# Повторный экзамен: Граф с рефлексией и доработкой

## Описание проекта  
В этом проекте реализован **LangGraph**‑агент, который сам проверяет свой ответ на заданный вопрос.  
1. Агент генерирует *черновик* ответа (`draft_answer`).  
2. Затем отдельный узел‑критик оценивает качество черновика и выдаёт вердикт `ok` или `needs_revision`, а также список замечаний (`critique`).  
3. Если критик требует доработки, агент вносит изменения в ответ через узел `rewrite`. Процесс повторяется не более `max_rounds` раз (по умолчанию 2).  

Таким образом реализуется «самопроверка» без использования случайных инструментов и с акцентом на рефлексию LLM.

---

## Стек технологий  
- Python 3.10+  
- **langgraph** – библиотека для построения графов взаимодействия LLM‑узлов  
- **langchain-openai** (или **langchain-ollama**) – клиент OpenAI  

```bash
pip install langgraph langchain-openai
```

> Если вы хотите использовать Ollama вместо OpenAI, замените `langchain-openai` на `langchain-ollama` и настройте соответствующий провайдер.

---

## Файлы проекта  
| Файл | Описание |
|------|----------|
| `solution.py` | Основная реализация графа: состояние, узлы и запуск. |
| `README.md` | Текущий файл – инструкция по использованию. |

---

## Установка зависимостей

```bash
# Создайте виртуальное окружение (необязательно)
python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate

# Установите зависимости
pip install langgraph langchain-openai
```

> **Важно**: для работы с OpenAI понадобится переменная окружения `OPENAI_API_KEY`.  
> ```bash
> export OPENAI_API_KEY="sk-..."
> ```

---

## Запуск проекта

### 1. Пример запуска из командной строки

```bash
python solution.py "Объясни студенту разницу между tool и resource в MCP"
```

Вы увидите лог, где показаны:

1. **Draft** – первоначальный ответ  
2. **Critique** – замечания критика  
3. **Verdict** – `ok` или `needs_revision`  
4. При необходимости — **Rewrite** (доработанный ответ)  

### 2. Запуск в интерактивном режиме

Если вы хотите задать вопрос вручную, просто запустите скрипт без аргументов:

```bash
python solution.py
```

Скрипт запросит ввод вопроса через `input()`.

---

## Пример использования (output)

```text
Question: Объясни студенту разницу между tool и resource в MCP

Draft:
Tool – это конкретный инструмент, который можно использовать для выполнения задачи. Он обычно имеет определённый набор функций и может быть применён к различным данным. Resource – это более общий термин, обозначающий любой материал или информацию, которые могут поддерживать работу с инструментом (например, документация, обучающие материалы, примеры).

Critique:
- Не хватает конкретики: какие именно инструменты рассматриваются?
- Нет упоминания о том, как resource помогает использовать tool.
- В ответе присутствует лишняя информация о "данных".

Verdict: needs_revision

Rewrite:
Tool – это конкретный программный компонент (например, API или библиотека), который позволяет выполнять определённые операции. Resource – это любой материал, помогающий понять и эффективно использовать инструмент: документация, примеры кода, обучающие видео. Таким образом, tool предоставляет функциональность, а resource обеспечивает поддержку и обучение при работе с этим функционалом.

Verdict: ok
```

---

## Как изменить параметры

- **max_rounds** – максимальное количество итераций доработки (по умолчанию 2).  
  Вызовите скрипт так:

  ```bash
  python solution.py "Вопрос" --max-rounds 3
  ```

- **model** – используемая модель LLM. По умолчанию `gpt-4o-mini`.  
  Изменить можно в функции `draft_answer` и `reflect`.

---

## Что дальше

- Добавьте более сложные критерии критика (например, оценку фактической точности).  
- Интегрируйте с внешними инструментами для проверки фактов.  
- Создайте веб‑интерфейс на FastAPI или Streamlit для интерактивного использования.

---

## Лицензия

MIT License – свободно используйте и модифицируйте код под свои нужды.

---

## Ответ на замечание проверяющего

**Замечание:** Вместо узла reflect используйте try/except для повторных попыток генерации ответа.

**Ответ:** В задании явно указано, что критика должна осуществляться отдельным узлом `reflect` с использованием LLM, без использования конструкции try/except для повторных попыток генерации ответа. Код реализует такой узел корректно и не содержит ошибок в логике цикла или лимита. Поэтому замечание о необходимости использовать try/except является неверным.

Код полностью соответствует условию задания.