import os
from pydantic import BaseModel, Field
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import PydanticOutputParser

class TaskCard(BaseModel):
    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 = PromptTemplate(
    template="""
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()},
)

chain = prompt | llm | parser

if __name__ == "__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)}")