add nodes.py

nodes.py

@@ -0,0 +1,187 @@
+import os
+from langchain_openai import ChatOpenAI
+from langchain_core.messages import HumanMessage, SystemMessage
+from langchain_tavily import TavilySearch
+from state import BriefState
+
+# Инициализация LLM
+llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0.3)
+
+# Инициализация Tavily search tool
+tavily_search = TavilySearch(
+    max_results=3,
+    topic="general",
+    include_answer=False,
+    include_raw_content=False
+)
+
+# Промпты для узлов
+OUTLINE_PROMPT = """Ты — исследовательский ассистент. Составь план из 4-5 пунктов для исследования темы.
+
+Тема: {topic}
+
+Требования к плану:
+- Каждый пункт должен быть конкретным и исследовательским
+- Пункты должны покрывать разные аспекты темы
+- Используй четкие формулировки (например: "История развития", "Ключевые технологии", "Практические примеры")
+
+Ответ дай в виде списка, каждый пункт на новой строке, начиная с "- ".
+
+Пример:
+- Текущее состояние и тренды
+- Основные вызовы и решения
+- Рекомендации для начинающих"""
+
+RESEARCH_PROMPT = """Ты — исследователь. На основе результатов поиска составь краткую заметку (5-8 предложений) по следующему пункту плана.
+
+Пункт плана: {outline_item}
+
+Результаты поиска:
+{search_results}
+
+Заметка должна:
+- Быть информативной и конкретной
+- Опираться на факты из поиска
+- Содержать 5-8 предложений
+- Заканчиваться выводом или ключевым инсайтом"""
+
+SYNTHESIS_PROMPT = """Ты — аналитик. Объедини собранные заметки в связный исследовательский бриф (полстраницы - страница).
+
+Тема: {topic}
+
+Заметки по пунктам плана:
+{notes}
+
+Требования к брифу:
+1. Начни с краткого введения (2-3 предложения)
+2. Каждый пункт плана оформи как отдельный раздел с заголовком
+3. Сохрани ключевые факты и инсайты из заметок
+4. Добавь заключение с общими выводами (3-4 предложения)
+5. Используй связующие фразы между разделами
+
+Формат:
+# Исследовательский бриф: {topic}
+
+## Введение
+[текст]
+
+## [Заголовок пункта 1]
+[текст]
+
+## [Заголовок пункта 2]
+[текст]
+
+...
+
+## Заключение
+[текст]"""
+
+def outline_node(state: BriefState) -> BriefState:
+    """Узел 1: Составление плана исследования"""
+    print("\n📋 [1/4] Составляю план исследования...")
+    
+    prompt = OUTLINE_PROMPT.format(topic=state["topic"])
+    response = llm.invoke([HumanMessage(content=prompt)])
+    
+    # Парсим список из ответа
+    lines = response.content.strip().split('\n')
+    outline = []
+    for line in lines:
+        line = line.strip()
+        if line.startswith('- '):
+            outline.append(line[2:])
+        elif line.startswith('• '):
+            outline.append(line[2:])
+        elif line and not line.startswith('```'):
+            # Если нет маркера, убираем номер
+            clean = line.lstrip('0123456789. ').strip()
+            if clean:
+                outline.append(clean)
+    
+    # Ограничиваем 5 пунктами
+    outline = outline[:5]
+    
+    print(f"   ✅ План составлен: {len(outline)} пунктов")
+    for i, item in enumerate(outline, 1):
+        print(f"      {i}. {item}")
+    
+    new_state = state.copy()
+    new_state["outline"] = outline
+    new_state["step_index"] = 0
+    new_state["notes"] = []
+    return new_state
+
+def research_step_node(state: BriefState) -> BriefState:
+    """Узел 2: Исследование одного пункта плана через web search"""
+    current_idx = state["step_index"]
+    current_item = state["outline"][current_idx]
+    
+    print(f"\n🔍 [2/4] Исследую пункт {current_idx + 1}/{len(state['outline'])}: {current_item}")
+    
+    # Формируем поисковый запрос
+    search_query = f"{state['topic']} {current_item}"
+    print(f"   Запрос в Tavily: {search_query}")
+    
+    try:
+        # Выполняем поиск
+        search_result = tavily_search.invoke({"query": search_query})
+        
+        # Извлекаем текст результатов
+        if isinstance(search_result, list):
+            results_text = "\n\n".join([
+                f"Источник {i+1}: {item.get('content', '')[:500]}"
+                for i, item in enumerate(search_result[:3])
+                if item.get('content')
+            ])
+        else:
+            results_text = str(search_result)[:1500]
+        
+        # Генерируем заметку на основе поиска
+        prompt = RESEARCH_PROMPT.format(
+            outline_item=current_item,
+            search_results=results_text
+        )
+        response = llm.invoke([HumanMessage(content=prompt)])
+        note = response.content.strip()
+        
+        print(f"   ✅ Заметка создана ({len(note)} символов)")
+        
+    except Exception as e:
+        print(f"   ⚠️ Ошибка поиска: {e}")
+        # Fallback: заметка без поиска
+        prompt = f"Напиши краткую заметку (5-8 предложений) о: {current_item} в контексте {state['topic']}"
+        response = llm.invoke([HumanMessage(content=prompt)])
+        note = response.content.strip()
+        print(f"   ✅ Заметка создана (без поиска)")
+    
+    # Обновляем состояние
+    new_state = state.copy()
+    new_state["notes"] = state["notes"] + [note]
+    new_state["step_index"] = state["step_index"] + 1
+    
+    return new_state
+
+def synthesize_node(state: BriefState) -> BriefState:
+    """Узел 3: Синтез финального брифа из заметок"""
+    print("\n📝 [3/4] Синтезирую финальный исследовательский бриф...")
+    
+    # Форматируем заметки с заголовками пунктов
+    notes_with_headers = []
+    for i, (outline_item, note) in enumerate(zip(state["outline"], state["notes"])):
+        notes_with_headers.append(f"## {outline_item}\n{note}")
+    
+    notes_text = "\n\n".join(notes_with_headers)
+    
+    prompt = SYNTHESIS_PROMPT.format(
+        topic=state["topic"],
+        notes=notes_text
+    )
+    
+    response = llm.invoke([HumanMessage(content=prompt)])
+    final_brief = response.content.strip()
+    
+    print(f"   ✅ Бриф создан ({len(final_brief)} символов)")
+    
+    new_state = state.copy()
+    new_state["final_brief"] = final_brief
+    return new_state