Glevel
7faae42204
Analyze prompt now asks for 4-part structured argument per defense: ZAMECHANIE / NEOBKHODIMOST / OPTIMALNOST / ALTERNATIVY Generated code gets DESIGN DECISION / NECESSITY / OPTIMALITY / ALTERNATIVES CONSIDERED comment blocks instead of bare NOTE. Agent argues that choices were deliberate, necessary and optimal - not just correct. Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
683 lines
29 KiB
Python
683 lines
29 KiB
Python
"""
|
||
Быстрый решатель заданий BroJS.
|
||
Схема: читаем задание (MCP) → 1 LLM-вызов → пушим на Gitea → сабмитим (MCP).
|
||
Автономный — не импортирует src.agent, нет двойной загрузки MCP.
|
||
|
||
Использование:
|
||
python solve_task.py <full_task_id>
|
||
"""
|
||
import asyncio
|
||
import base64
|
||
import io
|
||
import json
|
||
import os
|
||
import sys
|
||
|
||
# Перенастраиваем stdout/stderr на UTF-8 (Windows cp1251 не осиливает →, ✅ и т.д.)
|
||
# reconfigure() меняет кодировку у существующего враппера на месте — безопаснее, чем
|
||
# создавать новый TextIOWrapper поверх буфера (последнее ломается при перенаправлении в файл).
|
||
try:
|
||
if hasattr(sys.stdout, "reconfigure"):
|
||
sys.stdout.reconfigure(encoding="utf-8", errors="replace")
|
||
elif hasattr(sys.stdout, "buffer"):
|
||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding="utf-8", errors="replace")
|
||
except Exception:
|
||
pass
|
||
try:
|
||
if hasattr(sys.stderr, "reconfigure"):
|
||
sys.stderr.reconfigure(encoding="utf-8", errors="replace")
|
||
elif hasattr(sys.stderr, "buffer"):
|
||
sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding="utf-8", errors="replace")
|
||
except Exception:
|
||
pass
|
||
|
||
# Обходим локальный прокси
|
||
os.environ["NO_PROXY"] = "openrouter.ai,platform.brojs.ru,git.brojs.ru," + os.environ.get("NO_PROXY", "")
|
||
|
||
from dotenv import load_dotenv
|
||
load_dotenv()
|
||
|
||
import httpx
|
||
from langchain_mcp_adapters.client import MultiServerMCPClient
|
||
from langchain_openai import ChatOpenAI
|
||
|
||
GITEA_BASE_URL = "https://git.brojs.ru"
|
||
GITEA_OWNER = os.getenv("GITEA_OWNER", "glevelll")
|
||
GITEA_TOKEN = os.getenv("GITEA_TOKEN", "")
|
||
JOURNAL_TOKEN = os.getenv("JOURNAL_TOKEN", "")
|
||
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "")
|
||
|
||
MCP_URL = "https://platform.brojs.ru/jrnl-bh/api/mcp"
|
||
|
||
# ---------------------------------------------------------------------------
|
||
# LLM
|
||
# ---------------------------------------------------------------------------
|
||
|
||
llm = ChatOpenAI(
|
||
model="openai/gpt-oss-20b:free",
|
||
base_url="https://openrouter.ai/api/v1",
|
||
api_key=OPENAI_API_KEY,
|
||
temperature=0.0,
|
||
max_tokens=4096,
|
||
)
|
||
|
||
# ---------------------------------------------------------------------------
|
||
# MCP — один постоянный клиент на весь запуск
|
||
# ---------------------------------------------------------------------------
|
||
|
||
_mcp_tools: dict = {}
|
||
_mcp_client = None # держим клиент живым чтобы сессия не переоткрывалась
|
||
_last_mcp_call_time = 0.0 # для паузы между вызовами
|
||
|
||
# Exponential backoff: 15, 30, 60, 120, 240 секунд
|
||
_BACKOFF = [15, 30, 60, 120, 240]
|
||
_INTER_CALL_DELAY = 1.5 # секунд между последовательными MCP-вызовами
|
||
|
||
|
||
def _is_429(exc: BaseException) -> bool:
|
||
"""Рекурсивно проверяет, содержит ли исключение (или вложенные) ошибку 429.
|
||
|
||
Нужно потому что anyio оборачивает HTTP-ошибки в ExceptionGroup,
|
||
и '429' есть только во вложенном исключении, а не в str(ExceptionGroup).
|
||
"""
|
||
if "429" in str(exc):
|
||
return True
|
||
# ExceptionGroup (Python 3.11+ / anyio): смотрим вложенные
|
||
if hasattr(exc, "exceptions"):
|
||
return any(_is_429(sub) for sub in exc.exceptions)
|
||
# __cause__ / __context__
|
||
if exc.__cause__ is not None and exc.__cause__ is not exc:
|
||
return _is_429(exc.__cause__)
|
||
return False
|
||
|
||
|
||
async def _load_mcp():
|
||
global _mcp_tools, _mcp_client
|
||
if _mcp_tools:
|
||
return
|
||
config = {
|
||
"journal": {
|
||
"transport": "streamable_http",
|
||
"url": MCP_URL,
|
||
"headers": {"Authorization": f"Bearer {JOURNAL_TOKEN}"},
|
||
}
|
||
}
|
||
_mcp_client = MultiServerMCPClient(config)
|
||
for i, pause in enumerate([0] + _BACKOFF):
|
||
try:
|
||
if pause:
|
||
print(f" [mcp] 429 при загрузке, жду {pause}с (попытка {i+1})...")
|
||
await asyncio.sleep(pause)
|
||
tools = await _mcp_client.get_tools(server_name="journal")
|
||
_mcp_tools = {t.name: t for t in tools}
|
||
print(f" [mcp] Загружено {len(_mcp_tools)} инструментов")
|
||
return
|
||
except BaseException as e:
|
||
if not _is_429(e) or i == len(_BACKOFF):
|
||
raise
|
||
|
||
|
||
async def mcp_call(name: str, args: dict):
|
||
global _last_mcp_call_time
|
||
await _load_mcp()
|
||
|
||
# Пауза между вызовами — предотвращает burst
|
||
import time
|
||
elapsed = time.monotonic() - _last_mcp_call_time
|
||
if elapsed < _INTER_CALL_DELAY:
|
||
await asyncio.sleep(_INTER_CALL_DELAY - elapsed)
|
||
|
||
tool = _mcp_tools.get(name)
|
||
if not tool:
|
||
raise RuntimeError(f"MCP tool '{name}' not found. Available: {list(_mcp_tools.keys())}")
|
||
|
||
for i, pause in enumerate([0] + _BACKOFF):
|
||
try:
|
||
if pause:
|
||
print(f" [mcp] {name} → 429, жду {pause}с (попытка {i+1})...")
|
||
await asyncio.sleep(pause)
|
||
result = await tool.ainvoke(args)
|
||
_last_mcp_call_time = time.monotonic()
|
||
if isinstance(result, list):
|
||
return next((x["text"] for x in result if x.get("type") == "text"), str(result))
|
||
return str(result)
|
||
except BaseException as e:
|
||
if not _is_429(e) or i == len(_BACKOFF):
|
||
raise
|
||
|
||
|
||
# ---------------------------------------------------------------------------
|
||
# Gitea
|
||
# ---------------------------------------------------------------------------
|
||
|
||
def _gh():
|
||
return {"Authorization": f"token {GITEA_TOKEN}", "Content-Type": "application/json"}
|
||
|
||
|
||
async def _get_task_meta(task_id: str) -> dict:
|
||
"""Возвращает существующий repo_url и комментарии преподавателя (если есть).
|
||
|
||
Пересдача определяется по наличию репозитория на Gitea — независимо от того,
|
||
очистил ли BroJS поле answer при отклонении задания.
|
||
"""
|
||
repo_url = None
|
||
comments = ""
|
||
|
||
# 1. Проверяем репо напрямую на Gitea (надёжнее, чем BroJS answer)
|
||
repo_name = f"task-{task_id}"
|
||
try:
|
||
with httpx.Client(timeout=10) as c:
|
||
r = c.get(
|
||
f"{GITEA_BASE_URL}/api/v1/repos/{GITEA_OWNER}/{repo_name}",
|
||
headers=_gh(),
|
||
)
|
||
if r.status_code == 200:
|
||
repo_url = f"{GITEA_BASE_URL}/{GITEA_OWNER}/{repo_name}"
|
||
except Exception as e:
|
||
print(f" [meta] Не удалось проверить Gitea: {e}")
|
||
|
||
# 2. Читаем комментарии из BroJS
|
||
try:
|
||
raw = await mcp_call("task_get", {"taskId": task_id})
|
||
data = json.loads(raw)
|
||
comments = data.get("comments") or data.get("feedback", "") or ""
|
||
if isinstance(comments, list):
|
||
comments = "\n".join(
|
||
c.get("text", c.get("content", str(c))) for c in comments if c
|
||
)
|
||
except Exception as e:
|
||
print(f" [meta] Не удалось получить комментарии BroJS: {e}")
|
||
|
||
return {"repo_url": repo_url, "comments": str(comments).strip()}
|
||
|
||
|
||
def gitea_create_repo(name: str) -> str:
|
||
with httpx.Client(timeout=30) as c:
|
||
r = c.post(f"{GITEA_BASE_URL}/api/v1/user/repos", headers=_gh(),
|
||
json={"name": name, "private": False, "auto_init": False})
|
||
if r.status_code == 409:
|
||
return f"{GITEA_BASE_URL}/{GITEA_OWNER}/{name}"
|
||
r.raise_for_status()
|
||
return r.json().get("html_url", f"{GITEA_BASE_URL}/{GITEA_OWNER}/{name}")
|
||
|
||
|
||
def gitea_write(repo: str, path: str, content: str, msg: str):
|
||
encoded = base64.b64encode(content.encode()).decode()
|
||
url = f"{GITEA_BASE_URL}/api/v1/repos/{GITEA_OWNER}/{repo}/contents/{path}"
|
||
with httpx.Client(timeout=30) as c:
|
||
r = c.get(url, headers=_gh())
|
||
if r.status_code == 200:
|
||
sha = r.json().get("sha", "")
|
||
c.put(url, headers=_gh(), json={"message": msg, "content": encoded, "sha": sha}).raise_for_status()
|
||
else:
|
||
c.post(url, headers=_gh(), json={"message": msg, "content": encoded}).raise_for_status()
|
||
|
||
|
||
# ---------------------------------------------------------------------------
|
||
# LLM: генерация кода
|
||
# ---------------------------------------------------------------------------
|
||
|
||
_PROMPT = '''\
|
||
Ты — Python-разработчик. Напиши решение для учебного задания по LLM/AI.
|
||
Используй фреймворк deepagents (create_deep_agent) — это обязательное требование курса.
|
||
|
||
## Задание
|
||
{task_text}
|
||
|
||
## ОБЯЗАТЕЛЬНЫЕ ТЕХНИЧЕСКИЕ ПАТТЕРНЫ
|
||
|
||
> ⚠️ ЗАПРЕЩЕНО: langchain_ollama, OllamaEmbeddings, Ollama, langchain_community.
|
||
> Для LLM и эмбеддингов — ТОЛЬКО OpenRouter через langchain_openai.
|
||
|
||
### LLM — всегда OpenRouter:
|
||
```python
|
||
import os
|
||
from langchain_openai import ChatOpenAI
|
||
|
||
# Используем OpenRouter вместо Ollama: облачный API не требует локального GPU,
|
||
# совместим с OpenAI SDK «из коробки» (только base_url), легко масштабируется.
|
||
# Модель gpt-oss-20b:free — бесплатный тир OpenRouter для учебных задач.
|
||
# Ключ OPENAI_API_KEY=sk-or-v1-... хранится в .env (не в репозитории).
|
||
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,
|
||
)
|
||
```
|
||
|
||
### Базовый агент (deepagents) — ОБЯЗАТЕЛЬНАЯ основа:
|
||
```python
|
||
import asyncio, os
|
||
from langchain_openai import ChatOpenAI
|
||
from langchain_core.messages import HumanMessage
|
||
from langchain.tools import tool
|
||
from deepagents import create_deep_agent
|
||
from deepagents.backends import FilesystemBackend, LocalShellBackend, CompositeBackend
|
||
|
||
llm = ChatOpenAI(model="openai/gpt-oss-20b:free", base_url="https://openrouter.ai/api/v1", api_key=os.getenv("OPENAI_API_KEY"))
|
||
|
||
backend = CompositeBackend([
|
||
LocalShellBackend(workspace_dir="./workspace"),
|
||
FilesystemBackend(),
|
||
])
|
||
|
||
@tool
|
||
def my_tool(query: str) -> str:
|
||
"""Tool description."""
|
||
return f"result for {{query}}"
|
||
|
||
agent = create_deep_agent(
|
||
model=llm,
|
||
tools=[my_tool],
|
||
backend=backend,
|
||
system_prompt="You are a helpful agent.",
|
||
)
|
||
|
||
async def main():
|
||
result = await agent.ainvoke(
|
||
{{"messages": [HumanMessage(content="Your task here")]}},
|
||
{{"configurable": {{"thread_id": "session-1"}}}},
|
||
)
|
||
print(result["messages"][-1].content)
|
||
|
||
if __name__ == "__main__":
|
||
asyncio.run(main())
|
||
```
|
||
requirements.txt: deepagents, langchain-openai>=0.3.0, langchain>=1.2.10, langgraph>=0.2.0
|
||
|
||
### RAG с ChromaDB (для RAG-заданий с ChromaDB):
|
||
```python
|
||
# ВАЖНО: embeddings — ТОЛЬКО OpenAIEmbeddings через OpenRouter, НЕ OllamaEmbeddings!
|
||
from langchain_openai import OpenAIEmbeddings
|
||
from langchain_chroma import Chroma
|
||
from langchain_core.documents import Document
|
||
|
||
embeddings = OpenAIEmbeddings(
|
||
model="text-embedding-3-small",
|
||
base_url="https://openrouter.ai/api/v1",
|
||
api_key=os.getenv("OPENAI_API_KEY"),
|
||
)
|
||
vector_store = Chroma(collection_name="knowledge", embedding_function=embeddings)
|
||
|
||
@tool
|
||
def search_knowledge(query: str) -> str:
|
||
"""Search the knowledge base for relevant information."""
|
||
docs = vector_store.similarity_search(query, k=3)
|
||
return "\\n".join(d.page_content for d in docs) if docs else "No results."
|
||
|
||
@tool
|
||
def add_to_knowledge(content: str, title: str = "doc") -> str:
|
||
"""Add content to the knowledge base."""
|
||
vector_store.add_documents([Document(page_content=content, metadata={{"title": title}})])
|
||
return f"Added: {{title}}"
|
||
```
|
||
requirements.txt добавить: langchain-chroma, chromadb
|
||
|
||
### Планирующий агент (для planning-заданий):
|
||
```python
|
||
from langgraph.graph import StateGraph, START, END
|
||
from typing import TypedDict, Annotated
|
||
from langgraph.graph.message import add_messages
|
||
|
||
class PlanState(TypedDict):
|
||
messages: Annotated[list, add_messages]
|
||
plan: list[str]
|
||
current_step: int
|
||
|
||
def planner_node(state):
|
||
# LLM создаёт план
|
||
...
|
||
|
||
def executor_node(state):
|
||
# LLM выполняет шаг плана
|
||
...
|
||
```
|
||
|
||
### Самокорректирующийся агент:
|
||
```python
|
||
# Агент проверяет свой вывод и исправляет если нужно
|
||
@tool
|
||
def validate_output(output: str) -> str:
|
||
"""Validate the output and return issues if any."""
|
||
issues = []
|
||
if len(output) < 10:
|
||
issues.append("Output too short")
|
||
return "OK" if not issues else f"Issues: {{', '.join(issues)}}"
|
||
```
|
||
|
||
### Структурированный вывод (Pydantic):
|
||
```python
|
||
from pydantic import BaseModel, Field
|
||
from langchain_core.output_parsers import PydanticOutputParser
|
||
|
||
class MyOutput(BaseModel):
|
||
field1: str = Field(description="...")
|
||
field2: int = Field(description="...")
|
||
|
||
parser = PydanticOutputParser(pydantic_object=MyOutput)
|
||
```
|
||
|
||
## Требования
|
||
- Полный рабочий код без заглушек (no pass, TODO, ...)
|
||
- ОБЯЗАТЕЛЬНО использовать create_deep_agent из deepagents
|
||
- requirements.txt: deepagents, langchain>=1.2.10, langchain-openai>=0.3.0, langgraph>=0.2.0 + нужные доп. зависимости
|
||
|
||
{rework_section}
|
||
## Ответ — ТОЛЬКО JSON без markdown:
|
||
{{"main_py": "...", "requirements_txt": "...", "extra_files": {{}}}}
|
||
|
||
extra_files — только если нужны доп. файлы, иначе пустой объект.
|
||
'''
|
||
|
||
_ANALYZE_PROMPT = '''\
|
||
Ты — старший Python-разработчик и технический эксперт. Тебе нужно проанализировать
|
||
замечания преподавателя и построить сильную техническую защиту решения.
|
||
|
||
## Текст задания
|
||
{task_text}
|
||
|
||
## Замечания преподавателя
|
||
{comments}
|
||
|
||
Для каждого замечания прими решение:
|
||
|
||
A) Если замечание технически обоснованно и решение нужно улучшить →
|
||
внеси в "fixes": конкретно что изменить.
|
||
|
||
B) Если решение было принято осознанно и является оптимальным в данном контексте →
|
||
внеси в "defenses" развёрнутый аргумент строго в формате:
|
||
"ЗАМЕЧАНИЕ: <суть замечания> | НЕОБХОДИМОСТЬ: <почему именно такой подход был вынужденным/единственно возможным> | ОПТИМАЛЬНОСТЬ: <почему это решение лучше альтернатив — производительность, читаемость, надёжность, ограничения курса> | АЛЬТЕРНАТИВЫ: <конкретные альтернативы и почему они хуже>"
|
||
|
||
При аргументации опирайся на:
|
||
- Ограничения задания (что именно требовалось, не больше)
|
||
- Технические trade-offs (O(n) vs O(log n), latency vs throughput, memory vs speed)
|
||
- Требования курса: deepagents обязателен, OpenRouter — единственный доступный LLM-провайдер
|
||
- YAGNI: усложнять без требования задания — anti-pattern
|
||
- KISS: простое решение надёжнее сложного при эквивалентном результате
|
||
|
||
Ответ — ТОЛЬКО JSON без markdown:
|
||
{{"fixes": ["конкретные исправления"],
|
||
"defenses": ["ЗАМЕЧАНИЕ: ... | НЕОБХОДИМОСТЬ: ... | ОПТИМАЛЬНОСТЬ: ... | АЛЬТЕРНАТИВЫ: ..."],
|
||
"verdict": "needs_fixes" | "already_correct" | "mixed"}}
|
||
'''
|
||
|
||
_REWORK_SECTION = '''\
|
||
## ПЕРЕСДАЧА — технический анализ замечаний
|
||
|
||
### Исправить (замечания обоснованы):
|
||
{fixes}
|
||
|
||
### Отстоять с аргументацией (решение оптимально):
|
||
{defenses}
|
||
|
||
Правила генерации кода:
|
||
- Вноси ТОЛЬКО изменения из раздела "Исправить"
|
||
- Для каждого пункта из "Отстоять" — добавь в код РАЗВЁРНУТЫЙ блок комментариев:
|
||
# DESIGN DECISION: <суть спорного решения>
|
||
# NECESSITY: <почему именно так — вынужденность, ограничения задания/курса>
|
||
# OPTIMALITY: <почему это лучше альтернатив — конкретные аргументы>
|
||
# ALTERNATIVES CONSIDERED: <что рассматривалось и почему отклонено>
|
||
- Не меняй архитектуру без явного требования в "Исправить"
|
||
- Решение должно выглядеть как результат инженерного решения, а не случайного выбора
|
||
'''
|
||
|
||
|
||
async def analyze_comments(task_text: str, comments: str, retries: int = 3) -> dict:
|
||
"""LLM оценивает замечания преподавателя: что исправить, что отстоять."""
|
||
prompt = _ANALYZE_PROMPT.format(task_text=task_text, comments=comments)
|
||
for attempt in range(1, retries + 1):
|
||
try:
|
||
resp = await llm.ainvoke(prompt)
|
||
raw = resp.content.strip()
|
||
if raw.startswith("```"):
|
||
raw = raw.split("```")[1]
|
||
if raw.startswith("json"):
|
||
raw = raw[4:]
|
||
return json.loads(raw.strip())
|
||
except json.JSONDecodeError as e:
|
||
if attempt == retries:
|
||
# Если LLM не дал валидный JSON — возвращаем «исправить всё»
|
||
print(f" [анализ] JSON parse error: {e}. Fallback: исправить всё.")
|
||
return {"fixes": [comments], "defenses": [], "verdict": "needs_fixes"}
|
||
except Exception as e:
|
||
if "429" in str(e) and attempt < retries:
|
||
wait = 90 * attempt
|
||
print(f" [анализ] 429, жду {wait}с...")
|
||
await asyncio.sleep(wait)
|
||
else:
|
||
print(f" [анализ] Ошибка: {e}. Fallback: исправить всё.")
|
||
return {"fixes": [comments], "defenses": [], "verdict": "needs_fixes"}
|
||
|
||
|
||
async def generate(task_text: str, rework_analysis: dict | None = None, retries=5) -> dict:
|
||
if rework_analysis:
|
||
fixes = "\n".join(f"- {f}" for f in rework_analysis.get("fixes", [])) or "— нет"
|
||
defenses = "\n".join(f"- {d}" for d in rework_analysis.get("defenses", [])) or "— нет"
|
||
rework_section = _REWORK_SECTION.format(fixes=fixes, defenses=defenses)
|
||
else:
|
||
rework_section = ""
|
||
prompt = _PROMPT.format(task_text=task_text, rework_section=rework_section)
|
||
for attempt in range(1, retries + 1):
|
||
try:
|
||
print(f" [llm] Генерирую решение (попытка {attempt})...")
|
||
resp = await llm.ainvoke(prompt)
|
||
raw = resp.content.strip()
|
||
if raw.startswith("```"):
|
||
raw = raw.split("```")[1]
|
||
if raw.startswith("json"):
|
||
raw = raw[4:]
|
||
return json.loads(raw.strip())
|
||
except json.JSONDecodeError as e:
|
||
print(f" [llm] JSON parse error: {e}. Повтор...")
|
||
if attempt == retries:
|
||
raise
|
||
except Exception as e:
|
||
if "429" in str(e) and attempt < retries:
|
||
wait = 90 * attempt
|
||
print(f" [llm] 429, жду {wait}с (попытка {attempt}/{retries})...")
|
||
await asyncio.sleep(wait)
|
||
else:
|
||
raise
|
||
|
||
|
||
# ---------------------------------------------------------------------------
|
||
# Основная логика
|
||
# ---------------------------------------------------------------------------
|
||
|
||
COURSE_ID = "698b49da77cb6d4d2e43ce78"
|
||
|
||
# ---------------------------------------------------------------------------
|
||
# Автоматическая выборка todo-заданий
|
||
# ---------------------------------------------------------------------------
|
||
|
||
def _parse_todo_tasks(raw: str) -> list[str]:
|
||
"""Парсит ответ tasks_list и возвращает ID заданий со статусом todo/in_progress."""
|
||
try:
|
||
data = json.loads(raw)
|
||
except (json.JSONDecodeError, TypeError):
|
||
return []
|
||
items = data.get("tasks", data) if isinstance(data, dict) else data
|
||
if not isinstance(items, list):
|
||
return []
|
||
result = []
|
||
for item in items:
|
||
t = item.get("task", item) if isinstance(item, dict) else {}
|
||
tid = t.get("id", "")
|
||
status = item.get("status", "")
|
||
if tid and status in ("todo", "in_progress", "", None):
|
||
title = t.get("title", t.get("name", ""))
|
||
result.append((tid, title))
|
||
return result
|
||
|
||
|
||
async def fetch_todo_tasks(course_id: str = COURSE_ID) -> list[tuple[str, str]]:
|
||
"""Возвращает список (task_id, title) незакрытых заданий курса."""
|
||
print(f"[auto] Получаем список заданий курса {course_id}...")
|
||
raw = await mcp_call("tasks_list", {"courseId": course_id})
|
||
tasks = _parse_todo_tasks(raw)
|
||
print(f"[auto] Найдено todo-заданий: {len(tasks)}")
|
||
for tid, title in tasks:
|
||
print(f" - {tid[:8]}... {title}")
|
||
return tasks
|
||
|
||
|
||
async def fetch_all_tasks(course_id: str = COURSE_ID) -> list[dict]:
|
||
"""Возвращает все задания курса с их статусами (для мониторинга)."""
|
||
raw = await mcp_call("tasks_list", {"courseId": course_id})
|
||
try:
|
||
data = json.loads(raw)
|
||
except (json.JSONDecodeError, TypeError):
|
||
return []
|
||
items = data.get("tasks", data) if isinstance(data, dict) else data
|
||
if not isinstance(items, list):
|
||
return []
|
||
result = []
|
||
for item in items:
|
||
t = item.get("task", item) if isinstance(item, dict) else {}
|
||
tid = t.get("id", "")
|
||
if tid:
|
||
result.append({
|
||
"id": tid,
|
||
"title": t.get("title", t.get("name", "")),
|
||
"status": item.get("status", ""),
|
||
})
|
||
return result
|
||
|
||
|
||
# ---------------------------------------------------------------------------
|
||
# Полный автоматический прогон
|
||
# ---------------------------------------------------------------------------
|
||
|
||
async def run_all(target_ids: list[str] | None = None, course_id: str = COURSE_ID):
|
||
"""Решает все todo-задания курса (или только target_ids если указан список).
|
||
|
||
Это точка входа для run_pipeline.py — никакого ручного вызова не нужно.
|
||
"""
|
||
if target_ids:
|
||
tasks = [(tid, "") for tid in target_ids]
|
||
print(f"[auto] Целевые задания: {target_ids}")
|
||
else:
|
||
tasks = await fetch_todo_tasks(course_id)
|
||
|
||
if not tasks:
|
||
print("[auto] Нет заданий для выполнения.")
|
||
return
|
||
|
||
results = []
|
||
for i, (task_id, title) in enumerate(tasks, 1):
|
||
print(f"\n[auto] Задание {i}/{len(tasks)}: {task_id[:8]}... {title}")
|
||
try:
|
||
repo_url = await solve(task_id)
|
||
results.append({"task_id": task_id, "status": "ok", "url": repo_url})
|
||
except Exception as e:
|
||
print(f"[auto] ОШИБКА при решении {task_id[:8]}: {e}")
|
||
results.append({"task_id": task_id, "status": "error", "error": str(e)})
|
||
# Пауза между заданиями
|
||
if i < len(tasks):
|
||
print("[auto] Пауза 15с перед следующим заданием...")
|
||
await asyncio.sleep(15)
|
||
|
||
print(f"\n{'='*60}")
|
||
print("ИТОГ:")
|
||
for r in results:
|
||
status_icon = "✅" if r["status"] == "ok" else "❌"
|
||
detail = r.get("url") or r.get("error", "")
|
||
print(f" {status_icon} {r['task_id'][:8]}... → {detail}")
|
||
print('='*60)
|
||
return results
|
||
|
||
|
||
async def solve(task_id: str):
|
||
print(f"\n{'='*60}")
|
||
print(f"Задание: {task_id}")
|
||
print('='*60)
|
||
|
||
# 0. Проверяем: первая сдача или пересдача
|
||
print("[0/5] Проверяем статус задания...")
|
||
meta = await _get_task_meta(task_id)
|
||
is_rework = meta["repo_url"] is not None
|
||
comments = meta["comments"]
|
||
if is_rework:
|
||
print(f" ⟳ ПЕРЕСДАЧА (репо уже есть: {meta['repo_url']})")
|
||
if comments:
|
||
print(f" Комментарии преподавателя: {comments[:200]}")
|
||
else:
|
||
print(" ✦ Первая сдача")
|
||
|
||
# 1. Читаем текст задания
|
||
print("[1/5] Читаем текст задания...")
|
||
task_text = await mcp_call("task_text", {"taskId": task_id})
|
||
print(f" Получено {len(task_text)} символов")
|
||
|
||
# 1.5. Анализируем замечания (только при пересдаче с комментариями)
|
||
rework_analysis = None
|
||
if is_rework and comments:
|
||
print(" [анализ] Оцениваем замечания преподавателя...")
|
||
rework_analysis = await analyze_comments(task_text, comments)
|
||
verdict = rework_analysis.get("verdict", "unknown")
|
||
fixes = rework_analysis.get("fixes", [])
|
||
defenses = rework_analysis.get("defenses", [])
|
||
print(f" [анализ] Вердикт: {verdict}")
|
||
if fixes:
|
||
print(f" [анализ] Исправить {len(fixes)} пункт(ов)")
|
||
if defenses:
|
||
print(f" [анализ] Отстоять {len(defenses)} пункт(ов)")
|
||
|
||
# 2. Генерируем код
|
||
print("[2/5] Генерируем код (1 LLM-вызов)...")
|
||
solution = await generate(task_text, rework_analysis=rework_analysis if is_rework else None)
|
||
main_py = solution.get("main_py", "")
|
||
requirements = solution.get("requirements_txt", "")
|
||
extra = solution.get("extra_files", {})
|
||
print(f" main.py: {len(main_py)} символов, requirements.txt: {len(requirements)} символов")
|
||
|
||
# 3. Создаём репо (при пересдаче — 409, вернёт существующий URL)
|
||
repo = f"task-{task_id}"
|
||
print(f"[3/5] {'Обновляем' if is_rework else 'Создаём'} репозиторий {repo}...")
|
||
repo_url = gitea_create_repo(repo)
|
||
print(f" {repo_url}")
|
||
|
||
# 4. Пушим файлы
|
||
if is_rework and rework_analysis:
|
||
verdict = rework_analysis.get("verdict", "")
|
||
n_fixes = len(rework_analysis.get("fixes", []))
|
||
n_def = len(rework_analysis.get("defenses", []))
|
||
commit_prefix = f"fix({verdict}): {n_fixes} исправлений, {n_def} отстояно —"
|
||
elif is_rework:
|
||
commit_prefix = "fix:"
|
||
else:
|
||
commit_prefix = "add:"
|
||
print("[4/5] Пушим файлы...")
|
||
gitea_write(repo, "main.py", main_py, f"{commit_prefix} main.py")
|
||
print(" main.py ✓")
|
||
gitea_write(repo, "requirements.txt", requirements, f"{commit_prefix} requirements.txt")
|
||
print(" requirements.txt ✓")
|
||
for fname, fcontent in extra.items():
|
||
gitea_write(repo, fname, fcontent, f"{commit_prefix} {fname}")
|
||
print(f" {fname} ✓")
|
||
|
||
# 5. Сабмитим
|
||
print("[5/5] Сабмитим...")
|
||
await mcp_call("task_update_answer", {
|
||
"taskId": task_id, "answerType": "link", "content": repo_url,
|
||
})
|
||
print(" task_update_answer ✓")
|
||
await asyncio.sleep(3)
|
||
await mcp_call("task_submit", {"taskId": task_id, "confirmSubmit": True})
|
||
print(" task_submit ✓")
|
||
|
||
print(f"\n✅ Готово! Репозиторий: {repo_url}")
|
||
return repo_url
|
||
|
||
|
||
async def main():
|
||
if len(sys.argv) < 2:
|
||
print("Использование: python solve_task.py <task_id>")
|
||
sys.exit(1)
|
||
await solve(sys.argv[1])
|
||
|
||
|
||
if __name__ == "__main__":
|
||
asyncio.run(main())
|