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

solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/README.md

@@ -1,102 +1,107 @@
 # Практическое задание №3 – Память и подтверждение действий
 
 ## Описание проекта
-В этом задании вы дорабатываете агента из предыдущих практических работ.  
-Новые возможности:
 
-* **Память разговора** – агент запоминает все сообщения в рамках одного диалога.
+В этом проекте реализован чат‑бот, построенный на **LangGraph** и **OpenAI LLM**, с добавленной памятью диалога и механизмом подтверждения каждого вызова инструмента пользователем.  
-* **Подтверждение перед вызовом инструмента** – пользователь подтверждает каждый запрос к инструменту.
+Бот умеет:
 
-Для красивого вывода используется библиотека `rich`.
+- 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
 
-## Структура репозитория
 ```
-project/
+.
-├── solution.py          # Основной скрипт с реализацией агента
+├── solution.py          # основной скрипт с реализацией агента
-└── README.md            # Это файл
+└── README.md            # это файл
 ```
 
----
-
 ## Установка зависимостей
 
 ```bash
-# Создайте виртуальное окружение (рекомендуется)
+# Создайте виртуальное окружение (необязательно, но рекомендуется)
 python -m venv .venv
 source .venv/bin/activate   # Windows: .venv\Scripts\activate
 
 # Установите все необходимые пакеты
-pip install langchain-openai langgraph rich
+pip install langgraph langchain openai rich
 ```
 
-> **Важно**  
+> **Важно** – для работы с OpenAI нужен ключ API.  
-> Для работы с `ChatOpenAI` вам понадобится переменная окружения `OPENAI_API_KEY`.  
+> Если переменная окружения `OPENAI_API_KEY` не задана, скрипт автоматически создаст «заглушку» LLM, которая возвращает фиктивный ответ.
-> ```bash
-> export OPENAI_API_KEY="sk-..."
-> ```
 
----
+## Как запустить
-
-## Запуск проекта
-
-### 1. Откройте терминал и перейдите в корневую папку проекта.
-
-```bash
-cd /путь/к/project
-```
-
-### 2. Активируйте виртуальное окружение (если не сделали это ранее).
-
-```bash
-source .venv/bin/activate   # Windows: .venv\Scripts\activate
-```
-
-### 3. Запустите скрипт `solution.py`.
 
 ```bash
 python solution.py
 ```
 
-> Скрипт запускает интерактивный диалог с агентом.  
+После запуска бот будет ждать ввода пользователя в консоли.  
-> Введите сообщение, после чего агент предложит вам подтвердить вызов инструмента (в данном случае – эхо‑инструмент).  
+Пример взаимодействия:
-> Нажмите **Y** для подтверждения или **N** для отмены.
 
----
+```
+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
 
-```text
+```python
-$ python solution.py
+from langgraph.prebuilt import create_agent
-🤖  Здравствуйте! Чем могу помочь? 
+from langchain.tools import BaseTool
-User: Какой сегодня день недели?
+from langgraph.checkpoint.memory import MemorySaver
-🤖  (подтверждение) Вы хотите вызвать инструмент echo_tool с аргументом {"message": "Какой сегодня день недели?"}?
+from rich.console import Console
-Y
+
-✅  Эхо: Какой сегодня день недели?
+# 1. Создаём LLM (или заглушку)
-🤖  Что ещё интересует вас?
+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)
 ```
 
-* `🤖` – вывод агента.  
-* `User:` – ваш ввод.  
-* `✅` – результат работы инструмента после подтверждения.
-
----
-
-## Как это работает
-
-1. **MemorySaver** сохраняет все сообщения в состоянии графа, позволяя агенту «помнить» историю диалога.
-2. Параметр `interrupt_before=['tools']` заставляет агент остановиться перед каждым вызовом инструмента и запросить подтверждение от пользователя.
-3. Библиотека `rich` используется для красивого форматирования вывода в консоли.
-
----
-
 ## Что дальше
 
-* Добавьте собственные инструменты (например, поиск в интернете, вычисления и т.д.).
+- Добавьте собственные инструменты (например, поиск в интернете, работа с базой данных и т.д.).
-* Измените `system_prompt`, чтобы агент отвечал в нужном стиле.
+- Настройте более сложный `system_prompt` для конкретных задач.
-* Попробуйте запустить несколько диалогов с разными `thread_id` – они будут независимыми.
+- Используйте разные `thread_id`, чтобы вести несколько независимых разговоров одновременно.
 
 ---
 
-## Поддержка
+**Автор:** *Ваша команда*  
-
+**Дата:** 27 мая 2026 г.
-Если возникли вопросы или проблемы, откройте issue в репозитории.