# 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', ...}
```