Обновить solutions/69dd4221f309a98be0006b2e_сырой_текст_задания___плоская_карточка/solution.py

solutions/69dd4221f309a98be0006b2e_сырой_текст_задания___плоская_карточка/solution.py

@@ -1,11 +1,15 @@
 import os
 from typing import List
 
-from pydantic import BaseModel, Field
+# LangChain — обёртки над моделью и парсером
 from langchain_core.prompts import PromptTemplate
-from langchain_openai import ChatOpenAI
 from langchain_core.output_parsers import PydanticOutputParser
 
+# LangChain — интеграция с OpenAI
+from langchain_openai import ChatOpenAI
+
+from pydantic import BaseModel, Field
+
 
 class AssignmentCard(BaseModel):
     """Структурированная карточка учебного задания."""
@@ -26,9 +30,11 @@ class AssignmentCard(BaseModel):
     )
 
 
-def run(raw_text: str) -> None:
+def main() -> None:
+    # Парсер структурированного вывода из langchain_core
     output_parser = PydanticOutputParser(pydantic_object=AssignmentCard)
 
+    # Шаблон промпта из langchain_core
     template = PromptTemplate(
         template=(
             "Прочитай описание учебного задания и заполни все поля карточки.\n\n"
@@ -42,11 +48,18 @@ def run(raw_text: str) -> None:
         },
     )
 
+    # Языковая модель через обёртку langchain_openai
     model = ChatOpenAI(model="gpt-4o-mini", temperature=0)
 
+    # Цепочка LangChain: промпт | модель | парсер
     chain = template | model | output_parser
 
-    card: AssignmentCard = chain.invoke({"raw_text": raw_text})
+    sample = (
+        "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
+        "Оценка: за полноту и за пример кода."
+    )
+
+    card: AssignmentCard = chain.invoke({"raw_text": sample})
 
     print("Валидированный объект:")
     print(card.model_dump())
@@ -61,8 +74,4 @@ def run(raw_text: str) -> None:
 
 
 if __name__ == "__main__":
-    sample = (
-        "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
-        "Оценка: за полноту и за пример кода."
-    )
-    run(sample)
+    main()