set; Google Cloud clients may fail.")
     # return gcp_service_account_json_str
 # --- Audio Processing ---
-# def audiosegment_to_numpy(audio, target_sample_rate=16000):
-#     samples = np.array(audio.get_array_of_samples(), dtype=np.float32)
-#     if audio.channels > 1:
-#         samples = samples.reshape((-1, audio.channels)).mean(axis=1)
-#     if audio.frame_rate != target_sample_rate:
-#         samples = librosa.resample(samples, orig_sr=audio.frame_rate, target_sr=target_sample_rate)
-#     samples /= np.iinfo(audio.array_type).max
-#     return samples
-
 def audiosegment_to_numpy(audio, target_sample_rate=16000):
-    """
-    Convert pydub.AudioSegment to normalized numpy array in range [-1, 1].
-    """
     samples = np.array(audio.get_array_of_samples(), dtype=np.float32)
     if audio.channels > 1:
         samples = samples.reshape((-1, audio.channels)).mean(axis=1)
-
-    # Normalize to [-1, 1]
     samples /= np.iinfo(audio.array_type).max
 
-    # Resample if needed
     if audio.frame_rate != target_sample_rate:
         samples = librosa.resample(samples, orig_sr=audio.frame_rate, target_sr=target_sample_rate)
+    return samples
 
-    # Final safety normalization
-    max_val = np.max(np.abs(samples))
-    if max_val > 0:
-        samples = samples / max_val
-
-    return samples.astype(np.float32)
-
-
-def preprocess_audio(audio, target_channels=1, target_sr=16000):
+def preprocess_audio(audio, target_channels=1, target_frame_rate=16000):
     """
-    Ensures the audio is mono, target sample rate, and normalized to [-1, 1].
+    Preprocess the audio using pydub AudioSegment by setting the number of channels and frame rate.
     
     Args:
-        audio: tuple (sample_rate, audio_array)
+        audio (tuple): A tuple (sample_rate, audio_array) where audio_array is a NumPy array.
+        target_channels (int): Desired number of channels (default is 1 for mono).
+        target_frame_rate (int): Desired frame rate (default is 16000 Hz).
+    
     Returns:
-        tuple: (target_frame_rate, normalized_audio)
+        np.ndarray: The processed audio as a NumPy array.
     """
-    target_frame_rate = target_sr
-    
     sample_rate, audio_array = audio
-    #save audio array for debug
-    with open("debug_audio_array.npy", "wb") as f:
-        np.save(f, audio_array)
-    print(audio_array)
-    print(audio_array[0])
-    print(len(audio_array[0]))
-    print(audio_array.dtype)
-
-    # Convert to int16 PCM if needed
-    # If input is already float, scale it correctly
-    if audio_array.dtype != np.int16:
-        audio_array = np.clip(audio_array, -1.0, 1.0)
-        audio_array_int16 = (audio_array * 32767).astype(np.int16)
-    else:
-        audio_array_int16 = audio_array
-
-    # Wrap as BytesIO for AudioSegment
+    target_frame_rate = sample_rate
+    audio_array_int16 = audio_array.astype(np.int16)
     audio_bytes = audio_array_int16.tobytes()
     audio_io = io.BytesIO(audio_bytes)
-
-    # Convert to AudioSegment
-    segment = AudioSegment.from_raw(
-        audio_io, 
-        sample_width=2, 
-        frame_rate=sample_rate, 
-        channels=1
-    )
-
-    # Adjust channels & frame rate
+    segment = AudioSegment.from_raw(audio_io, sample_width=2, frame_rate=sample_rate, channels=1)
     segment = segment.set_channels(target_channels)
     segment = segment.set_frame_rate(target_frame_rate)
-
-    # Convert back to normalized numpy
-    samples = audiosegment_to_numpy(segment, target_sample_rate=target_frame_rate)
-
-    return (target_frame_rate, samples)
-
-def preprocess_audio_simplified(audio, target_sr=16000):
-    """
-    Ensures the audio is mono, at the target sample rate, and normalized to [-1, 1].
-    
-    Args:
-        audio: tuple (original_sr, audio_array)
-               audio_array is a numpy array.
-    Returns:
-        tuple: (target_sr, normalized_audio)
-    """
-    original_sr, audio_array = audio
-
-    # Ensure audio_array is float
-    if audio_array.dtype not in [np.float32, np.float64]:
-        # Normalize int16 or other int types to [-1, 1]
-        audio_array = audio_array.astype(np.float32) / np.iinfo(audio_array.dtype).max
-        
-    # Ensure audio is mono
-    # Assumes channels are in the first dimension if it's 2D
-    if audio_array.ndim > 1 and audio_array.shape[0] > 1:
-        audio_array = np.mean(audio_array, axis=0)
-    # If shape is (1, N), flatten it to (N,)
-    audio_array = audio_array.flatten()
-
-    # Resample if needed
-    if original_sr != target_sr:
-        audio_array = librosa.resample(y=audio_array, orig_sr=original_sr, target_sr=target_sr)
-
-    # Peak normalization
-    max_val = np.max(np.abs(audio_array))
-    if max_val > 0:
-        audio_array = audio_array / max_val
-        
-    return (target_sr, audio_array.astype(np.float32))
-
-
-
-def is_valid_turn(turn: dict) -> bool:
-    """
-    Checks if a conversation turn is valid for inclusion in the LLM history.
-    A turn is valid if it has a role and meets role-specific criteria:
-    - user: must have non-empty content.
-    - assistant: must have EITHER non-empty content OR tool_calls.
-    - tool: must have content and a tool_call_id.
-    """
-    if not isinstance(turn, dict) or "role" not in turn:
-        return False
-
-    role = turn.get("role")
-    
-    if role == "user":
-        # User turn is valid only if it has non-empty text content.
-        return bool(turn.get("content") and isinstance(turn.get("content"), str) and turn.get("content").strip())
-        
-    elif role == "assistant":
-        # Assistant turn is valid if it has text content OR if it has tool_calls.
-        has_content = bool(turn.get("content") and isinstance(turn.get("content"), str) and turn.get("content").strip())
-        has_tool_calls = "tool_calls" in turn and turn["tool_calls"] is not None
-        return has_content or has_tool_calls
-
-    elif role == "tool":
-        # Tool turn is valid if it has a tool_call_id and content.
-        return "tool_call_id" in turn and "content" in turn
-
-    # Reject any other roles or malformed turns.
-    return False
+    return audiosegment_to_numpy(segment)
+
+# --- Conversation Utilities ---
+def is_valid_turn(turn):
+    """Return True if turn is a valid dict with non-empty 'role' and 'content' strings."""
+    return (
+        isinstance(turn, dict)
+        and "role" in turn
+        and "content" in turn
+        and isinstance(turn["role"], str)
+        and isinstance(turn["content"], str)
+        and turn["role"].strip() != ""
+        and turn["content"].strip() != ""
+    )