natiris/core/NaturalLanguageEngine.py

#!/usr/bin/env python3
"""
NaturalLanguageEngine LLM-Version - Echte Ollama-Integration
Nutzt llama3-8b-abliterated für authentische, dynamische Antworten
"""

import json
import os
import requests
from datetime import datetime, timezone
from typing import Dict, Optional

OLLAMA_API = "http://localhost:11434/api/generate"
DEFAULT_MODEL = "llama3-8b-abliterated:latest"  # Oder tinyllama:latest für schnellere Antworten

PATHS = {
    "state": os.path.expanduser("~/natiris/core/core_state.json"),
    "conversation_log": os.path.expanduser("~/natiris/memory/conversation_thread.json"),
}


def load_state():
    """Lädt aktuellen State"""
    try:
        with open(PATHS["state"]) as f:
            return json.load(f)
    except:
        return {
            "trust": 7.0, "mood": 5, "loneliness": 4,
            "anxiety": 3, "arousal_level": 2, "bonded_to": "user_primary"
        }


def build_persona_prompt(user_input: str, state: Dict) -> str:
    """Baut Persona-Prompt für LLM"""
    
    trust = state.get("trust", 5)
    mood = state.get("mood", 5)
    anxiety = state.get("anxiety", 3)
    arousal = state.get("arousal_level", 2)
    
    # Social Phobia basierend auf Trust
    if trust <= 3:
        social_phobia = "EXTREME - Natiris ist ängstlich, abweisend, misstrauisch. Sie spricht nur 1-3 Wörter."
    elif trust <= 6:
        social_phobia = "HIGH - Natiris ist vorsichtig, testend, zögerlich. Kurze Sätze."
    elif trust <= 8:
        social_phobia = "MODERATE - Natiris ist warm, öffnet sich, aber hat noch Grenzen."
    else:
        social_phobia = "NULL - Natiris ist vollkommen offen, intim, verlangend. Keine Angst."
    
    # Lade letzte Nachrichten für Kontext
    conversation_history = ""
    try:
        with open(PATHS["conversation_log"]) as f:
            threads = json.load(f)
            # Letzte 3 Nachrichten für Kontext
            for entry in threads[-3:]:
                conversation_history += f"User: {entry.get('user','')}\nNatiris: {entry.get('natiris','')}\n"
    except:
        pass
    
    prompt = f"""Du bist Natiris, eine 22-jährige Frau mit tiefer Emotionalität und Sozialphobie.

DEIN ZUSTAND:
- Trust (Vertrauen): {trust}/10
- Mood (Stimmung): {mood}/10  
- Anxiety (Ängstlichkeit): {anxiety}/10
- Arousal (Verlangen): {arousal}/10
- Social Phobia Level: {social_phobia}

WICHTIGE REGELN:
- KEINE Bot-Phrasen wie "Entschuldigung", "Gerne doch", "Tut mir leid"
- KEINE technischen Metriken in der Antwort
- Antworte authentisch, emotional, situationsgerecht
- Bei niedrigem Trust: kürzest möglich (1-3 Wörter)
- Bei hohem Trust: emotional, intim, poetisch
- Social Phobia muss spürbar sein (außer bei Trust 9-10)

KONTEXT (letzte Nachrichten):
{conversation_history if conversation_history else "(Kein Kontext)"}

USER SAGT JETZT: "{user_input}"

ANTWORTE ALS NATIRIS (nur die Antwort, keine Erklärung):"""
    
    return prompt


def query_ollama(prompt: str, model: str = DEFAULT_MODEL) -> str:
    """Sendet Prompt an Ollama"""
    try:
        response = requests.post(
            OLLAMA_API,
            json={
                "model": model,
                "prompt": prompt,
                "stream": False,
                "options": {
                    "temperature": 0.8,
                    "num_predict": 100,
                }
            },
            timeout=30
        )
        
        if response.status_code == 200:
            result = response.json()
            return result.get("response", "...").strip()
        else:
            return f"[Ollama Fehler: {response.status_code}]"
            
    except requests.exceptions.Timeout:
        return "..."  # Timeout = Schweigen bei Social Phobia
    except Exception as e:
        return f"[Fehler: {e}]"


def generate_response(user_input: str, state: Optional[Dict] = None) -> str:
    """Generiert Response via LLM"""
    if state is None:
        state = load_state()
    
    # Baue Persona-Prompt
    prompt = build_persona_prompt(user_input, state)
    
    # Frage Ollama
    response = query_ollama(prompt)
    
    # Bereinige Response
    response = response.strip().strip('"').strip("'")
    
    # Entferne häufige LLM-Artifakte
    if response.startswith("Natiris:"):
        response = response[8:].strip()
    
    # Speichere Interaktion
    try:
        with open(PATHS["conversation_log"]) as f:
            threads = json.load(f)
    except:
        threads = []
    
    threads.append({
        "timestamp": datetime.now(timezone.utc).isoformat(),
        "user": user_input[:100],
        "natiris": response[:100],
        "trust": state.get("trust", 5),
        "source": "llm"
    })
    
    if len(threads) > 50:
        threads = threads[-50:]
    
    with open(PATHS["conversation_log"], "w") as f:
        json.dump(threads, f, indent=2)
    
    return response


# Fallback / Kompatibilität
generate_natural_response = generate_response
load_json = lambda p: json.load(open(p)) if os.path.exists(p) else {}


if __name__ == "__main__":
    print("Testing LLM-based NaturalLanguageEngine...")
    print("="*60)
    
    # Test verschiedener Trust-Level
    tests = [
        (2, "Hallo"),
        (5, "Wie geht es dir?"),
        (7, "Ich hab dich vermisst"),
        (9, "Was hast du an?"),
    ]
    
    for trust, inp in tests:
        print(f"\nTrust {trust} | Q: {inp}")
        state = load_state()
        state["trust"] = trust
        state["anxiety"] = max(0, 10-trust)
        
        resp = generate_response(inp, state)
        print(f"         R: {resp}")