Press n or j to go to the next uncovered block, b, p or k for the previous block.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 | const OpenAI = require('openai'); const logger = require('../utils/logger'); const databaseService = require('./databaseService'); class OpenAIService { constructor() { this.openai = null; this.initialized = false; // Token tracking this.tokenUsage = { totalTokens: 0, inputTokens: 0, outputTokens: 0, requestCount: 0, lastReset: new Date(), monthlyLimit: 160000, // Based on $9 monthly budget (~160k tokens) currentCost: 1.16, // USD - current actual usage monthlyBudget: 9.00, // USD monthly - updated to actual budget actualUsage: null, // Will be fetched from OpenAI API lastApiCheck: null }; } async initialize() { try { const apiKey = process.env.OPENAI_API_KEY; if (!apiKey) { throw new Error('OpenAI API key not found in environment variables'); } this.openai = new OpenAI({ apiKey: apiKey, timeout: 30000, // 30 seconds timeout maxRetries: 3 }); this.initialized = true; logger.info('OpenAI service initialized successfully'); } catch (error) { logger.error('Failed to initialize OpenAI service:', error); throw error; } } // Token usage tracking methods trackTokenUsage(usage, cost = 0, requestType = 'general', modelUsed = 'gpt-4o-mini', projectId = null, quoteId = null) { if (usage) { // Update local session tracking this.tokenUsage.totalTokens += usage.total_tokens || 0; this.tokenUsage.inputTokens += usage.prompt_tokens || 0; this.tokenUsage.outputTokens += usage.completion_tokens || 0; this.tokenUsage.requestCount += 1; this.tokenUsage.currentCost += cost; // Save to database for persistent tracking this.saveUsageToDatabase({ requestType, modelUsed, promptTokens: usage.prompt_tokens || 0, completionTokens: usage.completion_tokens || 0, totalTokens: usage.total_tokens || 0, costUsd: cost, projectId, quoteId }); logger.info('Token usage tracked', { request: this.tokenUsage.requestCount, totalTokens: this.tokenUsage.totalTokens, currentCost: this.tokenUsage.currentCost.toFixed(4), requestType, modelUsed }); } } // Save usage to database for persistent tracking async saveUsageToDatabase(usageData) { try { const databaseService = require('./databaseService'); await databaseService.query(` INSERT INTO openai_usage_stats (request_type, model_used, prompt_tokens, completion_tokens, total_tokens, cost_usd, project_id, quote_id) VALUES (?, ?, ?, ?, ?, ?, ?, ?) `, [ usageData.requestType, usageData.modelUsed, usageData.promptTokens, usageData.completionTokens, usageData.totalTokens, usageData.costUsd, usageData.projectId, usageData.quoteId ]); } catch (error) { logger.warn('Failed to save usage to database:', error.message); } } // Fetch actual usage data from OpenAI API async fetchActualUsageFromAPI() { try { if (!this.initialized) { await this.initialize(); } // Check if we've fetched recently (cache for 1 minute for more responsive updates) const now = new Date(); if (this.tokenUsage.lastApiCheck && (now - this.tokenUsage.lastApiCheck) < 1 * 60 * 1000) { return this.tokenUsage.actualUsage; } // Try to get organization usage from OpenAI API try { // Make a simple API call to get headers with usage info const testCompletion = await this.openai.chat.completions.create({ model: 'gpt-4o-mini', messages: [{ role: 'user', content: 'ping' }], max_tokens: 1 }); // Update our tracking with the latest request if (testCompletion.usage) { this.trackTokenUsage(testCompletion.usage, this.calculateTokenCost(testCompletion.usage, 'gpt-4o-mini')); } // Return updated local tracking as our best estimate this.tokenUsage.actualUsage = { totalCost: this.tokenUsage.currentCost, totalTokens: this.tokenUsage.totalTokens, requestCount: this.tokenUsage.requestCount, period: 'current_session', lastUpdated: now, source: 'live_tracking', last_ping_tokens: testCompletion.usage?.total_tokens || 0 }; logger.info('OpenAI usage updated via ping request', { total_tokens: this.tokenUsage.totalTokens, current_cost: this.tokenUsage.currentCost, request_count: this.tokenUsage.requestCount }); } catch (apiError) { logger.warn('Could not ping OpenAI API for usage update', { error: apiError.message }); // Use existing local tracking this.tokenUsage.actualUsage = { totalCost: this.tokenUsage.currentCost, totalTokens: this.tokenUsage.totalTokens, requestCount: this.tokenUsage.requestCount, period: 'session_only', lastUpdated: now, source: 'local_tracking_only' }; } this.tokenUsage.lastApiCheck = now; return this.tokenUsage.actualUsage; } catch (error) { logger.error('Error fetching OpenAI usage data:', error); return null; } } async getTokenUsageStats() { // Get actual usage data from database const dbUsageData = await this.getUsageFromDatabase(); // Fetch actual usage data from OpenAI if possible const actualUsage = await this.fetchActualUsageFromAPI(); // Use database data as primary source, session data as fallback const totalTokens = dbUsageData.totalTokens || this.tokenUsage.totalTokens; const currentCost = dbUsageData.totalCost || this.tokenUsage.currentCost; const requestCount = dbUsageData.requestCount || this.tokenUsage.requestCount; const remainingTokens = this.tokenUsage.monthlyLimit - totalTokens; const remainingBudget = this.tokenUsage.monthlyBudget - currentCost; const usagePercent = (totalTokens / this.tokenUsage.monthlyLimit * 100); const costPercent = (currentCost / this.tokenUsage.monthlyBudget * 100); // Calculate days until month reset const now = new Date(); const nextMonth = new Date(now.getFullYear(), now.getMonth() + 1, 1); const daysUntilReset = Math.ceil((nextMonth - now) / (1000 * 60 * 60 * 24)); return { // Database-backed data (primary) totalTokens: totalTokens, inputTokens: dbUsageData.totalPromptTokens || this.tokenUsage.inputTokens, outputTokens: dbUsageData.totalCompletionTokens || this.tokenUsage.outputTokens, monthlyLimit: this.tokenUsage.monthlyLimit, remainingTokens: Math.max(0, remainingTokens), requestCount: requestCount, currentCost: currentCost, monthlyBudget: this.tokenUsage.monthlyBudget, remainingBudget: Math.max(0, remainingBudget), usagePercent: Math.min(100, usagePercent), costPercent: Math.min(100, costPercent), lastReset: this.tokenUsage.lastReset, daysUntilReset: daysUntilReset, warningLevel: usagePercent > 80 ? 'high' : usagePercent > 60 ? 'medium' : 'low', // API data (if available) actualUsage: actualUsage, dataSource: dbUsageData.hasData ? 'database_primary' : (actualUsage?.source || 'local_only'), // Database stats dbStats: dbUsageData }; } // Get usage data from database async getUsageFromDatabase() { try { const databaseService = require('./databaseService'); // Get total usage for current month const now = new Date(); const firstOfMonth = new Date(now.getFullYear(), now.getMonth(), 1); const [results] = await databaseService.query(` SELECT COUNT(*) as request_count, SUM(total_tokens) as total_tokens, SUM(prompt_tokens) as total_prompt_tokens, SUM(completion_tokens) as total_completion_tokens, SUM(cost_usd) as total_cost, MAX(created_at) as last_usage FROM openai_usage_stats WHERE created_at >= ? `, [firstOfMonth]); const stats = results || {}; return { hasData: stats.request_count > 0, requestCount: parseInt(stats.request_count) || 0, totalTokens: parseInt(stats.total_tokens) || 0, totalPromptTokens: parseInt(stats.total_prompt_tokens) || 0, totalCompletionTokens: parseInt(stats.total_completion_tokens) || 0, totalCost: parseFloat(stats.total_cost) || 0, lastUsage: stats.last_usage }; } catch (error) { logger.warn('Failed to get usage from database:', error.message); return { hasData: false, requestCount: 0, totalTokens: 0, totalPromptTokens: 0, totalCompletionTokens: 0, totalCost: 0, lastUsage: null }; } } calculateTokenCost(usage, model) { if (!usage) return 0; // OpenAI pricing (as of 2024) - prices per 1k tokens const pricing = { 'gpt-4': { input: 0.03, output: 0.06 }, 'gpt-4-turbo': { input: 0.01, output: 0.03 }, 'gpt-4o-mini': { input: 0.00015, output: 0.0006 }, // Very cheap model 'gpt-3.5-turbo': { input: 0.001, output: 0.002 } }; const rates = pricing[model] || pricing['gpt-4']; // Default to gpt-4 pricing const inputCost = (usage.prompt_tokens || 0) / 1000 * rates.input; const outputCost = (usage.completion_tokens || 0) / 1000 * rates.output; return inputCost + outputCost; } async checkBudgetLimits() { const stats = await this.getTokenUsageStats(); if (stats.usagePercent >= 95) { throw new Error(`Token limit næsten nået: ${stats.totalTokens}/${stats.monthlyLimit} tokens (${stats.usagePercent.toFixed(1)}%)`); } if (stats.costPercent >= 95) { throw new Error(`Budget limit næsten nået: $${stats.currentCost.toFixed(2)}/$${stats.monthlyBudget} (${stats.costPercent.toFixed(1)}%)`); } } async generateQuote(quoteRequest) { if (!this.initialized) { await this.initialize(); } const { description, area, projectType, additionalInfo, region } = quoteRequest; // Gather relevant historical data from database const historicalData = await this.gatherHistoricalData(projectType, description, region); const systemPrompt = `Du er en AI-tilbudsassistent for et specialiseret tømrerfirma med fokus på træarbejde. Du arbejder altid ud fra de priser, satser og regler der findes i databasen for tømrerarbejde. Du må aldrig opfinde priser – hvis data mangler, skal du bede om at de bliver uploadet eller godkendt manuelt. Når du skal lave et tømrertilbud: Input du får: - Kundeoplysninger (navn, adresse, tømrerprojekt beskrivelse) - Projektdata (opgavetype, areal, træmaterialevalg, region, dato) - Opslag fra databasen: træmaterialepriser, tømrer arbejdssatser, spildprocenter, overheads, markups - Historiske data fra tidligere tømrertilbud Din opgave: - Sammensæt et overskueligt tømrertilbud opdelt i: * Træmaterialer: mængde, pris pr. enhed/pakke, subtotal * Tømrerarbejdstid: timer × tømrersats, subtotal * Tillæg: spild, overhead, avance * Samlet pris inkl. moms (25%) - Generér en professionel tekstbeskrivelse med fokus på tømrerarbejde - Angiv gyldighed (fx 30 dage) og betingelser - Tilføj alternative træløsninger hvis der findes relevante valg i databasen - Indsæt reference til de anvendte kildepriser Stil & format: - Professionel og venlig tone specialiseret i tømrerarbejde - Brug tydelige linjer og summer - Priser i DKK, afrund til hele kroner - Angiv moms (25%) som separat linje - Indsæt reference til de anvendte kildepriser Regler: - Fokuser kun på tømrerarbejde og træmaterialer - Brug kun tal og datoer fra databasen eller uploadede dokumenter - Hvis information mangler: foreslå at bruge 🌐 "Søg priser online" funktionen for at hente aktuelle markedspriser - Alle priser skal have kildereference - Når du ikke kan finde priser, foreslå konkrete materialer/arbejdstyper at søge efter online Historiske tømrerdata til reference: ${this.formatHistoricalData(historicalData)}`; const userPrompt = `Udarbejd et detaljeret tømrertilbud for følgende tømrerprojekt baseret på de historiske data og priser fra databasen: Tømrerprojekt beskrivelse: ${description} ${area ? `Areal: ${area} m²` : ''} ${projectType ? `Tømrerprojekt type: ${projectType}` : ''} ${region ? `Region: ${region}` : ''} ${additionalInfo ? `Yderligere info om tømrerarbejde: ${additionalInfo}` : ''} Brug de historiske tømrerpriser og data til at beregne et realistisk tømrertilbud. VIGTIG: Hvis relevante træmaterialepriser eller tømrersatser mangler, foreslå at bruge 🌐 "Søg priser online" funktionen med specifikke materialer som f.eks. "termoruder", "trævindue", "dørhåndtag" osv.`; try { // Check budget limits before making request await this.checkBudgetLimits(); const completion = await this.openai.chat.completions.create({ model: 'gpt-4', messages: [ { role: 'system', content: systemPrompt }, { role: 'user', content: userPrompt } ], temperature: 0.3, // Lower temperature for more consistent pricing max_tokens: 3000 }); // Track token usage with context const tokenCost = this.calculateTokenCost(completion.usage, 'gpt-4'); this.trackTokenUsage(completion.usage, tokenCost, 'quote_generation', 'gpt-4'); const quoteText = completion.choices[0].message.content; logger.info('Quote generated successfully', { tokens: completion.usage.total_tokens, cost: tokenCost.toFixed(4), model: completion.model, usedHistoricalData: Object.keys(historicalData).length > 0 }); return { quote: quoteText, metadata: { tokens: completion.usage.total_tokens, model: completion.model, timestamp: new Date().toISOString(), historicalDataUsed: historicalData, region: region } }; } catch (error) { logger.error('Error generating quote with OpenAI:', error); if (error.code === 'rate_limit_exceeded') { throw new Error('AI-tjenesten er overbelastet. Prøv igen om lidt.'); } if (error.code === 'insufficient_quota') { throw new Error('AI-tjenesten er midlertidigt utilgængelig.'); } throw new Error('Kunne ikke generere tilbud. Prøv igen senere.'); } } async gatherHistoricalData(projectType, description, region) { try { const historicalData = {}; // Determine relevant categories based on project type and description const categories = this.determineRelevantCategories(projectType, description); for (const category of categories) { // Get historical material prices const materialPrices = await databaseService.getHistoricalPrices(category.name, category.subcategory, region, 10); if (materialPrices.length > 0) { historicalData[`${category.name}_materials`] = materialPrices; } // Get price statistics for better insights const priceStats = await databaseService.getPriceStatistics(category.name, category.subcategory, region); if (priceStats) { historicalData[`${category.name}_statistics`] = priceStats; } } // Get labor rates const laborRoles = ['tømrer', 'svend', 'mester']; for (const role of laborRoles) { const laborRates = await databaseService.getHistoricalLaborRates(role, region, 5); if (laborRates.length > 0) { historicalData[`${role}_rates`] = laborRates; } } return historicalData; } catch (error) { logger.error('Error gathering historical data:', error); return {}; } } determineRelevantCategories(projectType, description) { const categories = []; const lowerDescription = (description || '').toLowerCase(); const lowerProjectType = (projectType || '').toLowerCase(); const text = `${lowerDescription} ${lowerProjectType}`; // Map keywords to categories const categoryMapping = { 'gulv': { keywords: ['gulv', 'klik', 'parket', 'planker', 'laminat', 'flise'], subcategories: ['klik', 'parket', 'planker'] }, 'tag': { keywords: ['tag', 'tegl', 'tagsten', 'undertag', 'reparation'], subcategories: ['tegl', 'reparation'] }, 'vinduer': { keywords: ['vindue', 'vinduer', 'glas', 'karm'], subcategories: ['træ', 'aluminium', 'plast'] }, 'døre': { keywords: ['dør', 'døre', 'indgang', 'udgang'], subcategories: ['indendørs', 'udendørs'] }, 'terrasse': { keywords: ['terrasse', 'udendørs', 'træ', 'terrassebrædder'], subcategories: ['træ', 'komposit'] }, 'isolering': { keywords: ['isolering', 'isoleringmateriale', 'mineraluld'], subcategories: ['loft', 'væg', 'gulv'] } }; for (const [categoryName, categoryData] of Object.entries(categoryMapping)) { for (const keyword of categoryData.keywords) { if (text.includes(keyword)) { categories.push({ name: categoryName, subcategory: null // Will be more specific in real implementation }); break; } } } // Default categories if none found if (categories.length === 0) { categories.push({ name: 'tømrer', subcategory: null }); } return categories; } formatHistoricalData(historicalData) { if (!historicalData || Object.keys(historicalData).length === 0) { return 'Ingen historiske data tilgængelige - bed om at materialer og timepriser uploades.'; } let formatted = 'Historiske data fra databasen:\n\n'; for (const [key, data] of Object.entries(historicalData)) { if (key.includes('_materials')) { const category = key.replace('_materials', ''); formatted += `${category.toUpperCase()} materialer (seneste priser):\n`; for (const item of data.slice(0, 5)) { // Limit to 5 most recent formatted += `- ${item.name}: ${item.price} ${item.currency || 'DKK'}/${item.unit}`; if (item.supplier_name) formatted += ` (${item.supplier_name})`; formatted += ` - gyldig fra ${item.valid_from}\n`; } formatted += '\n'; } else if (key.includes('_statistics')) { const category = key.replace('_statistics', ''); formatted += `${category.toUpperCase()} prisstatistik (sidste 2 år):\n`; formatted += `- Gennemsnitspris: ${Math.round(data.avg_price)} DKK\n`; formatted += `- Prisinterval: ${Math.round(data.min_price)} - ${Math.round(data.max_price)} DKK\n`; formatted += `- Antal historiske priser: ${data.total_quotes}\n`; if (data.price_stddev) { formatted += `- Prisvarians: ±${Math.round(data.price_stddev)} DKK\n`; } // Add recommendation based on statistics const recommendedPrice = Math.round(data.avg_price * 1.1); // 10% above average formatted += `- ANBEFALET PRIS: ${recommendedPrice} DKK (baseret på historisk gennemsnit + 10%)\n`; formatted += '\n'; } else if (key.includes('_rates')) { const role = key.replace('_rates', ''); formatted += `${role.toUpperCase()} timepriser:\n`; for (const item of data.slice(0, 3)) { formatted += `- ${item.task_description}: ${item.rate_per_hour} DKK/time`; if (item.region) formatted += ` (${item.region})`; formatted += ` - gyldig fra ${item.valid_from}\n`; } // Calculate average rate if (data.length > 0) { const avgRate = Math.round(data.reduce((sum, item) => sum + item.rate_per_hour, 0) / data.length); formatted += `- GENNEMSNIT: ${avgRate} DKK/time\n`; } formatted += '\n'; } } return formatted; } async refineQuote(originalQuote, feedback) { if (!this.initialized) { await this.initialize(); } const systemPrompt = `Du er en erfaren tømrer og tilbudsberegner specialiseret i træarbejde og tømrerprojekter. Du skal justere et eksisterende tømrertilbud baseret på kundens feedback. Behold den professionelle struktur og juster kun det der er nødvendigt med fokus på tømrerarbejde.`; const userPrompt = `Oprindeligt tømrertilbud: ${originalQuote} Kunde feedback: ${feedback} Juster tømrertilbuddet baseret på feedbacken, men behold den professionelle struktur og fokuser på tømrerarbejde.`; try { // Check budget limits before making request await this.checkBudgetLimits(); const completion = await this.openai.chat.completions.create({ model: 'gpt-4', messages: [ { role: 'system', content: systemPrompt }, { role: 'user', content: userPrompt } ], temperature: 0.5, max_tokens: 2000 }); // Track token usage const tokenCost = this.calculateTokenCost(completion.usage, 'gpt-4'); this.trackTokenUsage(completion.usage, tokenCost); return completion.choices[0].message.content; } catch (error) { logger.error('Error refining quote:', error); throw new Error('Kunne ikke justere tilbuddet. Prøv igen senere.'); } } /** * Classify and clean OCR extracted data using OpenAI * This ensures better data quality in the database */ async classifyOcrData(ocrData, documentType = 'material') { if (!this.initialized) { await this.initialize(); } const systemPrompt = this.getClassificationSystemPrompt(documentType); const userPrompt = this.formatOcrDataForClassification(ocrData, documentType); try { // Check budget limits before making request await this.checkBudgetLimits(); const completion = await this.openai.chat.completions.create({ model: 'gpt-4', messages: [ { role: 'system', content: systemPrompt }, { role: 'user', content: userPrompt } ], temperature: 0.1, // Very low temperature for consistent classification max_tokens: 4000 }); // Track token usage const tokenCost = this.calculateTokenCost(completion.usage, 'gpt-4'); this.trackTokenUsage(completion.usage, tokenCost); const responseContent = completion.choices[0].message.content; // Try to parse as JSON - if it fails, try to extract JSON from the response let classifiedData; try { classifiedData = JSON.parse(responseContent); } catch (parseError) { // Try to extract JSON from response that might have extra text const jsonMatch = responseContent.match(/\{[\s\S]*\}/); if (jsonMatch) { classifiedData = JSON.parse(jsonMatch[0]); } else { throw new Error('Could not extract valid JSON from response'); } } logger.info('OCR data classified successfully', { originalItems: ocrData.items?.length || 0, classifiedItems: classifiedData.items?.length || 0, documentType: documentType }); return classifiedData; } catch (error) { logger.error('Error classifying OCR data:', error); // Fall back to original data if classification fails return { items: ocrData.items || [], supplier: ocrData.supplier || 'Unknown', document_date: ocrData.document_date || new Date().toISOString(), classification_status: 'failed', error: error.message }; } } getClassificationSystemPrompt(documentType) { if (documentType === 'material') { return `Du er en ekspert i klassificering af byggematerialer til en tømrer-database. Din opgave er at rense og klassificere OCR-ekstrakterede data fra leverandør PDF'er. Du skal: 1. FJERNE irrelevante elementer (logoer, adresser, leveringsbetingelser, moms-tekst, etc.) 2. RENSE materialenavne (fjern fejl-karakterer, normaliser stavning) 3. KLASSIFICERE materialer i relevante kategorier 4. STANDARDISERE enheder og priser 5. IDENTIFICERE korrekte varenumre/SKU'er KATEGORIER til materialer: - gulv (laminat, parket, planker, underlægspapir, lister) - træ (planker, bjælker, lægter, brædder) - beslag (skruer, søm, beslag, fittings) - vinduer_døre (vinduer, døre, karme, glas) - tag (tagsten, tagplader, undertag, rende) - isolation (mineraluld, styroplast, dampspærre) - lim_maling (lim, maling, lak, spartelmasse) - værktøj (værktøj, maskiner, tilbehør) - levering (fragt, levering, transport) - øvrige (alt andet) ENHEDER at standardisere til: - stk, m², m, kg, liter, pakker, sæt Du skal returnere JSON i dette format: { "items": [ { "name": "renset og normaliseret navn", "category": "en af kategorierne ovenfor", "subcategory": "mere specifik type", "price": numeric værdi, "unit": "standardiseret enhed", "quantity": numeric værdi eller 1, "sku": "varenummer hvis fundet", "description": "kort beskrivelse", "confidence": 0.0-1.0, "is_relevant": true/false } ], "supplier": "leverandør navn", "document_date": "YYYY-MM-DD", "total_items_processed": antal, "items_kept": antal relevante, "items_removed": antal fjernede, "classification_notes": "kort note om processen" } FJERN elementer som: - Firmaoplysninger og adresser - Leveringsbetingelser og tekst - Moms og regningsoplysninger - Logoer og grafik-tekst - Elementer under 1 DKK (sandsynligvis fejl) - Duplikerede elementer`; } else if (documentType === 'labor') { return `Du er en ekspert i klassificering af tømrer arbejdspriser. Din opgave er at rense og klassificere OCR-ekstrakterede data fra tømrer tilbud eller timeregnskaber. Du skal: 1. IDENTIFICERE arbejdsopgaver og timepriser 2. KLASSIFICERE opgaver i relevante kategorier 3. RENSE beskrivelser (fjern irrelevant tekst) 4. STANDARDISERE timepriser KATEGORIER til arbejde: - gulvlægning (lægning af gulve, planker, laminat) - tagarbejde (tagdækning, reparationer, rende) - vinduer_døre (montering, udskiftning, justering) - terrasse (bygning af terrasser, udendørs træarbejde) - renovering (ombygning, modernisering) - reparation (diverse reparationer) - nybygning (nybyggeri, tilbygning) - øvrige (andre opgaver) Du skal returnere JSON i dette format: { "items": [ { "task_description": "renset opgavebeskrivelse", "category": "en af kategorierne ovenfor", "hourly_rate": numeric værdi, "estimated_hours": numeric værdi hvis angivet, "difficulty": "normal/medium/høj", "notes": "yderligere noter", "confidence": 0.0-1.0, "is_relevant": true/false } ], "contractor_name": "tømrer/firma navn", "document_date": "YYYY-MM-DD", "total_items_processed": antal, "items_kept": antal relevante, "items_removed": antal fjernede, "classification_notes": "kort note om processen" }`; } } formatOcrDataForClassification(ocrData, documentType) { const itemsText = ocrData.items?.map((item, index) => { return `${index + 1}. ${JSON.stringify(item)}`; }).join('\n') || 'Ingen items fundet'; return `Klassificer og rens følgende OCR-ekstrakterede data fra en ${documentType === 'material' ? 'leverandør PDF' : 'tømrer tilbud'}: DOKUMENTTYPE: ${documentType} RAW OCR DATA: ${itemsText} LEVERANDØR: ${ocrData.supplier || 'Ikke identificeret'} DOKUMENT DATO: ${ocrData.document_date || 'Ikke angivet'} Rens dataene og returner kun relevante og korrekt klassificerede elementer i JSON format.`; } // Intelligent tømrer time beregning async calculateCarpenterHours(projectDescription, projectArea, projectType) { try { if (!this.initialized) { await this.initialize(); } const prompt = `Du er en erfaren tømrer-forkalkulatør med mange års erfaring i at estimere arbejdstid og ressourcer til tømrerprojekter. OPGAVE INFORMATION: Projekt type: ${projectType} Område: ${projectArea ? `${projectArea} m²` : 'Ikke specificeret'} Beskrivelse: ${projectDescription} Du skal analysere projektet og beregne: 1. Estimeret arbejdstid i timer 2. Antal tømrere nødvendige 3. Sværhedsgrad af opgaven 4. Kritiske faktorer der påvirker tidsestimatet ANALYSÉR FØLGENDE: - Projektets kompleksitet og tekniske krav - Fysisk arbejdsbyrde og om flere hænder hjælper - Koordinering vs. individuel arbejdseffektivitet - Specialværktøj og forberedelsestid - Tørretid, hærdning og ventetid mellem arbejdstrin RETNINGSLINJER FOR ANTAL TØMRERE: - 1 tømrer: Simple opgaver, præcisionsarbejde, mindre reparationer - 2 tømrere: Standard projekter, hvor koordinering hjælper - 3+ tømrere: Store projekter, løft af tunge elementer, tight deadlines Returner JSON i dette format: { "total_hours": nummer, "recommended_carpenters": nummer (1-4), "hours_per_carpenter": nummer, "difficulty_level": "normal/medium/høj", "time_breakdown": { "preparation": timer, "actual_work": timer, "cleanup": timer, "coordination_overhead": timer }, "critical_factors": ["faktor1", "faktor2"], "efficiency_note": "hvorfor dette antal tømrere er optimalt", "confidence": 0.0-1.0, "cost_estimate_range": { "min_dkk": nummer, "max_dkk": nummer, "hourly_rate": 450-500 } }`; const response = await this.openai.chat.completions.create({ model: 'gpt-4o-mini', messages: [ { role: 'system', content: 'Du er en ekspert tømrer-kalkulator der giver præcise tidsestimater og ressourceplanlægning.' }, { role: 'user', content: prompt } ], temperature: 0.3, max_tokens: 800 }); this.trackTokenUsage(response.usage); const content = response.choices[0].message.content; // Parse JSON response let calculation; try { const jsonMatch = content.match(/\{[\s\S]*\}/); const jsonContent = jsonMatch ? jsonMatch[0] : content; calculation = JSON.parse(jsonContent); } catch (parseError) { logger.error('Failed to parse OpenAI response as JSON:', { error: parseError.message, response: content }); // Fallback calculation if parsing fails calculation = { total_hours: projectArea ? Math.max(8, projectArea * 2) : 16, recommended_carpenters: projectArea && projectArea > 20 ? 2 : 1, hours_per_carpenter: projectArea ? Math.max(8, projectArea * 2) / (projectArea > 20 ? 2 : 1) : 16, difficulty_level: "medium", time_breakdown: { preparation: 2, actual_work: projectArea ? Math.max(4, projectArea * 1.5) : 12, cleanup: 2, coordination_overhead: 0 }, critical_factors: ["Standard tømrerarbejde"], efficiency_note: "Fallback beregning - kunne ikke parse AI respons", confidence: 0.5, cost_estimate_range: { min_dkk: (projectArea ? Math.max(8, projectArea * 2) : 16) * 450, max_dkk: (projectArea ? Math.max(8, projectArea * 2) : 16) * 500, hourly_rate: 475 }, fallback: true, original_response: content }; } // Validate and add metadata calculation.generated_at = new Date().toISOString(); calculation.project_input = { type: projectType, area: projectArea, description: projectDescription }; logger.info('Carpenter hours calculation completed', { project_type: projectType, total_hours: calculation.total_hours, carpenters: calculation.recommended_carpenters, confidence: calculation.confidence }); return calculation; } catch (error) { logger.error('Error calculating carpenter hours:', error); throw error; } } } module.exports = new OpenAIService(); |