from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="মার্কেট গবেষক",
goal="লক্ষ্য বাজার এবং প্রতিযোগীদের সম্পর্কে বিশ্বাসযোগ্য, বর্তমান তথ্য খুঁজে বের করা।",
backstory=(
"আপনি একজন পরিশ্রমী বিশ্লেষক যিনি দাবি যাচাই করেন, উৎস উল্লেখ করেন এবং খ্যাতি সম্পন্ন প্রকাশনা থেকে"
"সংকেতগুলো সংক্ষিপ্ত করেন।"
),
tools=[], # পরে ওয়েব/সার্চ/স্ক্র্যাপার সরঞ্জাম যোগ করুন
llm=llm
)
strategist = Agent(
role="পণ্য কৌশলবিদ",
goal="গবেষণা থেকে একটি স্পষ্ট অবস্থান এবং রোডম্যাপ বিকল্প তৈরি করা।",
backstory="আপনি স্বচ্ছতা, সম্ভাব্যতা এবং পরিমাপযোগ্য ফলাফলকে অগ্রাধিকার দেন।",
tools=[],
llm=llm
)
writer = Agent(
role="কনটেন্ট রাইটার",
goal="উদাহরণ এবং পরবর্তী পদক্ষেপ সহ একটি ভালোভাবে তৈরি করা সংক্ষিপ্ত বিবরণ তৈরি করা।",
backstory="আপনি সংক্ষিপ্ত, যুক্তিনির্ভর ইংরেজি ভাষায় লেখেন এবং স্টাইল গাইড অনুসরণ করেন।",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"2025 সালে মার্কিন এসএমবি প্রোজেক্ট ম্যানেজমেন্ট সফটওয়্যার বাজার নিয়ে গবেষণা করুন।"
"শীর্ষ প্রতিযোগী, মূল্য স্তর, আইসিপি এবং তিনটি অপূর্ণ চাহিদা চিহ্নিত করুন।"
"3-5টি উদ্ধৃতিসহ বুলেট পয়েন্ট ফেরত দিন।"
),
expected_output=(
"বিভাগসহ একটি মার্কডাউন সংক্ষিপ্ত বিবরণ: বাজারের আকার, মূল খেলোয়াড়, মূল্য, আইসিপি,"
"অপূর্ণ চাহিদা, উৎস (লিঙ্কসহ)।"
),
agent=researcher
)
synthesis_task = Task(
description=(
"গবেষণা সংক্ষিপ্ত বিবরণ ব্যবহার করে, একটি অবস্থান বিবৃতি, 2-3টি পার্থক্যকারী,"
"এবং মাইলস্টোনসহ একটি 90 দিনের রোডম্যাপ তৈরি করুন।"
),
expected_output="একটি সংক্ষিপ্ত কৌশল মেমো (<= 400 শব্দ)।",
agent=strategist
)
writing_task = Task(
description=(
"কৌশল মেমোটিকে একটি সর্বজনীন এক-পেজারে পরিণত করুন। একটি শিরোনাম, অন্তর্ভুক্ত করুন,"
"মূল্য প্রস্তাব, বৈশিষ্ট্য বুলেট এবং একটি সিটিএ।"
),
expected_output="একটি ল্যান্ডিং পেজের জন্য উপযুক্ত মার্কডাউন এক-পেজার।",
agent=writer
)

from crewai import Crew
crew = Crew(
agents=[researcher, strategist, writer],
tasks=[research_task, synthesis_task, writing_task],
process="sequential", # ক্রমানুসারে আউটপুট হস্তান্তর করুন
verbose=True
)
result = crew.kickoff
print(result)

fact_checker = Agent(
role="তথ্য পরীক্ষক",
goal="প্রাথমিক উৎসের বিপরীতে সমস্ত দাবি যাচাই করুন; দুর্বল উদ্ধৃতি চিহ্নিত করুন।",
backstory="সন্দেহপ্রবণ, খুঁটিনাটি, নিরপেক্ষ।",
llm=llm
)
qa_task = Task(
description="সমস্ত তথ্যগত বিবৃতি যাচাই করুন; [FIX] ট্যাগ দিয়ে ইনলাইন সংশোধন যোগ করুন।",
expected_output="সংশোধনের সারসংক্ষেপসহ একটি সংশোধিত খসড়া।",
agent=fact_checker
)

from langchain_community.tools import DuckDuckGoSearchRun
from langchain_community.document_loaders import WebBaseLoader
search = DuckDuckGoSearchRun
def web_search_tool(query: str):
return search.run(query)
def read_url_tool(url: str):
loader = WebBaseLoader(url)
docs = loader.load
return "\n\n".join([d.page_content[:2000] for d in docs])
researcher.tools = [web_search_tool, read_url_tool]

Task(
description=(
"পদ্ধতি, নমুনার আকার এবং মূল ফলাফল সহ রিমোট ওয়ার্ক প্রোডাক্টিভিটি (2023-2025) নিয়ে সাম্প্রতিক 5টি গবেষণার সারসংক্ষেপ করুন।"
"পদ্ধতি, নমুনার আকার এবং মূল ফলাফল সহ রিমোট ওয়ার্ক প্রোডাক্টিভিটি (2023-2025) নিয়ে সাম্প্রতিক 5টি গবেষণার সারসংক্ষেপ করুন।"
),
expected_output=(
"প্রতিটি গবেষণা, একটি চূড়ান্ত তুলনা টেবিল এবং লিঙ্কগুলির জন্য H2 বিভাগ সহ মার্কডাউন।"
),
agent=researcher
)

r1 = Agent(role="গবেষক A", goal="মূল্যের উপর ফোকাস", backstory="", llm=llm)
r2 = Agent(role="গবেষক B", goal="বৈশিষ্ট্যগুলির উপর ফোকাস", backstory="", llm=llm)
# r1, r2 এর জন্য সমান্তরাল টাস্ক; একটি ফলো-আপ সংশ্লেষণ টাস্ক তাদের আউটপুট একত্রিত করে।

qa = Agent(
role="QA পর্যালোচক",
goal="আউটপুটগুলি গ্রহণযোগ্যতার মানদণ্ড এবং স্টাইল গাইড পূরণ করে তা নিশ্চিত করুন।",
backstory="আপনি কঠোর এবং পেডান্টিক।",
llm=llm
)

researcher = Agent(
role="বিশ্লেষণাত্মক গবেষক",
goal=(
"3-5টি বিশ্বাসযোগ্য উদ্ধৃতি এবং একটি ঝুঁকি নোট সহ সংক্ষিপ্ত, নির্ভুল বিবরণ সরবরাহ করুন।"
),
backstory=(
"আপনি দাবি যাচাই করেন, প্রাথমিক উৎস পছন্দ করেন এবং অনিশ্চয়তা চিহ্নিত করেন।"
),
llm=llm
)

crew = Crew(..., verbose=True, output_log_file="runs/2025-crew.log")

persona = Agent(role="পার্সোনা বিশ্লেষক", goal="আইসিপি এবং জেটিবিডি সংজ্ঞায়িত করুন।", llm=llm)
researcher = Agent(role="গবেষক", goal="বিশ্বাসযোগ্য ডেটা সংগ্রহ করুন।", llm=llm)
synth = Agent(role="সংশ্লেষক", goal="তুলনা করুন এবং ব্যাখ্যা করুন।", llm=llm)
writer = Agent(role="লেখক", goal="একটি নির্বাহী-প্রস্তুত সংক্ষিপ্ত তৈরি করুন।", llm=llm)
qa = Agent(role="QA", goal="দাবি এবং স্পষ্টতা যাচাই করুন।", llm=llm)
persona_task = Task(description="SaaS-এ RevOps নেতাদের জন্য ICP এবং JTBD সংজ্ঞায়িত করুন।", agent=persona,
expected_output="বুলেট + ব্যথার পয়েন্ট + সাফল্যের মেট্রিক।")
research_task = Task(description="3টি সরঞ্জামের জন্য মূল্য, বৈশিষ্ট্য এবং পর্যালোচনা সংগ্রহ করুন।", agent=researcher,
expected_output="টেবিল + 5 উদ্ধৃতি।")
synth_task = Task(description="একটি তুলনা ম্যাট্রিক্স এবং শীর্ষ 3 অন্তর্দৃষ্টি তৈরি করুন।", agent=synth,
expected_output="মার্কডাউন টেবিল + অন্তর্দৃষ্টি।")
write_task = Task(description="সুপারিশ সহ একটি 1-পৃষ্ঠার সংক্ষিপ্ত খসড়া তৈরি করুন।", agent=writer,
expected_output="মার্কডাউনে নির্বাহী সংক্ষিপ্ত।")
qa_task = Task(description="সঠিকতা এবং পঠনযোগ্যতা পরীক্ষা করুন; সমস্যাগুলি সমাধান করুন।", agent=qa,
expected_output="পরিষ্কার, যাচাইকৃত সংক্ষিপ্ত।")
crew = Crew(agents=[persona, researcher, synth, writer, qa],
tasks=[persona_task, research_task, synth_task, write_task, qa_task],
process="sequential", verbose=True)
print(crew.kickoff)