features/chatbot/chatbot_prompts.py

# chatbot_prompts.py
import logging

def get_initial_insight_prompt_and_suggestions(plot_id: str, plot_label: str, plot_data_summary: str = None):
    """
    Genera un prompt iniziale per l'LLM per fornire spunti su un grafico e domande suggerite.
    Args:
        plot_id (str): L'identificatore univoco del grafico.
        plot_label (str): L'etichetta di visualizzazione del grafico.
        plot_data_summary (str, optional): Un riassunto testuale dei dati del grafico.
    Returns:
        tuple: (prompt_for_llm_str, list_of_suggestion_strings)
    """
    logging.info(f"Generazione del prompt di analisi iniziale per plot_id: {plot_id}, etichetta: {plot_label}")

    base_persona_prompt = "Sei un esperto di Employer Branding e di strategia per i social media di LinkedIn. Analizza i seguenti dati per il grafico '{plot_label}' e fornisci spunti chiave e consigli pratici. Concentrati sull'interpretazione dei dati forniti."
    prompt_text = f"{base_persona_prompt.format(plot_label=plot_label)}\n\n"

    if plot_data_summary and plot_data_summary.strip() and \
       "No data summary available" not in plot_data_summary and \
       "Error generating data summary" not in plot_data_summary and \
       "Accesso negato" not in plot_data_summary and \
       f"Nessun sommario dati specifico disponibile per '{plot_label}'" not in plot_data_summary:
        prompt_text += f"Istantanea dei dati per '{plot_label}':\n```text\n{plot_data_summary}\n```\n\n"
        prompt_text += "Sulla base di questi dati e della tua esperienza, quali sono le osservazioni più importanti e quali passi possono essere intrapresi per migliorare o sfruttare queste tendenze? Fornisci un'analisi iniziale concisa."
    else:
        prompt_text += f"Nessuna istantanea di dati specifica è disponibile per '{plot_label}'. Fornisci spunti e consigli generali per migliorare le prestazioni relative a '{plot_label}' su LinkedIn, ipotizzando scenari tipici. Fornisci un'analisi iniziale concisa."

    # Suggerimenti predefiniti
    suggestions = [
        f"Quali sono i fattori chiave per {plot_label.lower()} in base ai dati?",
        f"Come posso migliorare i miei risultati per {plot_label.lower()} secondo queste tendenze?",
        f"Come si presenta una buona performance per {plot_label.lower()}?"
    ]

    # Personalizza i suggerimenti per plot_id
    if plot_id == "followers_count":
        suggestions = [
            "In base ai dati sui follower, qual è stato il nostro periodo di massima crescita?",
            "Con quale frequenza dovrei pubblicare per massimizzare la crescita dei follower?",
            "Quale tipo di contenuto ha tipicamente più risonanza tra i potenziali follower?"
        ]
    elif plot_id == "engagement_rate":
        suggestions = [
            "Cosa ci dice l'andamento del coinvolgimento sulla performance dei contenuti recenti?",
            "Quali tipi di post ottengono tipicamente il maggior coinvolgimento?",
            "Puoi darmi esempi di inviti all'azione (call to action) efficaci?"
        ]
    elif plot_id == "reach_over_time":
        suggestions = [
            "Cosa suggeriscono i dati sulla copertura (reach) riguardo alla visibilità dei nostri contenuti?",
            "Quali sono le strategie organiche efficaci per aumentare la copertura dei post?",
            "In che modo gli hashtag e le strategie di tagging influenzano la copertura?"
        ]
    elif plot_id == "impressions_over_time":
        suggestions = [
            "Come si confrontano le impressioni attuali con i periodi precedenti in base ai dati?",
            "Qual è la differenza tra copertura (reach) e impressioni (impressions)?",
            "L'algoritmo di LinkedIn favorisce determinati tipi di contenuti per le impressioni?"
        ]
    elif plot_id == "comments_sentiment":
        suggestions = [
            "Cosa indica l'analisi del sentiment sulla percezione del pubblico?",
            "Come posso incoraggiare più commenti positivi?",
            "Qual è il modo migliore per rispondere ai commenti negativi?"
        ]
    # Aggiungi altri suggerimenti specifici per plot_id se necessario

    # Assicura che ci siano esattamente 3 suggerimenti
    while len(suggestions) < 3:
        suggestions.append(f"Dimmi di più sulle tendenze nei dati di {plot_label.lower()}.")
    if len(suggestions) > 3:
        suggestions = suggestions[:3]

    return prompt_text, suggestions