# Самокорректирующийся агент

## Описание проекта
Проект реализует **LangGraph**‑агента, который:
1. Выполняет задачу через инструмент (или набор инструментов).
2. Проверяет результат с помощью LLM‑судьи (`LLM-as-judge`).
3. При неудаче повторяет попытку до тех пор, пока не получит `success`
   или не исчерпает заданный лимит `max_attempts`.

Это демонстрация автоматической самопроверки и ретрая в стиле HITL (Human‑in‑the‑Loop) без участия человека.

## Стек технологий
- Python 3.10+
- `langgraph` – библиотека для построения графов агентов.
- `langchain-openai` или `langchain-ollama` – LLM‑интеграция (OpenAI API либо локальный Ollama).

## Установка зависимостей

```bash
# Создайте виртуальное окружение (рекомендуется)
python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate

# Установите зависимости
pip install langgraph langchain-openai  # или langchain-ollama
```

> **Важно**  
> Если вы используете `langchain-openai`, убедитесь, что переменная окружения `OPENAI_API_KEY` установлена:
> ```bash
> export OPENAI_API_KEY="sk-..."
> ```

## Запуск проекта

### 1. Основной скрипт `main.py`
Скрипт запускает агент с заданной задачей и выводит результат.

```bash
python main.py
```

Внутри `main.py` задаётся:
- `task`: исходная задача (строка).
- `max_attempts`: максимальное число попыток.
- `unreliable_tool`: пример инструмента, который иногда генерирует ошибку.

### 2. Пример использования в интерактивном режиме

```python
from main import run_agent

result = run_agent(
    task="Напиши короткую историю о путешествии робота",
    max_attempts=5,
)
print(result)   # {"status": "success", "attempts": 3, ...}
```

> `run_agent` – публичная функция из `main.py`, которую можно импортировать в другие скрипты.

## Пример вывода

```text
Attempt 1: Выполнение задачи...
Result: "Робот отправился в космос..."
Проверка результата... Неудача. Ошибка: Недостаточно деталей.
Повторяем попытку...

Attempt 2: Выполнение задачи...
Result: "Робот отправился в космос, но забыл зарядку..."
Проверка результата... Успех!
```

## Как это работает

1. **execute_task** – вызывает `unreliable_tool` (или любой другой инструмент) и сохраняет результат.
2. **verify_result** – LLM оценивает строку результата как `success` или `failed`.
3. Если `failed` и попыток осталось, **handle_error** увеличивает счётчик и переходит к `execute_task` снова.
4. После достижения `max_attempts` агент завершается со статусом `max_attempts`.

## Расширение проекта

- Добавьте свои инструменты в список `tools`.
- Настройте более сложные правила проверки результата, используя собственный шаблон LLM‑судьи.
- Интегрируйте с другими LLM (Claude, Gemini) через `langchain-openai`/`langchain-google-genai`.

## Лицензия
MIT License – свободно используйте и модифицируйте этот код для своих проектов.

--- 

**Ссылка на репозиторий:** https://github.com/your-username/self-correcting-agent (замените на актуальную)