KirillKutlakhmetov/task-69dd4221f309a98be0006b2e
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

add main.py

Browse Source
This commit is contained in:
Кирилл Кутлахметов
2026-05-26 12:23:31 +00:00
parent f09a4e8777
commit ae91334479
1 changed files with 22 additions and 108 deletions
Download Patch File Download Diff File Expand all files Collapse all files
main.py
+22 -108
View File
@@ -1,130 +1,44 @@
"""
Парсер задания: сырой текст → плоская карточка TaskCard.
Пример:
python main.py
python main.py "Сдайте до понедельника презентацию по RAG: 10 слайдов. Оценка: за полноту и визуализацию."
"""
import json
import os
import sys
from typing import Optional
from dotenv import load_dotenv
from langchain_core.output_parsers import PydanticOutputParser
from pydantic import BaseModel, Field
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from pydantic import BaseModel, Field
load_dotenv()
# ---------------------------------------------------------------------------
# Pydantic-модель карточки задания
# ---------------------------------------------------------------------------
from langchain_core.output_parsers import PydanticOutputParser
class TaskCard(BaseModel):
"""Плоская карточка задания — все поля одного уровня вложенности."""
title: str = Field(
...,
description="Краткое название задачи (2–6 слов)",
)
subject: str = Field(
...,
description="Область знаний или технология (LangChain, Python, ML и т.п.)",
)
deadline_hint: str = Field(
...,
description="Срок сдачи в свободной форме, пустая строка если не указан",
)
deliverable_type: str = Field(
...,
description="Что нужно сдать: отчёт, код, презентация, видео, ссылка и т.п.",
)
grading_hints: list[str] = Field(
default_factory=list,
description="Список критериев оценки, упомянутых в тексте задания",
)
notes: Optional[str] = Field(
default=None,
description="Любые дополнительные заметки или уточнения из текста",
)
# ---------------------------------------------------------------------------
# LLM — BroJS
# ---------------------------------------------------------------------------
title: str = Field(..., description="Краткое название задачи")
subject: str = Field(..., description="Предмет или область")
deadline_hint: str = Field(..., description="Краткая подсказка о сроке")
deliverable_type: str = Field(..., description="Тип сдачи: отчёт, код, презентация и т.д.")
grading_hints: list[str] = Field(..., description="Список 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=0.3,
temperature=0.5,
)
# ---------------------------------------------------------------------------
# Цепочка: PromptTemplate → LLM → PydanticOutputParser
# ---------------------------------------------------------------------------
parser = PydanticOutputParser(pydantic_object=TaskCard)
_TEMPLATE = """Ты — ассистент, который извлекает структурированную информацию из описания учебного задания.
Верни ответ строго в формате JSON согласно инструкции ниже — без лишних пояснений.
{format_instructions}
Описание задания:
{task_text}
"""
prompt_template = """\nНиже приведена формулировка задания от преподавателя.\nВаша задача – вернуть данные в формате JSON, соответствующем модели TaskCard.\n{format_instructions}\n\nФормулировка: {input_text}\n"""
prompt = PromptTemplate(
template=_TEMPLATE,
input_variables=["task_text"],
template=prompt_template,
input_variables=["input_text"],
partial_variables={"format_instructions": parser.get_format_instructions()},
)
chain = prompt | llm | parser
# ---------------------------------------------------------------------------
# Публичный интерфейс
# ---------------------------------------------------------------------------
def parse_task(task_text: str) -> TaskCard:
"""Парсит текст задания и возвращает валидированный объект TaskCard."""
return chain.invoke({"task_text": task_text})
def print_card(card: TaskCard) -> None:
"""Выводит карточку в двух форматах: JSON-объект и читаемая сводка."""
print("\n─── Валидированный объект (model_dump) ─────────────────────")
print(json.dumps(card.model_dump(), ensure_ascii=False, indent=2))
print("\n─── Человекочитаемая сводка ─────────────────────────────────")
print(f" Задача: {card.title}")
print(f" Тема: {card.subject}")
print(f" Срок: {card.deadline_hint or '—'}")
print(f" Тип сдачи: {card.deliverable_type}")
if card.grading_hints:
print(f" Критерии: {', '.join(card.grading_hints)}")
if card.notes:
print(f" Заметки: {card.notes}")
# ---------------------------------------------------------------------------
# CLI
# ---------------------------------------------------------------------------
_EXAMPLE = (
"Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
"Оценка: за полноту и за пример кода."
)
if __name__ == "__main__":
text = " ".join(sys.argv[1:]) if len(sys.argv) > 1 else _EXAMPLE
print(f"Вход:\n {text}")
card = parse_task(text)
print_card(card)
example = "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. Оценка: за полноту и за пример кода."
result = chain.invoke({"input_text": example})
print("\n--- Parsed Result ---")
print(result.model_dump())
print("\n--- Summary ---")
print(f"Title: {result.title}")
print(f"Subject: {result.subject}")
print(f"Deadline hint: {result.deadline_hint}")
print(f"Deliverable type: {result.deliverable_type}")
print(f"Grading hints: {', '.join(result.grading_hints)}")