add main.py

main.py

@@ -0,0 +1,159 @@
+"""Структурированный вывод: PersonInfo / MeetingNotes через Pydantic + LangChain."""
+from __future__ import annotations
+
+import os
+import sys
+from typing import Literal
+
+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
+
+load_dotenv()
+
+BROJS_INFERENCE_URL = "https://platform.brojs.ru/jrnl-bh/api/inference/v1"
+DEFAULT_MODEL = "openai/gpt-oss-20b:free"
+
+PERSON_EXAMPLE = (
+    "Анна, 28 лет, Python-разработчик. Навыки: FastAPI, Docker."
+)
+MEETING_EXAMPLE = (
+    "Встреча 15.03.2026. Участники: Иван, Мария, Алексей. "
+    "Обсудили релиз MVP и тестирование. Решили: завершить API до пятницы. "
+    "Следующие шаги: написать интеграционные тесты, обновить документацию."
+)
+
+
+class PersonInfo(BaseModel):
+    name: str = Field(description="Полное имя человека")
+    age: int | None = Field(default=None, description="Возраст в годах, если указан")
+    profession: str = Field(description="Профессия или роль")
+    skills: list[str] = Field(description="Список навыков и технологий")
+
+
+class MeetingNotes(BaseModel):
+    date: str = Field(description="Дата встречи")
+    participants: list[str] = Field(description="Список участников")
+    topics: list[str] = Field(description="Обсуждённые темы")
+    decisions: list[str] = Field(description="Принятые решения")
+    next_steps: list[str] = Field(description="Следующие шаги после встречи")
+
+
+SchemaType = Literal["person", "meeting"]
+
+
+def _api_key() -> str:
+    return (
+        os.getenv("JOURNAL_MCP_PAT")
+        or os.getenv("JOURNAL_TOKEN")
+        or os.getenv("OPENAI_API_KEY")
+        or ""
+    )
+
+
+def _base_url() -> str:
+    if os.getenv("OPENAI_BASE_URL"):
+        return os.environ["OPENAI_BASE_URL"]
+    if os.getenv("OPENAI_API_KEY") and not os.getenv("JOURNAL_MCP_PAT"):
+        return os.getenv("OPENROUTER_BASE_URL", "https://openrouter.ai/api/v1")
+    return BROJS_INFERENCE_URL
+
+
+def build_llm() -> ChatOpenAI:
+    return ChatOpenAI(
+        model=os.getenv("OPENAI_MODEL", DEFAULT_MODEL),
+        base_url=_base_url(),
+        api_key=_api_key(),
+        temperature=0.0,
+    )
+
+
+def detect_schema_type(text: str, llm: ChatOpenAI | None = None) -> SchemaType:
+    """Эвристика + LLM: person vs meeting."""
+    lower = text.lower()
+    meeting_markers = ("встреч", "участник", "обсудил", "решил", "следующ", "meeting", "agenda")
+    person_markers = ("лет", "навык", "разработчик", "професс", "skill", "age")
+
+    meeting_score = sum(1 for m in meeting_markers if m in lower)
+    person_score = sum(1 for m in person_markers if m in lower)
+
+    if meeting_score > person_score:
+        return "meeting"
+    if person_score > meeting_score:
+        return "person"
+
+    llm = llm or build_llm()
+    raw = llm.invoke(
+        "Определи тип текста: person или meeting. "
+        "Ответь одним словом.\n\nТекст:\n" + text
+    ).content
+    answer = str(raw).strip().lower()
+    if "meeting" in answer:
+        return "meeting"
+    return "person"
+
+
+def build_extraction_chain(schema: SchemaType, llm: ChatOpenAI | None = None):
+    llm = llm or build_llm()
+    model_cls = PersonInfo if schema == "person" else MeetingNotes
+    parser = PydanticOutputParser(pydantic_object=model_cls)
+    prompt = PromptTemplate(
+        template=(
+            "Извлеки структурированные данные из текста.\n\n"
+            "{format_instructions}\n\n"
+            "Текст:\n{text}\n"
+        ),
+        input_variables=["text"],
+        partial_variables={"format_instructions": parser.get_format_instructions()},
+    )
+    return prompt | llm | parser, model_cls
+
+
+def extract_structured(text: str, llm: ChatOpenAI | None = None) -> BaseModel:
+    llm = llm or build_llm()
+    schema = detect_schema_type(text, llm)
+    chain, _ = build_extraction_chain(schema, llm)
+    return chain.invoke({"text": text})
+
+
+def print_result(label: str, obj: BaseModel) -> None:
+    print(f"\n=== {label} ===")
+    print(obj.model_dump())
+    if isinstance(obj, PersonInfo):
+        print(
+            f"Сводка: {obj.name}, {obj.age or '?'} лет, {obj.profession}; "
+            f"навыки: {', '.join(obj.skills)}"
+        )
+    elif isinstance(obj, MeetingNotes):
+        print(
+            f"Сводка: встреча {obj.date}; участники: {', '.join(obj.participants)}; "
+            f"шагов: {len(obj.next_steps)}"
+        )
+
+
+def run_demo() -> None:
+    llm = build_llm()
+    for label, sample in (
+        ("Person", PERSON_EXAMPLE),
+        ("Meeting", MEETING_EXAMPLE),
+    ):
+        schema = detect_schema_type(sample, llm)
+        chain, _ = build_extraction_chain(schema, llm)
+        result = chain.invoke({"text": sample})
+        print_result(label, result)
+
+
+def main() -> int:
+    if len(sys.argv) > 1:
+        text = " ".join(sys.argv[1:]).strip()
+        result = extract_structured(text)
+        print_result("Custom input", result)
+    else:
+        run_demo()
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())