add main.py

main.py

@@ -5,37 +5,42 @@ from langchain_openai import ChatOpenAI
 from langchain_core.output_parsers import PydanticOutputParser
 
 class TaskCard(BaseModel):
-    title: str = Field(..., description="Title of the task")
-    subject: str = Field(..., description="Subject or domain of the task")
-    deadline_hint: str | None = Field(None, description="Short hint about deadline")
-    deliverable_type: str = Field(..., description="What to submit: report, code, presentation etc.")
-    grading_hints: list[str] = Field(default_factory=list, description="Hints for grading such as completeness, code example")
+    title: str = Field(..., description="Краткое название задачи")
+    subject: str = Field(..., description="Область знаний, к которой относится задача")
+    deadline_hint: str = Field(..., description="Краткая подсказка о сроке выполнения")
+    deliverable_type: str = Field(..., description="Тип сдачи: отчёт, код, презентация и т.п.")
+    grading_hints: list[str] = Field(..., description="Список ключевых критериев оценки")
+
+# LLM configuration – BroJS
+llm = ChatOpenAI(
+    model="openai/gpt-oss-20b:free",
+    base_url="https://platform.brojs.ru/jrnl-bh/api/inference/v1",
+    api_key=os.getenv("JOURNAL_MCP_PAT"),
+    temperature=0.5,
+)
 
 parser = PydanticOutputParser(pydantic_object=TaskCard)
-prompt_template = PromptTemplate(
+
+prompt = PromptTemplate(
     template="""
-Given the following informal task description:\n{task_description}\n\nReturn a JSON object with fields: title, subject, deadline_hint, deliverable_type, grading_hints.\n{format_instructions}
+Ниже приведено описание задания от преподавателя. Нужно извлечь из него структуру задачи в виде JSON, соответствующую модели TaskCard.
+
+{format_instructions}
+
+Описание задания:
+{task_description}
 """,
     input_variables=["task_description"],
     partial_variables={"format_instructions": parser.get_format_instructions()},
 )
 
-llm = ChatOpenAI(
-    model="openai/gpt-oss-20b:free",
-    base_url="https://openrouter.ai/api/v1",
-    api_key=os.getenv("OPENAI_API_KEY"),
-    temperature=0.0,
-)
-
-async def main():
-    task_desc = "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. Оценка: за полноту и за пример кода."
-    chain = prompt_template | llm | parser
-    result = await chain.ainvoke({"task_description": task_desc})
-    print("Parsed object:\n", result)
-    print("\nSummary:")
-    for key, value in result.items():
-        print(f"{key}: {value}")
+chain = prompt | llm | parser
 
 if __name__ == "__main__":
-    import asyncio
-    asyncio.run(main())
+    # Пример входа
+    example = "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. Оценка: за полноту и за пример кода."
+    result: TaskCard = chain.invoke({"task_description": example})
+    print("\n--- Валидированный объект ---")
+    print(result.model_dump())
+    print("\n--- Человекочитаемая сводка ---")
+    print(f"Задача: {result.title}\nТема: {result.subject}\nСрок: {result.deadline_hint}\nТип сдачи: {result.deliverable_type}\nКритерии оценки: {', '.join(result.grading_hints)}")