add

nodes.py

@@ -1,120 +1,139 @@
 from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage
+from langchain_core.messages import HumanMessage, SystemMessage
-from pydantic import BaseModel, Field, ValidationError
 from state import ReflectState
 
 # Инициализация LLM
 llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0.7)
 
-# Pydantic модель для валидации ответа
+# Промпты для узлов
-class ValidAnswer(BaseModel):
+DRAFT_PROMPT = """Ты — эксперт, который дает краткие, но содержательные ответы.
-    """Модель для валидации качества ответа"""
+Ответь на вопрос пользователя в 5-10 предложений.
-    content: str = Field(description="Ответ на вопрос")
+Будь конкретным, избегай общих фраз и "воды".
-    is_complete: bool = Field(description="Полнота ответа (должно быть True)")
-    has_examples: bool = Field(description="Наличие примеров (должно быть True)")
-    is_concise: bool = Field(description="Отсутствие воды (должно быть True)")
 
-    def validate_quality(self) -> tuple[bool, str]:
+Вопрос: {question}"""
-        """Проверяет качество ответа по критериям"""
-        issues = []
 
-        if not self.is_complete:
+REFLECT_PROMPT = """Ты — строгий критик, оценивающий качество ответа.
-            issues.append("неполный ответ")
+Критерии оценки:
-        if not self.has_examples:
-            issues.append("нет конкретных примеров")
-        if not self.is_concise:
-            issues.append("содержит воду/общие фразы")
-            
-        if not self.content or len(self.content.split()) < 50:
-            issues.append("слишком короткий ответ (<50 слов)")
-            
-        if len(self.content.split()) > 300:
-            issues.append("слишком длинный ответ (>300 слов)")
-            
-        if issues:
-            return False, f"Проблемы: {', '.join(issues)}"
-        return True, "OK"
-
-# Промпт для генерации с инструкцией по качеству
-ANSWER_PROMPT = """Ты — эксперт, который дает качественные ответы.
-Требования к ответу:
 1. Полнота: ответ покрывает все аспекты вопроса
 2. Конкретика: есть примеры, детали, точные формулировки
-3. Краткость: 5-10 предложений, без воды
+3. Отсутствие воды: нет общих фраз, повторений, лишних слов
 
+Ответ для оценки: {draft}
+
+Твой ответ должен быть в формате:
+VERDICT: [ok/needs_revision]
+CRITIQUE: [2-3 конкретных пункта замечаний или похвала]
+
+Примеры:
+VERDICT: ok
+CRITIQUE: Ответ полный, есть примеры, нет воды.
+
+VERDICT: needs_revision
+CRITIQUE: 1. Нет конкретных примеров. 2. Слишком много общих фраз. 3. Не раскрыта разница в контексте MCP."""
+
+REWRITE_PROMPT = """Улучши ответ на вопрос, учитывая замечания критика.
 Вопрос: {question}
+Предыдущая версия: {draft}
+Замечания критика: {critique}
 
-После ответа добавь метаданные в формате JSON:
+Дай исправленную версию (5-10 предложений), которая:
-{{
+- Учитывает все замечания
-    "is_complete": true/false,
+- Становится более полной и конкретной
-    "has_examples": true/false,
+- Убирает воду
-    "is_concise": true/false
+- Сохраняет краткость (5-10 предложений)"""
-}}
 
-Сам ответ должен быть в markdown формате.
+def draft_answer(state: ReflectState) -> ReflectState:
     """
-
+    Узел: первичная генерация ответа с try/except
-def generate_answer(state: ReflectState) -> ReflectState:
-    """
-    Узел генерации ответа с try/except и валидацией
     При ошибке заполняет поле error
     """
-    print(f"\n📝 [Попытка {state['round']}/{state['max_rounds']}] Генерация ответа...")
+    print(f"\n📝 [Раунд {state['round']}] Генерация черновика...")
     
     try:
-        # 1. Генерация ответа
+        prompt = DRAFT_PROMPT.format(question=state["question"])
-        prompt = ANSWER_PROMPT.format(question=state["question"])
         response = llm.invoke([HumanMessage(content=prompt)])
         
-        # 2. Парсинг JSON-метаданных из ответа
+        # Проверка качества ответа (базовая валидация)
-        import json
+        if len(response.content.split()) < 50:
-        import re
+            raise ValueError("Слишком короткий ответ (<50 слов)")
         
-        # Ищем JSON в конце ответа
+        if len(response.content.split()) > 300:
-        json_match = re.search(r'\{[^{}]*"is_complete"[^{}]*\}', response.content)
+            raise ValueError("Слишком длинный ответ (>300 слов)")
-        if not json_match:
-            raise ValueError("Не найдены метаданные JSON в ответе")
         
-        metadata = json.loads(json_match.group())
+        print(f"   ✅ Черновик успешно создан")
-        
+        new_state = state.copy()
-        # 3. Создаем объект ValidAnswer
+        new_state["draft"] = response.content
-        answer_obj = ValidAnswer(
+        new_state["error"] = None  # Очищаем ошибку
-            content=response.content,
+        return new_state
-            is_complete=metadata.get("is_complete", False),
-            has_examples=metadata.get("has_examples", False),
-            is_concise=metadata.get("is_concise", False)
-        )
-        
-        # 4. Валидация качества
-        is_valid, error_message = answer_obj.validate_quality()
-        
-        if not is_valid:
-            raise ValueError(error_message)
-        
-        # 5. Успех - очищаем ошибку
-        print(f"   ✅ Ответ прошел валидацию!")
-        return {
-            **state,
-            "draft": answer_obj.content,
-            "error": None
-        }
-        
-    except (ValidationError, ValueError, json.JSONDecodeError) as e:
-        # Перехватываем все ошибки валидации
-        error_msg = str(e)
-        print(f"   ❌ Ошибка валидации: {error_msg}")
-        
-        return {
-            **state,
-            "draft": "",  # Очищаем невалидный ответ
-            "error": error_msg
-        }
         
     except Exception as e:
-        # Другие ошибки (сеть, API и т.д.)
+        print(f"   ❌ Ошибка генерации: {str(e)}")
-        print(f"   ❌ Критическая ошибка: {str(e)}")
+        new_state = state.copy()
-        return {
+        new_state["draft"] = ""
-            **state,
+        new_state["error"] = str(e)
-            "draft": "",
+        return new_state
-            "error": f"Критическая ошибка: {str(e)}"
+
-        }
+def reflect(state: ReflectState) -> ReflectState:
+    """Узел: критическая оценка ответа LLM-критиком"""
+    print(f"🔍 [Раунд {state['round']}] Рефлексия критика...")
+    
+    try:
+        prompt = REFLECT_PROMPT.format(draft=state["draft"])
+        response = llm.invoke([HumanMessage(content=prompt)])
+        
+        # Парсим ответ критика
+        lines = response.content.strip().split('\n')
+        verdict = "needs_revision"
+        critique = response.content
+        
+        for line in lines:
+            if line.startswith("VERDICT:"):
+                verdict = line.replace("VERDICT:", "").strip().lower()
+            elif line.startswith("CRITIQUE:"):
+                critique = line.replace("CRITIQUE:", "").strip()
+        
+        if verdict not in ["ok", "needs_revision"]:
+            verdict = "needs_revision"
+        
+        new_state = state.copy()
+        new_state["verdict"] = verdict
+        new_state["critique"] = critique
+        
+        print(f"   Вердикт: {verdict.upper()}")
+        if verdict == "needs_revision":
+            print(f"   Замечания: {critique[:100]}...")
+        
+        return new_state
+        
+    except Exception as e:
+        # Если критик сломался, считаем что нужна доработка
+        print(f"   ⚠️ Ошибка критика: {str(e)}")
+        new_state = state.copy()
+        new_state["verdict"] = "needs_revision"
+        new_state["critique"] = f"Критик не смог оценить ответ: {str(e)}"
+        return new_state
+
+def rewrite(state: ReflectState) -> ReflectState:
+    """Узел: переписывание ответа с учетом замечаний"""
+    print(f"✏️ [Раунд {state['round']}] Переписывание с учетом критики...")
+    
+    try:
+        prompt = REWRITE_PROMPT.format(
+            question=state["question"],
+            draft=state["draft"],
+            critique=state["critique"]
+        )
+        response = llm.invoke([HumanMessage(content=prompt)])
+        
+        new_state = state.copy()
+        new_state["draft"] = response.content
+        new_state["round"] = state["round"] + 1
+        new_state["error"] = None
+        return new_state
+        
+    except Exception as e:
+        print(f"   ❌ Ошибка переписывания: {str(e)}")
+        new_state = state.copy()
+        new_state["error"] = str(e)
+        new_state["round"] = state["round"] + 1
+        return new_state