Практическое задание №3: Память и подтверждение действий: README.md

2026-05-27 14:28:00 +00:00
parent 1b90830db5
commit 117968930e
1 changed files with 79 additions and 86 deletions
@@ -1,21 +1,13 @@
-# Практическое задание №3 – Память и подтверждение действий
+# Практическое задание №3: Память и подтверждение действий
 ## Описание проекта
 В этом проекте реализован агент на базе LangGraph с поддержкой:
 - **Памяти разговора** – сохранение истории сообщений в `MemorySaver`.
 - **Подтверждения действия** – пауза перед вызовом любого инструмента, чтобы пользователь мог подтвердить или отменить действие.
-В этом проекте реализован чат‑бот, построенный на **LangGraph** и **OpenAI LLM**, с добавленной памятью диалога и механизмом подтверждения каждого вызова инструмента пользователем.  
+Агент использует модель GPT‑4o‑mini и простой инструмент поиска. Вывод осуществляется через библиотеку `rich`, что делает консольный интерфейс более читаемым.
 Бот умеет:
- хранить историю общения в памяти (`MemorySaver`);
+---
 - прерываться перед каждым использованием внешнего инструмента (пауза `interrupt_before=['tools']`);
 - запрашивать у пользователя подтверждение, прежде чем выполнять инструмент.
 ## Структура проекта
 ```
 .
 ├── solution.py          # основной скрипт с реализацией агента
 └── README.md            # это файл
 ```
 ## Установка зависимостей
@@ -25,83 +17,84 @@ python -m venv .venv
 source .venv/bin/activate   # Windows: .venv\Scripts\activate
 # Установите все необходимые пакеты
-pip install langgraph langchain openai rich
+pip install -r requirements.txt
 ```
-> **Важно** – для работы с OpenAI нужен ключ API.  
+`requirements.txt` содержит:
 > Если переменная окружения `OPENAI_API_KEY` не задана, скрипт автоматически создаст «заглушку» LLM, которая возвращает фиктивный ответ.
-## Как запустить
+```text
-
+langchain-openai>=0.2.0
-```bash
+langgraph>=0.1.0
-python solution.py
+rich>=13.0.0
 python-dotenv  # для удобного управления переменными окружения (необязательно)
 ```
-После запуска бот будет ждать ввода пользователя в консоли.  
+> **Важно**: Установите ключ OpenAI в переменной окружения `OPENAI_API_KEY`.  
-Пример взаимодействия:
+> Можно создать файл `.env` с содержимым:
-
+> ```dotenv
-```
+> OPENAI_API_KEY=sk-...
-User: Привет!
+> ```
 Bot: Здравствуйте! Чем могу помочь?
 User: Сколько стоит 1 кг яблок?
 Bot (пауза): Вы хотите вызвать инструмент "price_lookup" с аргументами {"item": "яблоки", "quantity_kg": 1}?
 (Введите `yes` или `no`)
 User: yes
 Bot: Цена за 1 кг яблок составляет $3.50.
 ```
 > В реальном запуске бот будет использовать OpenAI GPT‑4o (или другой выбранный LLM) и ваш собственный инструмент, который вы можете добавить в список `tools`.
 ## Пример использования
 ```python
 from langgraph.prebuilt import create_agent
 from langchain.tools import BaseTool
 from langgraph.checkpoint.memory import MemorySaver
 from rich.console import Console
 # 1. Создаём LLM (или заглушку)
 llm = ChatOpenAI(temperature=0)
 # 2. Определяем инструмент
 class EchoTool(BaseTool):
    name: str = "echo"
    description: str = "Возвращает переданный текст."
    def _run(self, text: str) -> str:
        return f"Echo: {text}"
 tools = [EchoTool()]
 # 3. Создаём память
 memory = MemorySaver()
 # 4. Конфигурируем агента с паузой и подтверждением
 agent = create_agent(
    model=llm,
    tools=tools,
    system_prompt="You are a helpful assistant.",
    checkpointer=memory,          # нужна для памяти и паузы
    interrupt_before=['tools'],   # остановка перед каждым вызовом инструмента
 )
 # 5. Запускаем диалог
 console = Console()
 config = {"configurable": {"thread_id": "demo-thread"}}
 for chunk in agent.stream(
        {"messages": [{"role": "user", "content": "Привет!"}]},
        config=config,
    ):
    console.print(chunk)
 ```
 ## Что дальше
 - Добавьте собственные инструменты (например, поиск в интернете, работа с базой данных и т.д.).
 - Настройте более сложный `system_prompt` для конкретных задач.
 - Используйте разные `thread_id`, чтобы вести несколько независимых разговоров одновременно.
 ---
-**Автор:** *Ваша команда*  
+## Запуск
-**Дата:** 27 мая 2026 г.
+
 ### 1. Основной скрипт (`solution.py`)
 ```bash
 python solution.py
 ```
 Скрипт запускает интерактивный чат‑бот, который:
 1. Принимает ввод пользователя.
 2. Пауза перед каждым вызовом инструмента `search`.
 3. Показывает пользователю сообщение о предстоящем действии и ожидает подтверждения (`y`/`n`).
 4. Если пользователь подтверждает – инструмент вызывается; иначе действие отменяется.
 ### 2. Тестовый скрипт (если есть)
 Если в проекте присутствует файл `test_solution.py`, его можно запустить так:
 ```bash
 pytest test_solution.py
 ```
 ---
 ## Пример использования
 ```text
 $ python solution.py
 🤖: Здравствуйте! Чем могу помочь?
 🧑: Какую погоду будет завтра в Москве?
 🤖: Я собираюсь выполнить поиск по запросу "погода завтра Москва". Продолжить? (y/n) y
 🔍 Выполняю инструмент search...
 Результаты поиска по запросу 'погода завтра Москва': ...
 🤖: Похоже, завтра в Москве будет облачно с небольшой вероятностью осадков. Есть ли ещё что‑то, чем могу помочь?
 ```
 Если пользователь вводит `n`:
 ```text
 🤖: Я собираюсь выполнить поиск по запросу "погода завтра Москва". Продолжить? (y/n) n
 🤖: Операция отменена. Чем ещё могу помочь?
 ```
 ---
 ## Как это работает
 1. **MemorySaver** сохраняет состояние разговора, позволяя агенту помнить предыдущие сообщения.
 2. `interrupt_before=['tools']` заставляет агент остановиться перед каждым вызовом инструмента.
 3. Внутри цикла обработки сообщений пользователь получает запрос на подтверждение и вводит `y`/`n`.
 4. После подтверждения инструмент вызывается через LangGraph, а результат возвращается в поток.
 ---
 ## Что можно улучшить
 - Добавить более сложные инструменты (например, API погоды).
 - Реализовать хранение истории в базе данных вместо памяти в RAM.
 - Поддержать несколько параллельных разговоров с разными `thread_id`.
 ---