fix: build_chain() + inference BroJS вместо localhost

main.py

@@ -8,16 +8,16 @@ from dotenv import load_dotenv
 from langchain_core.output_parsers import PydanticOutputParser
 from langchain_core.prompts import PromptTemplate
 from langchain_openai import ChatOpenAI
-from pydantic import BaseModel, Field, SecretStr
+from pydantic import BaseModel, Field
 
 load_dotenv()
 
-# Модель: LM Studio локально или любой OpenAI-совместимый API через .env
-llm = ChatOpenAI(
-    model=os.getenv("OPENAI_MODEL", "local-model"),
-    base_url=os.getenv("OPENAI_BASE_URL", "http://localhost:1234/v1"),
-    api_key=SecretStr(os.getenv("OPENAI_API_KEY", "fake")),
-    temperature=0.0,
+BROJS_INFERENCE_URL = "https://platform.brojs.ru/jrnl-bh/api/inference/v1"
+DEFAULT_MODEL = "openai/gpt-oss-20b:free"
+
+DEFAULT_INPUT = (
+    "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
+    "Оценка: за полноту и за пример кода."
 )
 
 
@@ -37,25 +37,51 @@ class AssignmentCard(BaseModel):
     )
 
 
-parser = PydanticOutputParser(pydantic_object=AssignmentCard)
+def _api_key() -> str:
+    return (
+        os.getenv("OPENAI_API_KEY")
+        or os.getenv("JOURNAL_MCP_PAT")
+        or os.getenv("JOURNAL_TOKEN")
+        or ""
+    )
 
-prompt = PromptTemplate(
-    template=(
-        "Ты модуль разбора учебных заданий. Из одной формулировки преподавателя "
-        "извлеки поля карточки. Не задавай уточняющих вопросов — только структурированный ответ.\n\n"
-        "Формулировка задания:\n{assignment_text}\n\n"
-        "{format_instructions}"
-    ),
-    input_variables=["assignment_text"],
-    partial_variables={"format_instructions": parser.get_format_instructions()},
-)
 
-chain = prompt | llm | parser
+def _base_url() -> str:
+    if os.getenv("OPENAI_BASE_URL"):
+        return os.environ["OPENAI_BASE_URL"]
+    if os.getenv("OPENAI_API_KEY"):
+        return os.getenv("OPENROUTER_BASE_URL", "https://openrouter.ai/api/v1")
+    return BROJS_INFERENCE_URL
 
-DEFAULT_INPUT = (
-    "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
-    "Оценка: за полноту и за пример кода."
-)
+
+def _model() -> str:
+    return os.getenv("OPENAI_MODEL") or os.getenv("OPENROUTER_MODEL") or DEFAULT_MODEL
+
+
+def build_chain():
+    """Цепочка prompt | llm | parser — точка входа для автопроверки."""
+    parser = PydanticOutputParser(pydantic_object=AssignmentCard)
+    prompt = PromptTemplate(
+        template=(
+            "Ты модуль разбора учебных заданий. Из одной формулировки преподавателя "
+            "извлеки поля карточки. Не задавай уточняющих вопросов — только структурированный ответ.\n\n"
+            "Формулировка задания:\n{assignment_text}\n\n"
+            "{format_instructions}"
+        ),
+        input_variables=["assignment_text"],
+        partial_variables={"format_instructions": parser.get_format_instructions()},
+    )
+    llm = ChatOpenAI(
+        model=_model(),
+        base_url=_base_url(),
+        api_key=_api_key(),
+        temperature=0.0,
+    )
+    return prompt | llm | parser
+
+
+def parse_assignment_text(assignment_text: str) -> AssignmentCard:
+    return build_chain().invoke({"assignment_text": assignment_text})
 
 
 def human_summary(card: AssignmentCard) -> str:
@@ -72,7 +98,7 @@ def human_summary(card: AssignmentCard) -> str:
 
 def main() -> None:
     assignment_text = " ".join(sys.argv[1:]).strip() or DEFAULT_INPUT
-    card: AssignmentCard = chain.invoke({"assignment_text": assignment_text})
+    card = parse_assignment_text(assignment_text)
 
     print("=== Валидированный объект (model_dump) ===")
     dumped = card.model_dump()