сырой текст задания → плоская карточка: solution.py

solution.py

@@ -0,0 +1,146 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+
+"""
+solution.py
+
+Простой скрипт, который принимает одну строку с описанием задания,
+передаёт её модели OpenAI через LangChain и получает валидированный объект
+TaskCard (Pydantic). Затем выводит сериализованную форму и краткую сводку.
+"""
+
+import os
+import sys
+from typing import List
+
+from pydantic import BaseModel, Field
+from langchain_core.prompts import PromptTemplate
+from langchain_openai import ChatOpenAI
+from langchain_core.output_parsers import PydanticOutputParser
+
+
+# --------------------------------------------------------------------------- #
+# 1. Модель данных карточки задания
+# --------------------------------------------------------------------------- #
+class TaskCard(BaseModel):
+    """
+    Карточка задачи, которую генерирует модель.
+    """
+
+    title: str = Field(
+        ...,
+        description="Краткое название задачи (например, «Мини‑отчёт по LangChain»).",
+    )
+    subject: str | None = Field(
+        None,
+        description="Тема или предмет, к которому относится задача.",
+    )
+    deadline_hint: str | None = Field(
+        None,
+        description=(
+            "Неформальное указание срока сдачи (например, «к пятнице»)."
+        ),
+    )
+    deliverable_type: str | None = Field(
+        None,
+        description="Тип сдаваемого материала (отчёт, код, презентация и т.п.).",
+    )
+    grading_hints: List[str] | None = Field(
+        None,
+        description=(
+            "Ключевые критерии оценки. Каждый элемент списка – отдельный пункт."
+        ),
+    )
+
+
+# --------------------------------------------------------------------------- #
+# 2. Настройка LLM и парсера
+# --------------------------------------------------------------------------- #
+# Параметры модели можно менять через переменные окружения.
+OPENAI_MODEL = os.getenv("OPENAI_MODEL", "gpt-4o-mini")
+TEMPERATURE = float(os.getenv("OPENAI_TEMPERATURE", "0"))
+
+llm = ChatOpenAI(
+    model=OPENAI_MODEL,
+    temperature=TEMPERATURE,
+)
+
+parser = PydanticOutputParser(pydantic_object=TaskCard)
+
+
+# --------------------------------------------------------------------------- #
+# 3. Шаблон промпта
+# --------------------------------------------------------------------------- #
+prompt_template = PromptTemplate(
+    template="""
+Вы — помощник, который преобразует неформальное описание задания в структурированный формат.
+Пожалуйста, выведите только JSON‑объект с полями, которые описаны ниже.
+
+{format_instructions}
+
+Входное описание:
+"{input_text}"
+""",
+    input_variables=["input_text"],
+    partial_variables={"format_instructions": parser.get_format_instructions()},
+)
+
+# --------------------------------------------------------------------------- #
+# 4. Цепочка (prompt → LLM → парсер)
+# --------------------------------------------------------------------------- #
+chain = prompt_template | llm | parser
+
+
+# --------------------------------------------------------------------------- #
+# 5. Вспомогательная функция для вывода сводки
+# --------------------------------------------------------------------------- #
+def summarize(card: TaskCard) -> str:
+    """
+    Формирует краткую человекочитаемую сводку из объекта TaskCard.
+    """
+    parts = [f"**{card.title}**"]
+    if card.subject:
+        parts.append(f"(предмет: {card.subject})")
+    if card.deadline_hint:
+        parts.append(f"Срок сдачи: {card.deadline_hint}")
+    if card.deliverable_type:
+        parts.append(f"Тип сдаваемого материала: {card.deliverable_type}")
+    if card.grading_hints:
+        hints = ", ".join(card.grading_hints)
+        parts.append(f"Критерии оценки: {hints}")
+    return " | ".join(parts)
+
+
+# --------------------------------------------------------------------------- #
+# 6. Точка входа
+# --------------------------------------------------------------------------- #
+def main() -> None:
+    if len(sys.argv) > 1:
+        # Если передан аргумент, считаем его описанием задания
+        input_text = " ".join(sys.argv[1:])
+    else:
+        # Иначе читаем из stdin (первую строку)
+        print("Введите описание задания:")
+        input_text = sys.stdin.readline().strip()
+
+    if not input_text:
+        print("Ошибка: входной текст пуст.")
+        sys.exit(1)
+
+    try:
+        card: TaskCard = chain.invoke({"input_text": input_text})
+    except Exception as exc:
+        print(f"Не удалось получить структуру от модели: {exc}")
+        sys.exit(1)
+
+    # Вывод валидированного объекта
+    print("\n=== Валидированный объект ===")
+    print(card.model_dump(indent=2))
+
+    # Краткая сводка
+    print("\n=== Сводка задачи ===")
+    print(summarize(card))
+
+
+if __name__ == "__main__":
+    main()