Initial solution: add main.py

main.py

@@ -0,0 +1,100 @@
+"""CLI tool for extracting structured data from text using LangChain and Pydantic.
+
+The script supports two schemas:
+- PersonInfo
+- MeetingNotes
+
+It automatically detects the type of input text and runs the appropriate chain.
+"""
+
+import argparse
+import sys
+from datetime import datetime
+from typing import List, Optional
+
+from langchain_core.output_parsers import PydanticOutputParser
+from langchain_core.prompts import PromptTemplate
+from langchain_openai import ChatOpenAI
+from pydantic import BaseModel, Field
+
+# ---------------------------------------------------------------------------
+# Pydantic models
+# ---------------------------------------------------------------------------
+class PersonInfo(BaseModel):
+    name: str = Field(..., description="Имя человека")
+    age: Optional[int] = Field(None, description="Возраст, если известен")
+    profession: str = Field(..., description="Профессия человека")
+    skills: List[str] = Field(..., description="Список навыков")
+
+class MeetingNotes(BaseModel):
+    date: datetime = Field(..., description="Дата встречи")
+    participants: List[str] = Field(..., description="Участники встречи")
+    topics: List[str] = Field(..., description="Темы обсуждения")
+    decisions: List[str] = Field(..., description="Принятые решения")
+    next_steps: List[str] = Field(..., description="Следующие шаги")
+
+# ---------------------------------------------------------------------------
+# Prompt templates
+# ---------------------------------------------------------------------------
+PERSON_PROMPT = PromptTemplate(
+    input_variables=["text"],
+    template=(
+        """
+        Извлечь из следующего текста информацию о человеке в формате JSON, соответствующем схеме PersonInfo.
+        Текст: {text}
+        JSON: """
+    ),
+)
+
+MEETING_PROMPT = PromptTemplate(
+    input_variables=["text"],
+    template=(
+        """
+        Извлечь из следующего текста информацию о встрече в формате JSON, соответствующем схеме MeetingNotes.
+        Текст: {text}
+        JSON: """
+    ),
+)
+
+# ---------------------------------------------------------------------------
+# Helper functions
+# ---------------------------------------------------------------------------
+
+def detect_schema(text: str) -> str:
+    """Простейшая эвристика: если в тексте встречается слово "встреча" или "meeting" – считаем это встречей.
+    Иначе – человек.
+    """
+    lowered = text.lower()
+    if "встреча" in lowered or "meeting" in lowered:
+        return "meeting"
+    return "person"
+
+
+def build_chain(schema: str):
+    if schema == "person":
+        parser = PydanticOutputParser(pydantic_object=PersonInfo)
+        chain = PERSON_PROMPT | ChatOpenAI(temperature=0) | parser
+    else:
+        parser = PydanticOutputParser(pydantic_object=MeetingNotes)
+        chain = MEETING_PROMPT | ChatOpenAI(temperature=0) | parser
+    return chain
+
+# ---------------------------------------------------------------------------
+# CLI entry point
+# ---------------------------------------------------------------------------
+
+def main():
+    parser = argparse.ArgumentParser(description="Extract structured data from text.")
+    parser.add_argument("--text", required=True, help="Input text to parse")
+    args = parser.parse_args()
+
+    schema = detect_schema(args.text)
+    chain = build_chain(schema)
+    result = chain.invoke({"text": args.text})
+
+    # result is a Pydantic model instance
+    print(result.model_dump(indent=2))
+
+
+if __name__ == "__main__":
+    main()