feat: initial solution for task 2 - structured output with Pydantic and LangChain

.env.example

@@ -0,0 +1,3 @@
+OPENAI_API_KEY=your-api-key-here
+OPENAI_BASE_URL=https://api.openai.com/v1
+OPENAI_MODEL=gpt-4o-mini

README.md

@@ -0,0 +1,50 @@
+# Задание 2: Сырой текст задания → плоская карточка
+
+## Описание
+
+Модуль разбора одного формулировки задания в компактную структурированную сводку.
+Использует LLM-цепочку (LangChain) + PydanticOutputParser для извлечения полей из неструктурированного текста.
+
+## Стек
+
+- Python 3.10+
+- langchain-core, langchain-openai, pydantic, python-dotenv
+
+## Установка
+
+```bash
+pip install -r requirements.txt
+cp .env.example .env
+# Заполнить OPENAI_API_KEY в .env
+```
+
+## Запуск
+
+```bash
+python main.py
+```
+
+## Что делает
+
+1. Описывает Pydantic-модель `TaskCard` с полями: `title`, `subject`, `deadline_hint`, `deliverable_type`, `grading_hints`
+2. Собирает цепочку: шаблон промпта → LLM → PydanticOutputParser
+3. В промпте явно просит модель вернуть данные в формате, ожидаемом парсером
+4. Выводит валидированный объект (`model_dump()`) и краткую человекочитаемую сводку
+5. Один запрос — один проход, без уточняющих вопросов
+
+## Пример вывода
+
+```
+📝 Входной текст:
+   "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. Оценка: за полноту и за пример кода."
+
+=== Карточка задания ===
+Название:       Мини-отчёт по LangChain
+Предмет:        LangChain
+Дедлайн:        к пятнице
+Тип результата: отчёт
+Критерии:       полнота, пример кода
+
+=== JSON (model_dump) ===
+{'title': 'Мини-отчёт по LangChain', 'subject': 'LangChain', ...}
+```

main.py

@@ -0,0 +1,128 @@
+"""
+Задание 2: Сырой текст задания → плоская карточка
+
+Скрипт с LangChain + Pydantic, который из неструктурированного текста задания
+извлекает структурированную карточку: title, subject, deadline_hint,
+deliverable_type, grading_hints.
+"""
+
+import os
+from pydantic import BaseModel, Field
+from langchain.output_parsers import PydanticOutputParser
+from langchain.prompts import PromptTemplate
+from langchain_openai import ChatOpenAI
+
+
+# ─── Pydantic-модель карточки ───────────────────────────────────────────────
+
+class TaskCard(BaseModel):
+    """Структурированная карточка задания, извлечённая из сырого текста."""
+
+    title: str = Field(
+        description="Краткое название задания (1–10 слов)"
+    )
+    subject: str = Field(
+        description="Предмет / область знаний, к которой относится задание"
+    )
+    deadline_hint: str = Field(
+        description="Указание на дедлайн, если есть в тексте; иначе — «не указан»"
+    )
+    deliverable_type: str = Field(
+        description="Тип результата: например «код», «эссе», «презентация», «отчёт», «тест» и т.д."
+    )
+    grading_hints: str = Field(
+        description="Подсказки по оцениванию: что будет проверяться, критерии, баллы — кратко"
+    )
+
+
+# ─── Настройка парсера и промпта ───────────────────────────────────────────
+
+parser = PydanticOutputParser(pydantic_object=TaskCard)
+
+prompt = PromptTemplate(
+    template=(
+        "Ты — ассистент, который превращает неструктурированный текст учебного задания "
+        "в структурированную карточку.\n\n"
+        "Извлеки из текста ниже пять полей:\n"
+        "- title — краткое название задания\n"
+        "- subject — предмет / область\n"
+        "- deadline_hint — дедлайн (если указан, иначе «не указан»)\n"
+        "- deliverable_type — тип результата (код, эссе, презентация, отчёт, тест…)\n"
+        "- grading_hints — краткие критерии оценивания\n\n"
+        "Текст задания:\n"
+        "{raw_text}\n\n"
+        "{format_instructions}"
+    ),
+    input_variables=["raw_text"],
+    partial_variables={"format_instructions": parser.get_format_instructions()},
+)
+
+
+# ─── Инициализация LLM ──────────────────────────────────────────────────────
+
+# Переменные окружения (можно задать через .env или export):
+#   OPENAI_API_BASE — URL API (по умолчанию https://api.openai.com/v1)
+#   OPENAI_API_KEY  — ключ API
+#   OPENAI_MODEL    — модель (по умолчанию gpt-4o-mini)
+
+api_base = os.environ.get("OPENAI_API_BASE", "https://api.openai.com/v1")
+api_key = os.environ.get("OPENAI_API_KEY", "")
+model_name = os.environ.get("OPENAI_MODEL", "gpt-4o-mini")
+
+llm = ChatOpenAI(
+    model=model_name,
+    openai_api_base=api_base,
+    openai_api_key=api_key,
+    temperature=0,
+)
+
+
+# ─── Цепочка (один проход) ──────────────────────────────────────────────────
+
+chain = prompt | llm | parser
+
+
+# ─── Пример использования ───────────────────────────────────────────────────
+
+SAMPLE_TASK = (
+    "Напишите Python-скрипт, который парсит CSV-файл с данными о продажах "
+    "и строит сводный отчёт по месяцам. Код должен быть покрыт тестами (pytest). "
+    "Дедлайн — 15 марта 2025 года. Оценивается: корректность парсинга (30%), "
+    "качество тестов (30%), читаемость кода (20%), оформление README (20%). "
+    "Предмет: Программирование на Python."
+)
+
+
+def extract_card(raw_text: str) -> TaskCard:
+    """Извлечь структурированную карточку из сырого текста задания."""
+    result = chain.invoke({"raw_text": raw_text})
+    return result
+
+
+def print_card(card: TaskCard) -> None:
+    """Красивый вывод карточки."""
+    print("=" * 60)
+    print("  СТРУКТУРИРОВАННАЯ КАРТОЧКА ЗАДАНИЯ")
+    print("=" * 60)
+    for key, value in card.model_dump().items():
+        print(f"  {key:20s}: {value}")
+    print("=" * 60)
+    print()
+    print("model_dump():")
+    print(card.model_dump())
+    print()
+    print("── Краткая сводка ──")
+    print(f"  📌 Задание : {card.title}")
+    print(f"  📚 Предмет  : {card.subject}")
+    print(f"  ⏰ Дедлайн  : {card.deadline_hint}")
+    print(f"  📦 Результат: {card.deliverable_type}")
+    print(f"  ✅ Критерии : {card.grading_hints}")
+
+
+if __name__ == "__main__":
+    print("Образец входного текста:")
+    print(f'  "{SAMPLE_TASK}"')
+    print()
+
+    card = extract_card(SAMPLE_TASK)
+    print_card(card)

requirements.txt

@@ -0,0 +1,4 @@
+langchain-core>=0.3.0
+langchain-openai>=0.2.0
+pydantic>=2.0.0
+python-dotenv>=1.0.0