from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Tirgus pētnieks",
goal="Atrodi ticamus un aktuālus datus par mērķa tirgu un konkurentiem.",
backstory=(
"Tu esi rūpīgs analītiķis, kas pārbauda apgalvojumus, norāda avotus un apkopo "
"signālus no uzticamiem izdevumiem."
),
tools=[], # vēlāk pievieno tīmekļa/meklēšanas/skrāpēšanas rīkus
llm=llm
)
strategist = Agent(
role="Produkta stratēģis",
goal="Sintizē pētījumu skaidrā pozicionējumā un ceļvedī.",
backstory="Tu prioritē skaidrību, izpildāmību un izmērāmus rezultātus.",
tools=[],
llm=llm
)
writer = Agent(
role="Satura autors",
goal="Izveido labi strukturētu īsu aprakstu ar piemēriem un turpmākajiem soļiem.",
backstory="Tu raksti kodolīgā, pārliecinošā angļu valodā, ievērojot stila vadlīnijas.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"Izpēti ASV SMB projektu vadības programmatūras tirgu 2025. gadā. "
"Identificē galvenos konkurentus, cenu līmeņus, ICP un trīs nepilnības. "
"Atgriez punktu veidā 3–5 avotus."
),
expected_output=(
"Markdown formāta īss apskats ar sadaļām: Tirgus lielums, Galvenie spēlētāji, Cenas, ICP, "
"Nepilnības, Avoti (ar saitēm)."
),
agent=researcher
)
synthesis_task = Task(
description=(
"Izmantojot pētījumu ziņojumu, izveido pozicionēšanas frāzi, 2–3 atšķirības, "
"un 90 dienu ceļvedi ar posmiem."
),
expected_output="Konkretizēta stratēģijas piezīme (līdz 400 vārdiem).",
agent=strategist
)
writing_task = Task(
description=(
"Pārvērt stratēģijas piezīmi publiski pieejamā vienas lapas formātā. Iekļauj virsrakstu, "
"vērtības piedāvājumu, svarīgākās iezīmes un aicinājumu uz darbību."
),
expected_output="Markdown formāta viena lapa, piemērota mājaslapai.",
agent=writer
)

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

fact_checker = Agent(
role="Faktu pārbaudītājs",
goal="Validē visus apgalvojumus pret primārajiem avotiem; iezīmē vāji citētus.",
backstory="Skeptisks, rūpīgs, neitrāls.",
llm=llm
)
qa_task = Task(
description="Validē visus faktus; pielabo tekstā ar [FIX] atzīmēm.",
expected_output="Labots melnraksts ar labojumu kopsavilkumu.",
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=(
"Apkopojiet 5 jaunākos pētījumus par attālinātas darba produktivitāti (2023–2025), "
"ietverot metodoloģiju, parauga lielumu un galvenās atziņas."
),
expected_output=(
"Markdown formāts ar H2 sadaļām katram pētījumam, beigās salīdzinājuma tabula un saites."
),
agent=researcher
)

r1 = Agent(role="Pētnieks A", goal="Koncentrējas uz cenām", backstory="", llm=llm)
r2 = Agent(role="Pētnieks B", goal="Koncentrējas uz funkcijām", backstory="", llm=llm)
# Paralēli uzdevumi r1 un r2; sintēzes uzdevums apvieno rezultātus.

qa = Agent(
role="QA recenzents",
goal="Pārliecinās, ka iznākumi atbilst pieņemšanas kritērijiem un stila vadlīnijām.",
backstory="Esi stingrs un pedantisks.",
llm=llm
)

researcher = Agent(
role="Analītiskais pētnieks",
goal=(
"Sniedz kompaktu, precīzu kopsavilkumu ar 3–5 ticamiem citātiem un riska piezīmi."
),
backstory=(
"Tu pārbaudi apgalvojumus, dod priekšroku primārajiem avotiem un iezīmē nenoteiktību."
),
llm=llm
)

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

persona = Agent(role="Personas analītiķis", goal="Definē ICP un JTBD.", llm=llm)
researcher = Agent(role="Pētnieks", goal="Savāc ticamus datus.", llm=llm)
synth = Agent(role="Sintēzes veidotājs", goal="Salīdzina un interpretē.", llm=llm)
writer = Agent(role="Autors", goal="Izveido vadībai gatavu apskatu.", llm=llm)
qa = Agent(role="QA", goal="Pārbauda apgalvojumus un skaidrību.", llm=llm)
persona_task = Task(description="Definē ICP un JTBD SaaS RevOps līderiem.", agent=persona,
expected_output="Punkti + sāpes + panākumu metri.")
research_task = Task(description="Savāc cenas, funkcijas un atsauksmes par 3 rīkiem.", agent=researcher,
expected_output="Tabula + 5 citāti.")
synth_task = Task(description="Izveido salīdzinājuma matricu un trīs galvenos ieskatus.", agent=synth,
expected_output="Markdown tabula + ieskati.")
write_task = Task(description="Izveido 1 lapas apskatu ar ieteikumiem.", agent=writer,
expected_output="Vadībai domāts apskats markdown formātā.")
qa_task = Task(description="Pārbauda precizitāti un lasāmību; izdara labojumus.", agent=qa,
expected_output="Tīrs, verificēts apskats.")
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)