From 18bad93b45d62eedbf6a5d8aabdf3d304bd20645 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=D0=9C=D0=B0=D1=80=D0=B8=D1=8F=20=D0=91=D0=B5=D1=80=D0=B4?=
 =?UTF-8?q?=D0=BD=D0=B8=D0=BA=D0=BE=D0=B2=D0=B0?=
 <mariahberdnikova@yandex.ru>
Date: Thu, 28 May 2026 16:28:26 +0000
Subject: [PATCH] =?UTF-8?q?=D0=AD=D0=BA=D0=B7=D0=B0=D0=BC=D0=B5=D0=BD:=20?=
 =?UTF-8?q?=D0=9F=D0=BB=D0=B0=D0=BD=D0=B8=D1=80=D1=83=D1=8E=D1=89=D0=B8?=
 =?UTF-8?q?=D0=B9=20=D0=B0=D0=B3=D0=B5=D0=BD=D1=82:=20solution.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 solution.py | 81 +++++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 81 insertions(+)
 create mode 100644 solution.py

diff --git a/solution.py b/solution.py
new file mode 100644
index 0000000..4829c23
--- /dev/null
+++ b/solution.py
@@ -0,0 +1,81 @@
+import os
+from typing import List, Dict, Any
+
+# Библиотеки, которые должны быть установлены в окружении:
+# - langchain
+# - fastapi (если понадобится)
+# - pydantic
+# - rich (для красивого вывода)
+
+try:
+    from langchain.llms import OpenAI
+    from langchain.prompts import PromptTemplate
+    from langchain.chains import LLMChain
+except ImportError as exc:
+    raise RuntimeError(
+        "Не удалось импортировать необходимые библиотеки. "
+        "Убедитесь, что установлены langchain и его зависимости."
+    ) from exc
+
+# Конфигурация модели (можно заменить на другую)
+OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
+if not OPENAI_API_KEY:
+    raise RuntimeError(
+        "Переменная окружения OPENAI_API_KEY не задана. "
+        "Пожалуйста, установите ключ API для OpenAI."
+    )
+
+# Основной класс планирующего агента
+class PlanningAgent:
+    """
+    Простая реализация планировщика задач на основе LLM.
+    Принимает список целей и генерирует последовательность действий,
+    которые необходимо выполнить для достижения каждой цели.
+    """
+
+    def __init__(self, llm_model: str = "gpt-3.5-turbo"):
+        self.llm = OpenAI(model=llm_model, temperature=0.7)
+        # Шаблон запроса к LLM
+        self.prompt_template = PromptTemplate(
+            input_variables=["goal"],
+            template=(
+                "Ты планировщик задач. Для цели: '{goal}' "
+                "предложи пошаговый план действий в виде списка.\n"
+                "Ответ должен быть коротким и конкретным, каждый шаг на одной строке."
+            ),
+        )
+        self.chain = LLMChain(llm=self.llm, prompt=self.prompt_template)
+
+    def plan_for_goal(self, goal: str) -> List[str]:
+        """
+        Генерирует план действий для одной цели.
+        Возвращает список строк – шагов плана.
+        """
+        raw_output = self.chain.run({"goal": goal})
+        # Разделяем вывод по строкам и убираем пустые
+        steps = [step.strip() for step in raw_output.splitlines() if step.strip()]
+        return steps
+
+    def plan_for_goals(self, goals: List[str]) -> Dict[str, List[str]]:
+        """
+        Генерирует планы для списка целей.
+        Возвращает словарь: цель → список шагов.
+        """
+        plans = {}
+        for goal in goals:
+            plans[goal] = self.plan_for_goal(goal)
+        return plans
+
+# Тестовый пример использования
+if __name__ == "__main__":
+    agent = PlanningAgent()
+    sample_goals = [
+        "Запустить новый веб-сайт",
+        "Оптимизировать производительность базы данных",
+        "Подготовить презентацию для инвесторов"
+    ]
+    plans = agent.plan_for_goals(sample_goals)
+    for goal, steps in plans.items():
+        print(f"\nЦель: {goal}")
+        for i, step in enumerate(steps, 1):
+            print(f"  Шаг {i}: {step}")
\ No newline at end of file