add llm call extractor

services/extractor.py

@@ -0,0 +1,50 @@
+import base64
+import binascii
+from typing import Callable, Type
+from langchain_core.runnables import Runnable
+from langchain_core.prompts import ChatPromptTemplate
+from langchain_core.output_parsers import PydanticOutputParser
+from langchain_google_genai import ChatGoogleGenerativeAI
+
+
+def run_extraction_chain(
+    *,
+    raw_file_data: str,
+    file_processor: Callable[[str], str],
+    pydantic_model: Type,
+    prompt_template: str,
+    model_name: str = "gemini-2.0-flash"
+):
+    """
+    Traite un fichier encodé en base64, applique un parser OCR, génère un prompt, envoie à un modèle LLM, et retourne le résultat parsé.
+
+    Args:
+        raw_file_data (str): Données base64 du fichier à traiter.
+        file_processor (Callable): Fonction qui transforme les données en texte brut.
+        pydantic_model (Type): Classe Pydantic pour le parsing du résultat.
+        prompt_template (str): Prompt à envoyer au LLM avec {format_instructions} et {processed_text}.
+        model_name (str): Nom du modèle LLM à utiliser.
+
+    Returns:
+        Instance du modèle Pydantic parsé avec les résultats du LLM.
+    """
+    try:
+        base64.b64decode(raw_file_data, validate=True)
+    except binascii.Error as e:
+        raise ValueError(f"Invalid base64 data: {e}")
+
+    processed_text = file_processor(raw_file_data)
+
+    parser = PydanticOutputParser(pydantic_object=pydantic_model)
+    format_instructions = parser.get_format_instructions()
+
+    prompt = ChatPromptTemplate.from_template(prompt_template)
+
+    chain: Runnable = prompt | ChatGoogleGenerativeAI(model=model_name) | parser
+
+    result = chain.invoke({
+        "processed_text": processed_text,
+        "format_instructions": format_instructions,
+    })
+
+    return result