From 78dfe4666d7e2ee9241c06f4b6ac23a17fa8747c Mon Sep 17 00:00:00 2001
From: lonpatovaadelina <lonpatovaadelina@mail.ru>
Date: Fri, 29 May 2026 06:39:24 +0000
Subject: [PATCH] =?UTF-8?q?=D0=AD=D0=BA=D0=B7=D0=B0=D0=BC=D0=B5=D0=BD:=20?=
 =?UTF-8?q?=D0=9F=D0=BB=D0=B0=D0=BD=D0=B8=D1=80=D1=83=D1=8E=D1=89=D0=B8?=
 =?UTF-8?q?=D0=B9=20=D0=B0=D0=B3=D0=B5=D0=BD=D1=82:=20README.md?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 README.md | 108 +++++++++++++++++++++++++++++++++++++++++++++++++++++-
 1 file changed, 106 insertions(+), 2 deletions(-)

diff --git a/README.md b/README.md
index ca14403..db0eb9b 100644
--- a/README.md
+++ b/README.md
@@ -1,3 +1,107 @@
-# task-6a1864fd-ekzamen-planiruyuschiy-ag
+# Планирующий агент (LangGraph)
 
-Решения домашних заданий
\ No newline at end of file
+**Экзаменационное практическое задание** – собрать LangGraph‑агента с отдельным этапом планирования.  
+Сначала LLM разбивает задачу на шаги, затем выполняет их по очереди и выдаёт итоговый ответ.
+
+---
+
+## 📖 Описание
+
+* **Язык**: Python 3.10+  
+* **Библиотеки**:
+  * `langgraph` – граф с прерываниями и чекпоинтером
+  * `langchain` + `langchain-openai` – вызов LLM
+  * `questionary` – интерактивный ввод в консоли
+
+> **Важно**: проект рассчитан на использование модели OpenAI.  
+> Если вы хотите использовать другую модель, настройте `ChatOpenAI` в `solution.py`.
+
+---
+
+## ⚙️ Установка
+
+```bash
+# Клонируйте репозиторий
+git clone https://github.com/your-username/planning-agent.git
+cd planning-agent
+
+# Создайте виртуальное окружение (рекомендуется)
+python -m venv .venv
+source .venv/bin/activate   # Windows: .venv\Scripts\activate
+
+# Установите зависимости
+pip install langgraph langchain langchain-openai questionary
+```
+
+> **API‑ключ**  
+> Установите переменную окружения `OPENAI_API_KEY` с вашим ключом OpenAI:
+
+```bash
+export OPENAI_API_KEY="sk-..."
+```
+
+---
+
+## 🚀 Запуск
+
+```bash
+python solution.py
+```
+
+### Что происходит
+
+1. **Ввод задачи** – пользователь вводит задачу, которую нужно решить.  
+2. **Планирование** – LLM генерирует список шагов (`plan`).  
+3. **Выполнение** – каждый шаг выполняется последовательно, пользователь может просматривать результаты.  
+4. **Итог** – после выполнения всех шагов выводится финальный ответ.
+
+---
+
+## 📄 Пример использования
+
+```text
+$ python solution.py
+Введите задачу: Напиши план по изучению Python за 3 месяца
+
+План:
+1. Изучить основы синтаксиса
+2. Практиковаться с проектами
+3. Изучить продвинутые темы
+4. Пройти сертификацию
+
+Выберите шаг для выполнения (1-4): 1
+Результат шага 1: ...
+Выберите шаг для выполнения (1-4): 2
+Результат шага 2: ...
+...
+
+Итоговый ответ:
+...
+```
+
+---
+
+## 📂 Структура проекта
+
+```
+.
+├── solution.py          # Основной скрипт
+├── README.md            # Это файл
+└── requirements.txt     # (опционально) список зависимостей
+```
+
+---
+
+## 🔧 Настройка
+
+* **Параметры модели** – можно изменить в `solution.py` (например, `temperature`, `max_tokens`).  
+* **Чекпоинтер** – по умолчанию используется `SqliteSaver`. Путь к базе можно задать через `SqliteSaver.from_conn_str("sqlite:///graph_state.db")`.  
+* **Интерактивность** – `questionary` обеспечивает простое меню выбора. Если нужно убрать интерактивность, замените `select` и `text` на обычный `input()`.
+
+---
+
+## 📜 Лицензия
+
+MIT © 2026
+
+---```
\ No newline at end of file