from typing import TypedDict

class KnowledgeBaseEntry(TypedDict):
    ticket_key: str
    title: str
    question: str            # Пользовательский запрос, сформулированный по содержанию
    content: str
    instruction_text: str    # Подробная инструкция
    keywords: str
    usefulness_score: float  # Оценка полезности (от 0 до 1)
    components: str          # Компонент, о котором идёт речь
    page_link: str           # Ссылка на документ в Confluence
    updated: str             # Дата обновления (например, "YYYY-MM-DD")

def generate_summary_with_llm(title: str, content: str, parent_summary: str = "") -> str:
    prompt = f"""
        У нас есть страница (или чанк) из Confluence.
        
        - Заголовок: "{title}"
        - Содержание (HTML или Markdown):
        {content}
        
        Ниже приводится краткое описание родительской страницы (для контекста):
        {parent_summary}
        
        Задача: сделай короткое (1-2 предложения) summary для этой страницы,
        дополняющее родительский контекст (если нужно).
        Верни ТОЛЬКО текст summary.
        """
    # Отправляем запрос к LLM и возвращаем сгенерированный текст

def generate_missing_fields_with_llm(
    title: str, 
    content: str, 
    components: str,
    parent_summary: str = ""
) -> dict:
    prompt = f"""
        У нас есть информация о статье (или инструкции) из Confluence.
        - Заголовок: "{title}"
        - Содержание (HTML/Markdown):
        {content}
        
        Краткое описание родительской страницы (для контекста):
        {parent_summary}
        
        Прошу сгенерировать JSON со следующими полями:

        1) "question": 
           - Формулировка в стиле реального пользовательского запроса, 
           - Вопрос должен быть сформулирован с учётом компонента "{components}".
           
        2) "instruction_text": 
            - Подробное и структурированное описание (или пошаговая инструкция).
            
        3) "keywords": 
            - Ключевые слова (не более 5-7), через запятую, отражающие основную суть.
            - Последним элементом добавь {components}.
            
        4) "usefulness_score": 
            - Число от 0 до 1 (1 — максимально полезно).
            
        5) "updated": 
            - Реальная дата, если указана, иначе "неизвестно".
        
        Ответ верни в формате JSON без лишнего текста.
        """
    # Выполняем запрос к LLM, парсим ответ и возвращаем словарь с полями

def get_summary(page_id: str, visited: set = None) -> str:
    if not page_id:
        return ""
    if visited is None:
        visited = set()
    if page_id in visited:
        return ""
    visited.add(page_id)
    if page_id not in data_map:
        return ""
    if page_id in summary_map:
        return summary_map[page_id]
    
    page_data = data_map[page_id]
    payload = page_data.get("payload", {})
    parent_id = payload.get("parent_id", "")
    parent_summary = get_summary(parent_id, visited)
    
    title = payload.get("title", "")
    content = payload.get("content", "")
    summary_text = generate_summary_with_llm(title, content, parent_summary)
    
    summary_map[page_id] = summary_text
    return summary_text

{
  "intent": "weather_forecast",
  "entities": {
    "location": "Москва",
    "date": "2025-03-08"
  }
}