from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Market Researcher",
goal="למצוא תובנות אמינות ועדכניות על שוק היעד והמתחרים.",
backstory=(
"אתה אנליסט חרוץ שמאמת טענות, מצטט מקורות ומסכם "
"אינדיקציות מפרסומים מהימנים."
),
tools=[], # הוסף כלים לחיפוש/סורק אינטרנט בהמשך
llm=llm
)
strategist = Agent(
role="Product Strategist",
goal="לסנתז מחקר למיקום ברור ואפשרויות מפת דרכים.",
backstory="אתה שם דגש על בהירות, ישימות ותוצאות מדידות.",
tools=[],
llm=llm
)
writer = Agent(
role="Content Writer",
goal="להפיק תדריך מסודר עם דוגמאות ושלבים הבאים.",
backstory="אתה כותב באנגלית ברורה ומשכנעת ופועל לפי מדריכי סגנון.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"לחקור את שוק תוכנות ניהול פרויקטים לעסקים קטנים בארה"ב בשנת 2025. "
"לזהות מתחרים מובילים, רמות תמחור, פרופילי לקוח אידיאליים ו-3 צרכים לא מסופקים. "
"להחזיר נקודות עיקריות עם 3–5 ציטוטים."
),
expected_output=(
"תדריך ב-Markdown עם סעיפים: גודל השוק, שחקנים מרכזיים, תמחור, ICPs, "
"צרכים לא מסופקים, מקורות (עם קישורים)."
),
agent=researcher
)
synthesis_task = Task(
description=(
"בהסתמך על תדריך המחקר, הפק הצהרת מיקום, 2–3 הבדלות "
"ומפת דרכים לתקופה של 90 יום עם אבני דרך."
),
expected_output="מזכר אסטרטגי תמציתי (עד 400 מילים).",
agent=strategist
)
writing_task = Task(
description=(
"הפוך את המזכר האסטרטגי לדף ציבורי. כלול כותרת ראשית, "
"הצעת ערך, נקודות תכונה וקריאה לפעולה."
),
expected_output="דף Markdown המתאים לדף נחיתה.",
agent=writer
)

from crewai import Crew
crew = Crew(
agents=[researcher, strategist, writer],
tasks=[research_task, synthesis_task, writing_task],
process="sequential", # העבר תוצרים לפי סדר
verbose=True
)
result = crew.kickoff
print(result)

fact_checker = Agent(
role="Fact Checker",
goal="לאמת את כל הטענות מול מקורות ראשוניים; לסמן ציטוטים חלשים.",
backstory="ספקן, קפדן, לא מוטה.",
llm=llm
)
qa_task = Task(
description="לבדוק את כל הטענות העובדתיות; להוסיף תיקונים טקסטואליים עם תגי [FIX].",
expected_output="טיוטה מתוקנת עם סיכום תיקונים.",
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=(
"סכם 5 מחקרים אחרונים על פרודוקטיביות בעבודה מרחוק (2023–2025) עם "
"שיטה, גודל דגימה וממצאים מרכזיים."
),
expected_output=(
"Markdown עם סעיפים H2 לכל מחקר, טבלת השוואה סופית וקישורים."
),
agent=researcher
)

r1 = Agent(role="Researcher A", goal="התמקד בתמחור", backstory="", llm=llm)
r2 = Agent(role="Researcher B", goal="התמקד בתכונות", backstory="", llm=llm)
# משימות מקבילות עבור r1, r2; משימת סינתזה מאוחדת בהמשך.

qa = Agent(
role="QA Reviewer",
goal="לוודא שהתוצרים עומדים בקריטריוני הקבלה ומדריך הסגנון.",
backstory="אתה קפדן ומדוקדק.",
llm=llm
)

researcher = Agent(
role="Analytical Researcher",
goal=(
"לספק תדריכים מדויקים ותמציתיים עם 3–5 ציטוטים אמינים והערת סיכון."
),
backstory=(
"אתה מאמת טענות, מעדיף מקורות ראשוניים ומצביע על אי וודאות."
),
llm=llm
)

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

persona = Agent(role="Persona Analyst", goal="Define ICP and JTBD.", llm=llm)
researcher = Agent(role="Researcher", goal="Collect credible data.", llm=llm)
synth = Agent(role="Synthesizer", goal="Compare and interpret.", llm=llm)
writer = Agent(role="Writer", goal="Create an executive-ready brief.", llm=llm)
qa = Agent(role="QA", goal="Validate claims and clarity.", llm=llm)
persona_task = Task(description="Define ICP & JTBD for RevOps leaders in SaaS.", agent=persona,
expected_output="Bullets + pain points + success metrics.")
research_task = Task(description="Collect pricing, features, and reviews for 3 tools.", agent=researcher,
expected_output="Table + 5 citations.")
synth_task = Task(description="Build a comparison matrix and top 3 insights.", agent=synth,
expected_output="Markdown table + insights.")
write_task = Task(description="Draft a 1-page brief with recommendations.", agent=writer,
expected_output="Executive brief in markdown.")
qa_task = Task(description="Check accuracy and readability; fix issues.", agent=qa,
expected_output="Clean, validated brief.")
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)