Update src/agents/cv_agents.py

src/agents/cv_agents.py

@@ -94,6 +94,7 @@ class CVAgentOrchestrator:
         return self._parse_sections_result(result)
     
     def extract_all_sections(self, sections: Dict[str, str]) -> Dict[str, Any]:
+        # Créer les tâches avec les sections en input
         tasks = self._create_extraction_tasks(sections)
         
         crew = Crew(
@@ -108,60 +109,104 @@ class CVAgentOrchestrator:
             ],
             tasks=tasks,
             process=Process.sequential,
-            verbose=False,
+            verbose=True,  # Activer pour debug
             telemetry=False
         )
         
-        result = crew.kickoff(inputs=sections)
+        # Passer les sections comme inputs
+        inputs = {
+            "contact": sections.get("contact", ""),
+            "experiences": sections.get("experiences", ""),
+            "projects": sections.get("projects", ""),
+            "education": sections.get("education", ""),
+            "skills": sections.get("skills", ""),
+            "other": sections.get("other", "")
+        }
+        
+        logger.info(f"Starting crew with inputs: {list(inputs.keys())}")
+        result = crew.kickoff(inputs=inputs)
+        logger.info(f"Crew completed. Raw result: {result.raw if hasattr(result, 'raw') else str(result)[:200]}...")
+        
         return self._parse_final_result(result)
     
     def _create_extraction_tasks(self, sections: Dict[str, str]) -> List[Task]:
         contact_task = Task(
-            description="Extraire nom, email, téléphone, localisation de: {contact}",
+            description=(
+                "Voici la section contact du CV : {contact}\n"
+                "Extraire précisément le nom, email, téléphone et localisation du candidat."
+            ),
             expected_output='{"nom": "...", "email": "...", "numero_de_telephone": "...", "localisation": "..."}',
             agent=self.contact_extractor
         )
         
         skills_task = Task(
-            description="Extraire compétences de: {experiences} {projects} {skills}",
-            expected_output='{"hard_skills": [...], "soft_skills": [...]}',
-            agent=self.skills_extractor,
-            context=[contact_task]
+            description=(
+                "Voici les sections pertinentes du CV :\n"
+                "Expériences: {experiences}\n"
+                "Projets: {projects}\n"
+                "Compétences: {skills}\n"
+                "Extraire toutes les compétences techniques (hard skills) et comportementales (soft skills) mentionnées."
+            ),
+            expected_output='{"hard_skills": ["compétence1", "compétence2"], "soft_skills": ["compétence1", "compétence2"]}',
+            agent=self.skills_extractor
         )
         
         experience_task = Task(
-            description="Extraire expériences de: {experiences}",
-            expected_output='[{"Poste": "...", "Entreprise": "...", "start_date": "...", "end_date": "...", "responsabilités": [...]}]',
-            agent=self.experience_extractor,
-            context=[skills_task]
+            description=(
+                "Voici la section expériences du CV : {experiences}\n"
+                "Extraire toutes les expériences professionnelles avec poste, entreprise, dates et responsabilités."
+            ),
+            expected_output='[{"Poste": "titre", "Entreprise": "nom", "start_date": "date", "end_date": "date", "responsabilités": ["resp1", "resp2"]}]',
+            agent=self.experience_extractor
         )
         
         project_task = Task(
-            description="Extraire projets de: {projects} {experiences}",
-            expected_output='{"professional": [...], "personal": [...]}',
-            agent=self.project_extractor,
-            context=[experience_task]
+            description=(
+                "Voici les sections projets et expériences du CV :\n"
+                "Projets: {projects}\n"
+                "Expériences: {experiences}\n"
+                "Identifier et extraire les projets professionnels et personnels distincts des responsabilités générales."
+            ),
+            expected_output='{"professional": [{"title": "titre", "role": "rôle", "technologies": ["tech1"], "outcomes": ["résultat1"]}], "personal": []}',
+            agent=self.project_extractor
         )
         
         education_task = Task(
-            description="Extraire formations de: {education}",
-            expected_output='[{"degree": "...", "institution": "...", "start_date": "...", "end_date": "..."}]',
-            agent=self.education_extractor,
-            context=[project_task]
+            description=(
+                "Voici la section formations du CV : {education}\n"
+                "Extraire toutes les formations, diplômes et certifications avec institution et dates."
+            ),
+            expected_output='[{"degree": "diplôme", "institution": "établissement", "start_date": "date", "end_date": "date"}]',
+            agent=self.education_extractor
         )
         
         reconversion_task = Task(
-            description="Analyser reconversion basée sur les expériences extraites",
-            expected_output='{"reconversion_analysis": {"is_reconversion": true/false, "analysis": "..."}}',
+            description=(
+                "En analysant les expériences extraites précédemment, déterminer si le candidat est en reconversion professionnelle. "
+                "Chercher des changements de secteur, de type de poste ou des transitions significatives."
+            ),
+            expected_output='{"reconversion_analysis": {"is_reconversion": true, "analysis": "Explication détaillée..."}}',
             agent=self.reconversion_detector,
-            context=[education_task]
+            context=[experience_task]
         )
         
         profile_task = Task(
-            description="Assembler profil final JSON avec clé 'candidat'",
-            expected_output='{"candidat": {...}}',
+            description=(
+                "Assembler toutes les informations extraites des tâches précédentes en un profil candidat complet. "
+                "Créer un JSON valide avec une clé 'candidat' contenant toutes les sections."
+            ),
+            expected_output=(
+                '{"candidat": {'
+                '"informations_personnelles": {...}, '
+                '"compétences": {...}, '
+                '"expériences": [...], '
+                '"projets": {...}, '
+                '"formations": [...], '
+                '"reconversion": {...}'
+                '}}'
+            ),
             agent=self.profile_builder,
-            context=[reconversion_task]
+            context=[contact_task, skills_task, experience_task, project_task, education_task, reconversion_task]
         )
         
         return [contact_task, skills_task, experience_task, project_task, education_task, reconversion_task, profile_task]
@@ -177,6 +222,21 @@ class CVAgentOrchestrator:
                 result_str = parts[1].strip()
         
         parsed = json.loads(result_str)
+        
+        # Assurer que toutes les sections nécessaires existent
+        default_sections = {
+            "contact": "",
+            "experiences": "",
+            "projects": "",
+            "education": "",
+            "skills": "",
+            "other": ""
+        }
+        
+        for key in default_sections:
+            if key not in parsed:
+                parsed[key] = default_sections[key]
+        
         return parsed
     
     def _parse_final_result(self, result) -> Dict[str, Any]: