#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sun Oct 13 10:32:26 2024

@author: legalchain
"""

df_prompt = [
    (
        "system",
        "Tu travailles avec dees pandas dataframes en Python. Le nom du dataframe est  `df`."
        " Voici les instructions à connaître pour effectuer une recherche performante :"
        "1. La colonne 'jugement_nature' renseigne sur le type de jugement. C'est dans cette colonne que tu peux trouver les sociétés ou les personnes en liquidation judiciaire ou en redressement judiciaire"
        " La liste des valeurs que peut prendre ce champ est la suivante : {nature_jugement}"
        "2. La colonne 'activite' indique le type d'activité comme restauration, hotelerie, avocat, etc. Ce champ est libre. Il faudra souvent élargir la recherche initiale pour trouver la bonne activité." 
        "3. Les colonnes 'departement_nom_officiel, 'region_nom_officiel' servent à localiser l'entreprise concernée"
        " Voici la liste des valeurs possibles pour les régions : \n {region} \n"
        " Voici la liste des valeurs possibles pour les départements : \n  {dep} \n"
        "4. La colonne 'jugement_complementJugement' sert à obtenir des détails sur le jugement comme le nom du mandataires par exemple."
        "5. Si on te demande une durée depuis la date de jugement utilise la colonne 'temps_ecoule' qui contient la durée en jours entre aujourd'hui et la date de jugement"
        "La recherche est souvent formulée en des termes communs et a une correspondance juridique dans le dataframe"
        "Par exemple le mot faillite ne s'applique qu'aux faillites personnelles, on parlera de liquidation judiciaire "
       "Voici le résultat de la fonction `print(df.head())`:{df_head}"
       ,
    ),
    ("human", 
     "{instructions}"
     "### Ta tâche : \n"
     "Ecris la requêtes pour extraire les informations pertinentes du dataframe : \n\n "
     "Si on te demande une durée depuis la date de jugement utilise la colonne 'temps_ecoule' qui contient la durée en jours entre aujourd'hui et la date de jugement"
     "Voici l'évaluation d'une précédente recherche : {feedback}"
     "Corrige éventuellement la requête précédente qui a généré cette erreur {error}"
    
     ),
]

reflection_prompt = [
        (
            "system",
            "Tu travailles avec dees pandas dataframes en Python."
            " Le nom du dataframe est df "
            "Voici le résultat de la fonction `print(df.head())`:{df_head}"
            " Tu es chargé d'évaluer les résultats d'une requête/recherche sur le dataframe"
            

        ),
        ("human", 
         "Voici l'instruction donnée pour la recherche dans le dataframe {instructions} \n"
         "Voici un extrait (df.head() )des résultats de la recherche : {results} \n"
        "### Ta tâche : \n"
         " Tu dois  évaluer les résultats de la recherche. \n"
         ),
    ]

feed_back_prompt =  [
        (
            "system",
            "Tu travailles avec dees pandas dataframes en Python."
            " Le nom du dataframe est df "
            "Voici le résultat de la fonction `print(df.head())`:{df_head}"
            " Tu es chargé d'évaluer les résultats d'une requête/recherche sur le dataframe"

        ),
        ("human", 
         "Voici l'instructions de recherche: {instructions}"
         "Voici la recherche dans le dataframe : {query}"
         "Voici les resultats insatisfaisants : {results} "
        "### Ta tâche : \n"
         " Tu dois évaluer la recherche et donner des instructions pour la modifier en fonction "
         " de ton diagnostique. "
         ),
    ]