ai insight rework #3, add root cause to daily ai insight

backend/apps/operations/services/cp707_knowledge.py

@@ -492,7 +492,7 @@ def analyze_mortality(mortality_rate_pct: Any, day_age: Any) -> dict[str, Any]:
         dilarang = ["rendah", "normal", "baik", "aman", "terkendali", "sedikit"]
         message = (
             f"Mortalitas kumulatif {rate:.2f}% adalah SANGAT TINGGI — melebihi batas kritis "
-            f"CP 707 (>7%). Lakukan nekropsi darurat dan perketat biosekuriti."
+            f"CP 707 (>7%)."
         )
     elif rate >= MORTALITY_THRESHOLDS["warning_pct"]:
         status = "warning"

backend/apps/operations/services/insight_service.py

@@ -32,6 +32,21 @@ _INFERENCE_LOCK = threading.Lock()
 
 _NUMERIC_PIPE_ROW = re.compile(r"^[\d.,]+(\s*\|\s*[\d.,]*)+$")
 
+DAILY_JSON_MARKER = "<!--daily_json-->"
+
+
+def parse_embedded_daily(text: str) -> dict[str, Any] | None:
+    """Extract structured daily payload (akar_masalah, insight) from stored insight_text."""
+    if not text or DAILY_JSON_MARKER not in text:
+        return None
+    raw = text.split(DAILY_JSON_MARKER, 1)[1].strip()
+    try:
+        data = json.loads(raw)
+    except json.JSONDecodeError:
+        return None
+    return data if isinstance(data, dict) else None
+
+
 # Stored in AIInsight.alert — condition of graded data, not narrative text.
 ALERT_HEALTHY = "healthy"
 ALERT_WARNING = "warning"
@@ -122,7 +137,7 @@ ATURAN STANDAR CP 707 — DILARANG MENGARANG (WAJIB DIPATUHI):
 - Bobot standar hanya hari 1–37. Di luar itu "tidak tercantum di buku".
 
 FORMAT OUTPUT (JSON SAJA):
-{"kesimpulan":"...","insight":"..."}
+{"kesimpulan":"...","akar_masalah":"...","insight":"..."}
 """
 
 END_CYCLE_OUTPUT_RULES = """
@@ -241,6 +256,7 @@ def build_insight_user_prompt(
                 lines.append(f"  - {b}")
 
     # 5. Length contract + field role contract
+    actual_alert = alert_from_graded(graded) if graded else ALERT_UNKNOWN
     if is_end_cycle:
         lines.append(
             "\nPANJANG WAJIB: kesimpulan = 1-3 kalimat PENILAIAN DATA SAJA (tanpa sebab/aksi). "
@@ -252,13 +268,32 @@ def build_insight_user_prompt(
             "konsultasikan) di kesimpulan — insight HARUS mengandung minimal satu kata aksi."
         )
     else:
-        lines.append(
-            "\nPANJANG WAJIB: insight = narasi 3-6 kalimat berurutan: "
-            "(1) angka aktual vs standar CP 707, (2) penyebab/implikasi, "
-            "(3) tindakan konkret. kesimpulan = 1-3 kalimat PENILAIAN DATA SAJA (tanpa sebab/aksi). "
-            "Satu kalimat singkat = gagal. DILARANG menulis kata aksi (lakukan, periksa, sebaiknya, "
-            "konsultasikan) di kesimpulan — insight HARUS mengandung minimal satu kata aksi."
-        )
+        if actual_alert in (ALERT_WARNING, ALERT_CRITICAL):
+            lines.append(
+                f"\nPANJANG WAJIB (STATUS AKTUAL ADALAH {actual_alert.upper()} — ADA ANOMALI/MASALAH): "
+                "kesimpulan = 1-3 kalimat PENILAIAN DATA SAJA (tanpa sebab/aksi, sebutkan angka aktual vs standar CP 707). "
+                "akar_masalah = 1-3 kalimat ANALISIS AKAR PENYEBAB & FAKTOR PEMICU DEVIASI (soroti anomali mortalitas, fluktuasi konsumsi pakan, atau deviasi mikroklimat suhu/kelembapan). DILARANG KERAS menulis 'kondisi optimal' atau 'tidak terdeteksi anomali' karena status data sedang bermasalah. "
+                "insight = narasi 3-5 kalimat REKOMENDASI TINDAKAN KONKRET & PANDUAN SOP CP 707. "
+                "Satu kalimat singkat = gagal. DILARANG menulis kata aksi (lakukan, periksa, sebaiknya, "
+                "konsultasikan) di kesimpulan — insight HARUS mengandung minimal satu kata aksi."
+            )
+        elif actual_alert == ALERT_HEALTHY:
+            lines.append(
+                f"\nPANJANG WAJIB (STATUS AKTUAL ADALAH {actual_alert.upper()} — KONDISI OPTIMAL/NORMAL): "
+                "kesimpulan = 1-3 kalimat PENILAIAN DATA SAJA (konfirmasi performa sesuai standar CP 707, tanpa sebab/aksi). "
+                "akar_masalah = 1-2 kalimat konfirmasi bahwa parameter lingkungan dan pakan terkendali dengan baik tanpa indikasi deviasi. "
+                "insight = narasi 3-5 kalimat panduan mempertahankan SOP CP 707 dan monitoring rutin. "
+                "Satu kalimat singkat = gagal. DILARANG menulis kata aksi (lakukan, periksa, sebaiknya, "
+                "konsultasikan) di kesimpulan — insight HARUS mengandung minimal satu kata aksi."
+            )
+        else:
+            lines.append(
+                "\nPANJANG WAJIB: kesimpulan = 1-3 kalimat PENILAIAN DATA SAJA (tanpa sebab/aksi). "
+                "akar_masalah = 1-3 kalimat ANALISIS AKAR PENYEBAB / FAKTOR PEMICU berdasarkan data yang tersedia. "
+                "insight = narasi 3-5 kalimat REKOMENDASI TINDAKAN KONKRET & PANDUAN SOP CP 707. "
+                "Satu kalimat singkat = gagal. DILARANG menulis kata aksi (lakukan, periksa, sebaiknya, "
+                "konsultasikan) di kesimpulan — insight HARUS mengandung minimal satu kata aksi."
+            )
 
     # 6. Output schema
     if is_end_cycle:
@@ -272,12 +307,30 @@ def build_insight_user_prompt(
             ' - JANGAN salin teks <> dari contoh; tulis kalimat lengkap sendiri.'
         )
     else:
-        lines.append(
-            '\nBALAS HANYA JSON persis: '
-            '{"kesimpulan":"<ringkasan penilaian 1-3 kalimat>",'
-            '"insight":"<narasi panjang 3-6 kalimat: aktual vs standar, penyebab, tindakan>"}'
-            ' - JANGAN salin teks <> dari contoh; tulis kalimat lengkap sendiri.'
-        )
+        if actual_alert in (ALERT_WARNING, ALERT_CRITICAL):
+            lines.append(
+                '\nBALAS HANYA JSON persis: '
+                '{"kesimpulan":"<ringkasan penilaian data aktual vs standar 1-3 kalimat>",'
+                '"akar_masalah":"<analisis faktor pemicu / akar masalah deviasi dari data faktual>",'
+                '"insight":"<narasi rekomendasi 3-5 kalimat: tindakan konkret & panduan SOP CP 707>"}'
+                ' - JANGAN salin teks <> dari contoh; tulis kalimat lengkap sendiri.'
+            )
+        elif actual_alert == ALERT_HEALTHY:
+            lines.append(
+                '\nBALAS HANYA JSON persis: '
+                '{"kesimpulan":"<ringkasan penilaian data sesuai standar CP 707 1-3 kalimat>",'
+                '"akar_masalah":"<konfirmasi parameter operasional terkendali baik tanpa anomali>",'
+                '"insight":"<narasi rekomendasi 3-5 kalimat: panduan SOP CP 707 & monitoring berkala>"}'
+                ' - JANGAN salin teks <> dari contoh; tulis kalimat lengkap sendiri.'
+            )
+        else:
+            lines.append(
+                '\nBALAS HANYA JSON persis: '
+                '{"kesimpulan":"<ringkasan penilaian data 1-3 kalimat>",'
+                '"akar_masalah":"<analisis faktor pemicu berdasarkan data yang ada>",'
+                '"insight":"<narasi rekomendasi 3-5 kalimat: tindakan konkret & panduan SOP CP 707>"}'
+                ' - JANGAN salin teks <> dari contoh; tulis kalimat lengkap sendiri.'
+            )
 
     return "\n".join(lines)
 
@@ -671,16 +724,27 @@ def parse_llm_json(text: str) -> dict[str, str] | None:
         or parsed.get("summary")
         or ""
     )
+    akar_masalah = (
+        parsed.get("akar_masalah")
+        or parsed.get("root_cause")
+        or parsed.get("akar_penyebab")
+        or parsed.get("penyebab")
+        or parsed.get("faktor_penyebab")
+        or parsed.get("faktor_pemicu")
+        or ""
+    )
     insight = (
         parsed.get("insight")
         or parsed.get("rekomendasi")
         or parsed.get("insights")
+        or parsed.get("saran")
         or ""
     )
-    if not kesimpulan and not insight:
+    if not kesimpulan and not insight and not akar_masalah:
         return None
     return {
         "kesimpulan": str(kesimpulan) or "Model tidak mengembalikan kesimpulan eksplisit.",
+        "akar_masalah": str(akar_masalah).strip() if akar_masalah else "",
         "insight": str(insight) or "Model tidak mengembalikan rekomendasi eksplisit.",
     }
 
@@ -737,11 +801,17 @@ def _text_soft_labels_mortality(text: str) -> bool:
     return bool(_SOFT_MORTALITY_WORD.search(text) and _MENTIONS_MORTALITY.search(text))
 
 
+_OPTIMAL_CONTRADICTION = re.compile(
+    r"\b(kondisi\s+operasional\s+optimal|tidak\s+terdeteksi\s+(?:indikasi\s+)?anomali|semua\s+parameter\s+normal|kondisi\s+optimal|operasional\s+optimal|tidak\s+ada\s+anomali)\b",
+    re.IGNORECASE,
+)
+
+
 def enforce_mortality_wording(
     parsed: dict[str, Any],
     graded: dict[str, Any] | None,
 ) -> dict[str, Any]:
-    """Rewrite LLM text that calls high mortality 'rendah/normal' (small-model slip)."""
+    """Rewrite LLM text that calls high mortality 'rendah/normal' or claims optimal when critical."""
     mort = ((graded or {}).get("analyses") or {}).get("mortality") or {}
     status = str(mort.get("status") or "").lower()
     if status not in ("warning", "critical"):
@@ -754,23 +824,33 @@ def enforce_mortality_wording(
 
     out = dict(parsed)
     kesimpulan = str(out.get("kesimpulan") or "")
+    akar_masalah = str(out.get("akar_masalah") or "")
     insight = str(out.get("insight") or "")
 
-    if not (_text_soft_labels_mortality(kesimpulan) or _text_soft_labels_mortality(insight)):
+    has_soft_kesimpulan = _text_soft_labels_mortality(kesimpulan)
+    has_soft_akar = _text_soft_labels_mortality(akar_masalah) or bool(_OPTIMAL_CONTRADICTION.search(akar_masalah))
+    has_soft_insight = _text_soft_labels_mortality(insight)
+
+    if not (has_soft_kesimpulan or has_soft_akar or has_soft_insight):
         return out
 
-    # Prefer the deterministic graded message; keep non-mortality insight if clean.
-    if message:
-        out["kesimpulan"] = message
-    else:
-        pct_part = f" ({pct})" if pct else ""
-        out["kesimpulan"] = (
-            f"Mortalitas kumulatif{pct_part} adalah {label} menurut ambang CP 707."
+    pct_part = f" ({pct})" if pct else ""
+    if has_soft_kesimpulan:
+        if message:
+            out["kesimpulan"] = message
+        else:
+            out["kesimpulan"] = (
+                f"Mortalitas kumulatif{pct_part} adalah {label} menurut ambang CP 707."
+            )
+
+    if has_soft_akar:
+        out["akar_masalah"] = (
+            f"Lonjakan mortalitas kumulatif{pct_part} yang tergolong {label} menjadi pemicu deviasi performa, mengindikasikan adanya stres lingkungan, tantangan biosekuriti, atau paparan patogen."
         )
 
-    if _text_soft_labels_mortality(insight):
+    if has_soft_insight:
         out["insight"] = (
-            "Segera tinjau penyebab kematian (nekropsi bila kritis), perketat biosekuriti, "
+            "Segera lakukan nekropsi pada ayam mati untuk identifikasi patogen, perketat biosekuriti kandang, "
             "dan pantau mortalitas harian hingga tren menurun."
         )
     return out
@@ -792,6 +872,7 @@ def enforce_bw_wording(
 
     out = dict(parsed)
     kesimpulan = str(out.get("kesimpulan") or "")
+    akar_masalah = str(out.get("akar_masalah") or "")
 
     # If graded status is OK, but summary claims it is below standard / critical:
     if status == "ok" and any(
@@ -803,6 +884,14 @@ def enforce_bw_wording(
         elif actual is not None and std is not None:
             out["kesimpulan"] = f"Bobot badan ayam ({actual:g}g) sesuai dengan target standar ({std:g}g)."
 
+    # If graded status is warning/critical for BW, but akar_masalah claims optimal:
+    if status in ("warning", "critical") and _OPTIMAL_CONTRADICTION.search(akar_masalah):
+        diff_str = f" ({actual:g}g vs {std:g}g)" if actual is not None and std is not None else ""
+        out["akar_masalah"] = (
+            f"Pertumbuhan bobot badan tertinggal dari target standar CP 707{diff_str}, "
+            "dipicu oleh fluktuasi asupan pakan harian atau ketidaksesuaian mikroklimat kandang."
+        )
+
     return out
 
 
@@ -824,7 +913,7 @@ def _placeholder_text(value: str) -> bool:
 def sanitize_insight_narrative(parsed: dict[str, Any]) -> dict[str, Any]:
     """Deterministic cleanup of narrative fields after the LLM."""
     out = dict(parsed)
-    for key in ("kesimpulan", "insight", "summary", "insight_text"):
+    for key in ("kesimpulan", "akar_masalah", "insight", "summary", "insight_text"):
         if key in out and out[key] is not None:
             out[key] = collapse_duplicate_kandang(str(out[key]))
     return out
@@ -912,15 +1001,36 @@ def decode_citations(raw: Any) -> list[dict[str, Any]]:
 def serialize_insight(row: AIInsight) -> dict[str, Any]:
     norm_citations = decode_citations(row.citations)
     summary = collapse_duplicate_kandang(row.summary or "")
-    insight_body = collapse_duplicate_kandang(row.insight_text or "")
-    insight_text = "\n\n".join(
-        part for part in [summary, insight_body] if part
-    ) or insight_body or ""
-    structured = root_cause.parse_embedded_end_cycle(insight_body)
+    insight_raw = collapse_duplicate_kandang(row.insight_text or "")
+
+    structured = root_cause.parse_embedded_end_cycle(insight_raw)
     if structured and summary and not structured.get("kesimpulan"):
         structured = {**structured, "kesimpulan": summary}
     elif structured:
         structured = sanitize_insight_narrative(structured)
+
+    embedded_daily = parse_embedded_daily(insight_raw)
+    akar_masalah = ""
+    if embedded_daily:
+        akar_masalah = str(embedded_daily.get("akar_masalah") or "").strip()
+        insight_body = str(
+            embedded_daily.get("insight") or insight_raw.split(DAILY_JSON_MARKER, 1)[0]
+        ).strip()
+    elif structured:
+        insight_body = insight_raw.split(root_cause.END_CYCLE_JSON_MARKER, 1)[0].strip()
+    else:
+        insight_body = insight_raw
+
+    insight_body = collapse_duplicate_kandang(insight_body)
+    akar_masalah = collapse_duplicate_kandang(akar_masalah)
+
+    parts = [summary]
+    if akar_masalah:
+        parts.append(akar_masalah)
+    if insight_body:
+        parts.append(insight_body)
+    insight_text = "\n\n".join(part for part in parts if part) or insight_body or ""
+
     return {
         "success": True,
         "id": row.pk,
@@ -930,6 +1040,7 @@ def serialize_insight(row: AIInsight) -> dict[str, Any]:
         "report_type": row.report_type,
         "report_period": row.report_period,
         "summary": summary,
+        "akar_masalah": akar_masalah,
         "insight": insight_body,
         "insight_text": insight_text,
         "structured_end_cycle": structured,
@@ -1176,10 +1287,17 @@ def generate_insight(
             parsed = enforce_mortality_wording(parsed, graded)
             parsed = enforce_bw_wording(parsed, graded)
             parsed = sanitize_insight_narrative(parsed)
-            insight_text = parsed["insight"]
             summary = parsed["kesimpulan"]
-        if _placeholder_text(summary) or _placeholder_text(insight_text):
-            degenerate_reason = f"kesimpulan={summary!r} insight={insight_text!r}"
+            akar_masalah = parsed.get("akar_masalah", "").strip()
+            clean_insight = parsed["insight"]
+            if akar_masalah:
+                daily_payload = {"akar_masalah": akar_masalah, "insight": clean_insight}
+                insight_text = f"{clean_insight}\n\n{DAILY_JSON_MARKER}\n{json.dumps(daily_payload, ensure_ascii=False)}"
+            else:
+                insight_text = clean_insight
+        check_insight = clean_insight if not is_end_cycle else insight_text
+        if _placeholder_text(summary) or _placeholder_text(check_insight):
+            degenerate_reason = f"kesimpulan={summary!r} insight={check_insight!r}"
             user_prompt += (
                 "\nCATATAN: keluaran sebelumnya hanya placeholder. "
                 "Tulis kalimat lengkap sendiri untuk kesimpulan dan insight."

backend/apps/operations/tests_insight_quality.py

@@ -672,6 +672,88 @@ class RootCauseTests(TestCase):
         self.assertEqual(sanitized["perbaikan_siklus_berikutnya"][0]["id"], "pakan_akses")
 
 
+class DailyAkarMasalahTests(TestCase):
+    """Test daily AI insight 3-section format (kesimpulan, akar_masalah, insight)."""
+
+    def test_parse_llm_json_with_akar_masalah(self):
+        payload = json.dumps({
+            "kesimpulan": "FCR 1.40 pada hari ke-28 berada di atas standar CP 707 (1.315).",
+            "akar_masalah": "Fluktuasi suhu kandang malam hari dan akses pakan tidak merata.",
+            "insight": "Lakukan kalibrasi pemanas dan ratakan distribusi pakan di sepanjang brooding area."
+        })
+        parsed = insight_service.parse_llm_json(payload)
+        self.assertIsNotNone(parsed)
+        self.assertEqual(parsed["kesimpulan"], "FCR 1.40 pada hari ke-28 berada di atas standar CP 707 (1.315).")
+        self.assertEqual(parsed["akar_masalah"], "Fluktuasi suhu kandang malam hari dan akses pakan tidak merata.")
+        self.assertIn("kalibrasi pemanas", parsed["insight"])
+
+    def test_parse_llm_json_variants(self):
+        payload = json.dumps({
+            "summary": "Kondisi pakan normal.",
+            "root_cause": "Kondisi operasional optimal, tidak terdeteksi indikasi deviasi.",
+            "rekomendasi": "Pertahankan SOP saat ini."
+        })
+        parsed = insight_service.parse_llm_json(payload)
+        self.assertIsNotNone(parsed)
+        self.assertEqual(parsed["kesimpulan"], "Kondisi pakan normal.")
+        self.assertEqual(parsed["akar_masalah"], "Kondisi operasional optimal, tidak terdeteksi indikasi deviasi.")
+        self.assertEqual(parsed["insight"], "Pertahankan SOP saat ini.")
+
+    def test_parse_llm_json_legacy_fallback(self):
+        payload = json.dumps({
+            "kesimpulan": "Data normal.",
+            "insight": "Lanjutkan pemantauan harian."
+        })
+        parsed = insight_service.parse_llm_json(payload)
+        self.assertIsNotNone(parsed)
+        self.assertEqual(parsed["kesimpulan"], "Data normal.")
+        self.assertEqual(parsed["akar_masalah"], "")
+        self.assertEqual(parsed["insight"], "Lanjutkan pemantauan harian.")
+
+    def test_embedded_daily_serialization(self):
+        clean_insight = "Lakukan penyesuaian tirai kandang dan ventilasi minimal."
+        akar_masalah = "Suhu brooding terlalu dingin di malam hari (26C vs 32C)."
+        daily_json = json.dumps({"akar_masalah": akar_masalah, "insight": clean_insight}, ensure_ascii=False)
+        stored_text = f"{clean_insight}\n\n{insight_service.DAILY_JSON_MARKER}\n{daily_json}"
+
+        mock_row = MagicMock()
+        mock_row.pk = 1
+        mock_row.cycle_id = 10
+        mock_row.kandang_id = 2
+        mock_row.topic = "fcr"
+        mock_row.report_type = "page"
+        mock_row.report_period = "current"
+        mock_row.summary = "FCR tinggi pada hari ke-7."
+        mock_row.insight_text = stored_text
+        mock_row.alert = "warning"
+        mock_row.citations = "[]"
+        mock_row.date = None
+        mock_row.created_at = None
+        mock_row.updated_at = None
+
+        serialized = insight_service.serialize_insight(mock_row)
+        self.assertTrue(serialized["success"])
+        self.assertEqual(serialized["summary"], "FCR tinggi pada hari ke-7.")
+        self.assertEqual(serialized["akar_masalah"], akar_masalah)
+        self.assertEqual(serialized["insight"], clean_insight)
+        self.assertIn(akar_masalah, serialized["insight_text"])
+        self.assertIn(clean_insight, serialized["insight_text"])
+
+    def test_daily_prompt_structure(self):
+        prompt = insight_service.build_insight_user_prompt(
+            topic="fcr",
+            kandang_name="Kandang 01",
+            report_type="page",
+            report_period="current",
+            context={"fcr_terakhir": 1.4},
+            graded={"analyses": {"fcr": {"status": "warning", "message": "FCR tinggi"}}},
+            is_end_cycle=False,
+        )
+        self.assertIn("akar_masalah", prompt)
+        self.assertIn("ANALISIS AKAR PENYEBAB", prompt)
+        self.assertIn('"akar_masalah":"<analisis faktor pemicu', prompt)
+
+
 class TraceLintTests(TestCase):
     """Test rag_trace.jsonl linting logic."""