from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Penyelidik Pasaran",
goal="Cari cerapan yang boleh dipercayai dan terkini tentang pasaran sasaran dan pesaing.",
backstory=(
"Anda ialah penganalisis yang tekun yang mengesahkan tuntutan, memetik sumber dan meringkaskan "
"isyarat daripada penerbitan yang bereputasi."
),
tools=[], # tambah alatan web/carian/pengikis kemudian
llm=llm
)
strategist = Agent(
role="Pakar Strategi Produk",
goal="Sintesiskan penyelidikan ke dalam kedudukan yang jelas dan pilihan pelan tindakan.",
backstory="Anda mengutamakan kejelasan, kebolehlaksanaan dan hasil yang boleh diukur.",
tools=[],
llm=llm
)
writer = Agent(
role="Penulis Kandungan",
goal="Hasilkan ringkasan yang tersusun rapi dengan contoh dan langkah seterusnya.",
backstory="Anda menulis dalam bahasa Inggeris yang ringkas dan meyakinkan serta mengikut panduan gaya.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"Kaji pasaran perisian pengurusan projek SMB AS pada tahun 2025. "
"Kenal pasti pesaing utama, peringkat harga, ICP dan tiga keperluan yang belum dipenuhi. "
"Kembalikan mata bulet dengan 3–5 petikan."
),
expected_output=(
"Ringkasan markdown dengan bahagian: Saiz Pasaran, Pemain Utama, Harga, ICP, "
"Keperluan yang Tidak Dipenuhi, Sumber (dengan pautan)."
),
agent=researcher
)
synthesis_task = Task(
description=(
"Menggunakan ringkasan penyelidikan, hasilkan penyataan kedudukan, 2–3 pembeza dan "
"pelan tindakan 90 hari dengan pencapaian penting."
),
expected_output="Memo strategi ringkas (<= 400 patah perkataan).",
agent=strategist
)
writing_task = Task(
description=(
"Ubah memo strategi menjadi satu halaman yang menghadap orang ramai. Sertakan tajuk utama, "
"cadangan nilai, mata ciri dan CTA."
),
expected_output="Satu halaman markdown yang sesuai untuk halaman pendaratan.",
agent=writer
)

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

fact_checker = Agent(
role="Penyemak Fakta",
goal="Sahkan semua tuntutan terhadap sumber utama; tandakan petikan yang lemah.",
backstory="Skeptikal, teliti, tidak berat sebelah.",
llm=llm
)
qa_task = Task(
description="Sahkan semua penyataan fakta; tambahkan pembetulan sebaris dengan teg [FIX].",
expected_output="Draf yang diperbetulkan dengan ringkasan pembetulan.",
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=(
"Ringkaskan 5 kajian terkini tentang produktiviti kerja jauh (2023–2025) dengan "
"metodologi, saiz sampel dan penemuan utama."
),
expected_output=(
"Markdown dengan bahagian H2 setiap kajian, jadual perbandingan akhir dan pautan."
),
agent=researcher
)

r1 = Agent(role="Penyelidik A", goal="Fokus pada harga", backstory="", llm=llm)
r2 = Agent(role="Penyelidik B", goal="Fokus pada ciri", backstory="", llm=llm)
# Tugas selari untuk r1, r2; tugas sintesis susulan menggabungkan output mereka.

qa = Agent(
role="Penyemak QA",
goal="Pastikan output memenuhi kriteria penerimaan dan panduan gaya.",
backstory="Anda tegas dan teliti.",
llm=llm
)

researcher = Agent(
role="Penyelidik Analitikal",
goal=(
"Sampaikan ringkasan yang padat dan tepat dengan 3–5 petikan yang boleh dipercayai dan nota risiko."
),
backstory=(
"Anda mengesahkan tuntutan, lebih suka sumber utama dan menandakan ketidakpastian."
),
llm=llm
)

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

persona = Agent(role="Penganalisis Persona", goal="Takrifkan ICP dan JTBD.", llm=llm)
researcher = Agent(role="Penyelidik", goal="Kumpul data yang boleh dipercayai.", llm=llm)
synth = Agent(role="Pensintesis", goal="Bandingkan dan tafsir.", llm=llm)
writer = Agent(role="Penulis", goal="Cipta ringkasan sedia eksekutif.", llm=llm)
qa = Agent(role="QA", goal="Sahkan tuntutan dan kejelasan.", llm=llm)
persona_task = Task(description="Takrifkan ICP & JTBD untuk pemimpin RevOps dalam SaaS.", agent=persona,
expected_output="Bulet + titik kesakitan + metrik kejayaan.")
research_task = Task(description="Kumpul harga, ciri dan ulasan untuk 3 alatan.", agent=researcher,
expected_output="Jadual + 5 petikan.")
synth_task = Task(description="Bina matriks perbandingan dan 3 cerapan teratas.", agent=synth,
expected_output="Jadual Markdown + cerapan.")
write_task = Task(description="Rangka ringkasan 1 halaman dengan cadangan.", agent=writer,
expected_output="Ringkasan eksekutif dalam markdown.")
qa_task = Task(description="Semak ketepatan dan kebolehbacaan; betulkan isu.", agent=qa,
expected_output="Ringkasan yang bersih dan disahkan.")
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)