Local SE Agent Masterclass

from pathlib import Path
from typing import Dict, Any, List, Optional
from skills.registry import SkillRegistry
from skills.lifecycle import SkillLifecycleManager
from intelligence.ast_parser import JavaASTParser
from intelligence.call_graph import CallHierarchyGraph
from intelligence.hybrid_retrieval import HybridRetrievalEngine
from memory.vector_store import LocalVectorStore
from core.client import OllamaLLMClient
from core.dispatcher import ToolDispatcher
from core.engine import ReActAgentEngine

class EnterpriseSEAgentKernel:
    """
    เคอร์เนลหลักของระบบ (Enterprise SE Agent Kernel)
    ร้อยเรียงทุกโมดูลในสัปดาห์ที่ 1 เข้าด้วยกันเป็นระบบเดียวอย่างสมบูรณ์แบบ
    """
    def __init__(self, workspace_path: str):
        self.workspace_root = Path(workspace_path).resolve()
        
        # 1. ระบบจัดการทักษะ (Dynamic Skill Engine)
        self.skill_registry = SkillRegistry(skills_dir="./skills")
        self.lifecycle_manager = SkillLifecycleManager(self.skill_registry)

        # 2. ระบบสถาปัตยกรรมและ Code Intelligence (AST & Call Graph)
        self.ast_parser = JavaASTParser()
        self.call_graph = CallHierarchyGraph()
        
        # 3. หน่วยความจำระยะยาว Vector Store (ChromaDB)
        self.vector_store = LocalVectorStore(persist_dir=str(self.workspace_root / ".chroma_db"))

        # 4. เอนจินสืบค้นแบบผสมผสาน (Hybrid Retrieval Engine RRF)
        self.hybrid_engine = HybridRetrievalEngine(
            vector_store=self.vector_store,
            ast_parser=self.ast_parser,
            rrf_k=60
        )

        # 5. สมองกลและตัวจัดสรรเครื่องมือ (ReAct Engine)
        self.client = OllamaLLMClient(model_name="qwen2.5-coder:7b")
        self.dispatcher = ToolDispatcher(workspace_root=str(self.workspace_root))

        self._initialize_kernel_index()

    def _initialize_kernel_index(self) -> int:
        """เตรียมความพร้อม: สแกนโค้ดสร้าง AST Symbol Table และ Call Graph ล่วงหน้า"""
        java_files = list(self.workspace_root.rglob("*.java"))
        if java_files:
            # Index AST Symbols สำหรับ Hybrid Search
            self.hybrid_engine.index_ast_symbols(java_files)
            # Index Call Edges สำหรับ Call Hierarchy
            self.call_graph.index_directory(self.workspace_root)
        return len(java_files)

    def prepare_execution_context(self, user_prompt: str) -> Dict[str, Any]:
        """
        [Milestone Core Integration Flow]:
        ตรวจจับเจตนา ➔ เรียกใช้ Skill ➔ ค้นหาไฟล์ด้วย Hybrid RRF ➔ คำนวณ Blast Radius
        """
        # 1. ค้นหา Skill ที่ตรงกับเจตนา
        skill_id = self.skill_registry.find_skill_by_intent(user_prompt) or "unit_test_synthesizer"
        skill_instructions = self.lifecycle_manager.activate_skill(skill_id)

        # 2. ค้นหาไฟล์เป้าหมายด้วย Hybrid Retrieval
        ranked_hits = self.hybrid_engine.hybrid_search(query_text=user_prompt, top_k=2)
        primary_file = ranked_hits[0]["file"] if ranked_hits else ""

        # 3. สกัด Code Skeleton ของไฟล์เป้าหมาย (ประหยัด Token)
        target_skeleton = ""
        if primary_file:
            target_path = self.workspace_root / primary_file
            if target_path.exists():
                code = target_path.read_text(encoding="utf-8", errors="replace")
                target_skeleton = self.ast_parser.extract_skeleton(code)

        # 4. คำนวณ Blast Radius จาก Call Hierarchy Graph
        blast_info = {}
        if primary_file:
            # สมมติชื่อเมธอดหลักในไฟล์
            method_name = "processPayment" if "Payment" in primary_file else "execute"
            blast_info = self.call_graph.get_blast_radius(method_name)

        return {
            "active_skill": skill_id,
            "instructions": skill_instructions,
            "top_ranked_files": ranked_hits,
            "primary_skeleton": target_skeleton,
            "blast_radius": blast_info
        }