diff --git a/solutions/69dd4221f309a98be0006b2e_сырой_текст_задания___плоская_карточка/solution.py b/solutions/69dd4221f309a98be0006b2e_сырой_текст_задания___плоская_карточка/solution.py
new file mode 100644
index 0000000..d00935d
--- /dev/null
+++ b/solutions/69dd4221f309a98be0006b2e_сырой_текст_задания___плоская_карточка/solution.py
@@ -0,0 +1,87 @@
+import os
+from typing import List
+
+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):
+    """Модель карточки задания."""
+
+    title: str = Field(..., description="Краткое название задачи")
+    subject: str = Field(..., description="Предмет или область знаний")
+    deadline_hint: str | None = Field(
+        None,
+        description=(
+            "Указание срока сдачи в свободной форме (например, \"к пятнице\")"
+        ),
+    )
+    deliverable_type: str = Field(
+        ..., description="Тип сдаваемого материала (отчёт, код и т.д.)"
+    )
+    grading_hints: List[str] | None = Field(
+        default_factory=list,
+        description=(
+            "Ключевые критерии оценки, упомянутые в тексте задачи (например, \"полнота\", \"пример кода\")"
+        ),
+    )
+
+def main():
+    # Инициализация модели (используем ключ из переменной окружения)
+    llm = ChatOpenAI(
+        model="gpt-4o-mini",
+        temperature=0,
+    )
+
+    parser = PydanticOutputParser(pydantic_object=TaskCard)
+
+    prompt_template = PromptTemplate(
+        template="""
+Ниже приведено неформальное описание задания. Преобразуйте его в
+структурированный объект TaskCard, заполнив все поля.
+
+Текст задания:
+{task_text}
+
+Ответ должен быть строго в формате JSON, соответствующем полям модели.
+Используйте только те ключи, которые описаны в модели: title,
+subject, deadline_hint, deliverable_type, grading_hints.
+
+Пример вывода:
+{format_instructions}
+""",
+        input_variables=["task_text"],
+        partial_variables={"format_instructions": parser.get_format_instructions()},
+    )
+
+    chain = prompt_template | llm | parser
+
+    # Пример входного текста
+    task_input = (
+        "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
+        "Оценка: за полноту и за пример кода."
+    )
+
+    try:
+        result: TaskCard = chain.invoke({"task_text": task_input})
+    except Exception as exc:
+        print(f"Ошибка при обработке задания: {exc}")
+        return
+
+    # Вывод валидированного объекта
+    print("Валидированный объект:")
+    print(result.model_dump())
+
+    # Краткая человекочитаемая сводка
+    summary = (
+        f"Задача \"{result.title}\" по предмету {result.subject}. "
+        f"Срок сдачи: {result.deadline_hint or 'не указан'}. "
+        f"Тип сдаваемого материала: {result.deliverable_type}. "
+        f"Критерии оценки: {', '.join(result.grading_hints) if result.grading_hints else 'нет'}."
+    )
+    print("\nСводка:")
+    print(summary)
+
+if __name__ == "__main__":
+    main()