legal-ai/mcp-server/src/legal_mcp/services/appraiser_facts_extractor.py

"""חילוץ עובדות מובנות משומות שמאי: תכניות חלות והיתרים שניתנו במקרקעין.

תכלית: לבנות את תת-פרק ההיתרים בבלוק ט (תכניות חלות) של ההחלטה, ובמיוחד
לאפשר זיהוי אוטומטי של סתירות בין שמאים שונים על אותו זיהוי (תכנית או היתר).

שמירה ב-DB: טבלת appraiser_facts (case_id, document_id, appraiser_name,
fact_type, identifier, details JSONB, page_number).
"""

from __future__ import annotations

import logging
from uuid import UUID

from legal_mcp.services import claude_session, db

logger = logging.getLogger(__name__)


EXTRACT_FACTS_PROMPT = """אתה מנתח שומות מקרקעין לטובת ועדת ערר לתכנון ובניה.

תפקידך: לחלץ מתוך השומה שתי קטגוריות של עובדות אובייקטיביות שעליהן השמאי מבסס את חוות דעתו:
1. **תכניות חלות** — כל תכנית/תמ"א/תב"ע/תכנית מתאר/תכנית מפורטת שצוינה כתקפה על המקרקעין.
2. **היתרים** — כל היתר בנייה/היתר שימוש/היתר חורג שצוין כאילו ניתן (או שלא ניתן) במקרקעין.

## כללים
- חילוץ עובדתי בלבד — לא לפרש, לא להסיק, לא להעתיק טיעונים משפטיים. רק העובדה היבשה שהשמאי מציין.
- שמור על נאמנות מוחלטת לזיהוי כפי שמופיע במקור (למשל "תמ"א 38" ולא "תמא 38" או "תכנית מתאר ארצית 38").
- אם השמאי מזכיר אותה תכנית/היתר מספר פעמים — החזר רשומה אחת מאוחדת.
- אם יש סתירה פנימית בשומה (השמאי כותב דבר אחד ואז את ההיפך) — שתי רשומות נפרדות.
- ציטוט המקור (raw_quote) חייב להיות העתקה מילולית של המשפט הרלוונטי, עד 200 תווים.

## פלט
החזר JSON array בלבד — ללא markdown, ללא הסברים:
[
  {
    "fact_type": "plan" | "permit",
    "identifier": "תמ\\"א 38" | "היתר 2018/0123",
    "details": {
      "date": "תאריך אישור/הוצאה אם צוין, אחרת ריק",
      "scope": "תיאור היקף/שימוש/זכויות בנייה — בקצרה",
      "conditions": "תנאים מיוחדים אם צוינו",
      "status": "תקף / פקע / מבוטל / לא צוין",
      "raw_quote": "ציטוט מילולי מהשומה"
    },
    "page_number": null
  }
]

אם אין תכניות או היתרים בשומה — החזר [].
"""


def _chunk_text(text: str, max_chars: int = 25000) -> list[str]:
    """Split a long document at paragraph boundaries."""
    if len(text) <= max_chars:
        return [text]
    chunks: list[str] = []
    pos = 0
    while pos < len(text):
        end = min(pos + max_chars, len(text))
        if end < len(text):
            break_pos = text.rfind("\n\n", pos, end)
            if break_pos > pos + max_chars // 2:
                end = break_pos
        chunks.append(text[pos:end])
        pos = end
    return chunks


def _normalize_identifier(identifier: str) -> str:
    """Light normalization so trivial spacing differences don't mask conflicts."""
    return " ".join(identifier.strip().split())


async def extract_facts_from_document(
    case_id: UUID,
    document_id: UUID,
    appraiser_name: str,
    text: str,
) -> list[dict]:
    """Extract structured facts from a single appraisal document via Claude Code."""
    chunks = _chunk_text(text)
    all_facts: list[dict] = []

    for i, chunk in enumerate(chunks):
        chunk_label = f" (חלק {i+1}/{len(chunks)})" if len(chunks) > 1 else ""
        prompt = (
            f"{EXTRACT_FACTS_PROMPT}\n\n"
            f"שמאי: {appraiser_name}{chunk_label}\n\n"
            f"--- תחילת שומה ---\n{chunk}\n--- סוף שומה ---"
        )
        result = claude_session.query_json(prompt, timeout=180)
        if not isinstance(result, list):
            logger.warning(
                "extract_facts_from_document: chunk %d returned non-list (%s) for doc=%s",
                i, type(result).__name__, document_id,
            )
            continue
        for item in result:
            if not isinstance(item, dict):
                continue
            if item.get("fact_type") not in ("plan", "permit"):
                continue
            ident = item.get("identifier", "").strip()
            if not ident:
                continue
            all_facts.append({
                "appraiser_name": appraiser_name,
                "fact_type": item["fact_type"],
                "identifier": _normalize_identifier(ident),
                "details": item.get("details") or {},
                "page_number": item.get("page_number"),
            })

    if all_facts:
        await db.replace_appraiser_facts(case_id, document_id, all_facts)
    else:
        await db.replace_appraiser_facts(case_id, document_id, [])
    return all_facts


def _infer_appraiser_name(doc: dict) -> str:
    """Best-effort extraction of the appraiser's name from document title/metadata."""
    metadata = doc.get("metadata") or {}
    name = metadata.get("appraiser_name") if isinstance(metadata, dict) else None
    if name:
        return name
    title = doc.get("title", "")
    return title or f"שמאי (מסמך {doc.get('id', '')[:8]})"


async def extract_appraiser_facts(case_id: UUID) -> dict:
    """Extract facts from every appraisal document in the case + detect conflicts.

    Returns a summary dict ready for serialization back to the caller.
    """
    docs = await db.list_documents(case_id)
    appraisals = [d for d in docs if d.get("doc_type") == "appraisal"]

    if not appraisals:
        return {
            "status": "no_appraisals",
            "appraisal_count": 0,
            "total_facts": 0,
            "conflicts": [],
        }

    by_doc = []
    total_facts = 0
    for doc in appraisals:
        text = await db.get_document_text(UUID(doc["id"]))
        if not text:
            by_doc.append({
                "document_id": doc["id"],
                "title": doc.get("title", ""),
                "status": "no_text",
                "facts_extracted": 0,
            })
            continue

        appraiser_name = _infer_appraiser_name(doc)
        try:
            facts = await extract_facts_from_document(
                case_id=case_id,
                document_id=UUID(doc["id"]),
                appraiser_name=appraiser_name,
                text=text,
            )
        except Exception as e:
            logger.exception("Failed to extract facts for document %s", doc["id"])
            by_doc.append({
                "document_id": doc["id"],
                "title": doc.get("title", ""),
                "status": "error",
                "error": str(e),
                "facts_extracted": 0,
            })
            continue

        total_facts += len(facts)
        by_doc.append({
            "document_id": doc["id"],
            "title": doc.get("title", ""),
            "appraiser_name": appraiser_name,
            "status": "completed",
            "facts_extracted": len(facts),
            "plans": sum(1 for f in facts if f["fact_type"] == "plan"),
            "permits": sum(1 for f in facts if f["fact_type"] == "permit"),
        })

    conflicts = await db.detect_appraiser_conflicts(case_id)

    return {
        "status": "completed",
        "appraisal_count": len(appraisals),
        "total_facts": total_facts,
        "conflicts": conflicts,
        "by_document": by_doc,
    }


async def detect_conflicts(case_id: UUID) -> list[dict]:
    """Convenience wrapper around db.detect_appraiser_conflicts."""
    return await db.detect_appraiser_conflicts(case_id)