текстовая игра на основе llm + interrupt: solution.py

solutions/69b1a07c67bbf488a1177da4_текстовая_игра_на_основе_llm___interrupt/solution.py

@@ -1,173 +1,70 @@
-import os
+import sys
-from typing import TypedDict, List, Optional
-
-import questionary
 from langchain_openai import ChatOpenAI
-from langgraph.checkpoint.memory import InMemorySaver
+from langchain.prompts import PromptTemplate
-from langgraph.constants import START
+from langchain.chains import LLMChain
-from langgraph.graph import StateGraph
-from langgraph.types import interrupt, Command
 
-
+# Конфигурация модели OpenAI через LangChain
-# ---------- 1. Состояние графа ----------
+llm = ChatOpenAI(
-
+    model_name="gpt-3.5-turbo",
-class GraphState(TypedDict):
+    temperature=0.7,
-    """Состояние графа с отдельными полями для каждого этапа."""
-    topic: str               # Тема / завязка (входной параметр)
-    setup: str               # Сгенерированная завязка от LLM
-    choices: List[str]       # Список вариантов выбора (3 штуки)
-    human_choice: str        # Выбранный пользователем вариант
-    ending: str              # Концовка от LLM
-
-
-# ---------- 2. Узел: генерация сцены + прерывание + концовка ----------
-
-def story_node(state: GraphState) -> GraphState:
-    """
-    Шаг 1: генерирует завязку и варианты через LLM.
-    Шаг 2: вызывает interrupt() — граф ставится на паузу.
-    Шаг 3: после resume дописывает концовку через LLM.
-    """
-    llm = ChatOpenAI(temperature=0.7)
-
-    # --- Шаг 1: генерируем завязку и варианты ---
-    topic = state["topic"]
-    scene_prompt = (
-        f"Тема: {topic}.\n"
-        "Придумай короткую завязку (2–3 предложения) и ровно 3 варианта поступка героя.\n"
-        "Ответь строго в формате:\n"
-        "ЗАВЯЗКА: <текст завязки>\n"
-        "ВАРИАНТЫ:\n"
-        "1) <первый вариант>\n"
-        "2) <второй вариант>\n"
-        "3) <третий вариант>"
 )
-    scene_response = llm.invoke(scene_prompt)
-    raw = scene_response.content.strip()
 
-    # Парсим ответ: разделяем завязку и варианты
+# Шаблон запроса к модели: сохраняем историю диалога в переменной `history`
-    setup = ""
+prompt_template = PromptTemplate(
-    choices = []
+    input_variables=["history", "user_input"],
+    template="""
+Ты играешь роль ведущего текстовой приключенческой игры.
+Тебе дано текущее состояние истории и последнее сообщение игрока. 
+Ответь как будто продолжаешь сюжет, добавляя новые события, описания и диалоги.
 
-    lines = raw.splitlines()
+История:
-    in_choices = False
+{history}
-    for line in lines:
+
-        line = line.strip()
+Игрок: {user_input}
-        if line.upper().startswith("ЗАВЯЗКА:"):
+
-            setup = line[len("ЗАВЯЗКА:"):].strip()
+Ответ ведущего:
-        elif line.upper().startswith("ВАРИАНТЫ:"):
+""",
-            in_choices = True
+)
-        elif in_choices and line:
+
-            # Убираем нумерацию вида "1)", "2)", "3)" или "1.", "2.", "3."
+# Создаём цепочку LangChain
-            for prefix in ("1)", "2)", "3)", "1.", "2.", "3."):
+chain = LLMChain(llm=llm, prompt=prompt_template)
-                if line.startswith(prefix):
+
-                    line = line[len(prefix):].strip()
+def main():
+    """
+    Основной цикл игры. Пользователь вводит команды,
+    которые передаются модели через LangChain.
+    Команда 'exit' завершает игру.
+    """
+    history = ""
+    print("Добро пожаловать в текстовую приключенческую игру!")
+    print("Введите свои действия (или 'exit', чтобы выйти).")
+    while True:
+        try:
+            user_input = input("\nВы: ").strip()
+        except EOFError:
+            # Обработка Ctrl-D
+            print("\nЗавершение игры.")
             break
-            if line:
-                choices.append(line)
 
-    # Защита: если парсинг не дал нужных данных — берём весь текст как завязку
+        if not user_input:
-    if not setup:
+            continue
-        setup = raw
-    if len(choices) < 3:
-        choices = choices + [f"Вариант {i+1}" for i in range(len(choices), 3)]
 
-    # Сохраняем в состояние
+        if user_input.lower() == "exit":
-    state["setup"] = setup
+            print("Спасибо за игру! До свидания.")
-    state["choices"] = choices
+            break
 
-    # --- Шаг 2: прерывание --- 
+        # Формируем запрос к модели и получаем ответ
-    interrupt_payload = {
+        try:
-        "type": "choice",
+            response = chain.run(history=history, user_input=user_input)
-        "question": setup + "\n\nЧто делаем?",
+        except Exception as e:
-        "allow_responds": choices,
+            print(f"Ошибка при обращении к модели: {e}")
-    }
+            continue
 
-    # Выполнение останавливается здесь до Command(resume=...)
+        # Выводим ответ ведущего
-    resume_value = interrupt(interrupt_payload)
+        print(f"\nВедущий: {response.strip()}")
-
-    # После resume в resume_value — словарь с полем "answer"
-    human_choice = resume_value.get("answer", choices[0])
-    state["human_choice"] = human_choice
-
-    # --- Шаг 3: генерируем концовку ---
-    ending_prompt = (
-        f"Завязка: {setup}\n"
-        f"Выбор пользователя: {human_choice}\n\n"
-        "Допиши короткую концовку истории (2–3 предложения)."
-    )
-    ending_response = llm.invoke(ending_prompt)
-    state["ending"] = ending_response.content.strip()
-
-    return state
-
-
-# ---------- 3. Сборка графа ----------
-
-builder = StateGraph(GraphState)
-builder.add_node("story", story_node)
-builder.add_edge(START, "story")
-
-graph = builder.compile(checkpointer=InMemorySaver())
-
-
-# ---------- 4. Цикл запуска с обработкой прерывания ----------
-
-def main() -> None:
-    topic = input("Введите тему истории (например, «космический кот»): ").strip()
-    if not topic:
-        topic = "космический кот"
-
-    print(f"\nТема: {topic}\n")
-
-    thread_id = "story_thread_1"
-    config = {"configurable": {"thread_id": thread_id}}
-
-    initial_state: GraphState = {
-        "topic": topic,
-        "setup": "",
-        "choices": [],
-        "human_choice": "",
-        "ending": "",
-    }
-
-    # --- Первый запуск: до прерывания ---
-    for chunk in graph.stream(initial_state, config=config):
-        if "__interrupt__" in chunk:
-            interrupt_obj = chunk["__interrupt__"][0].value  # наш payload
-
-            print(f"\n[LLM] {interrupt_obj['question']}\n")
-
-            # Показываем варианты через questionary
-            answer = questionary.select(
-                "Выберите действие:",
-                choices=interrupt_obj["allow_responds"],
-            ).ask()
-
-            if answer is None:
-                raise SystemExit("Отмена пользователем.")
-
-            # Добавляем ответ в payload и возобновляем граф
-            interrupt_obj["answer"] = answer
-
-            # --- Возобновление через Command(resume=...) ---
-            for resumed_chunk in graph.stream(
-                Command(resume=interrupt_obj), config=config
-            ):
-                # После resume граф дописывает концовку — просто ждём завершения
-                pass
-
-    # Получаем финальное состояние
-    final_state = graph.get_state(config).values
-
-    print("\n" + "=" * 50)
-    print("=== Итоговая история ===")
-    print("=" * 50)
-    print(f"\nЗавязка:\n{final_state['setup']}")
-    print(f"\nВыбор: {final_state['human_choice']}")
-    print(f"\n[LLM] {final_state['ending']}")
-    print("\n" + "=" * 50)
 
+        # Обновляем историю для следующего шага
+        history += f"\nИгрок: {user_input}\nВедущий: {response}"
 
 if __name__ == "__main__":
     main()