from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Cercetător de piață",
goal="Găsește informații credibile și actuale despre piața țintă și concurenți.",
backstory=(
"Ești un analist diligent care verifică afirmațiile, citează surse și rezumă "
"semnale din publicații de încredere."
),
tools=[], # adaugă mai târziu instrumente web/de căutare/de scraping
llm=llm
)
strategist = Agent(
role="Strateg de produs",
goal="Sintetizează cercetarea într-o poziționare clară și opțiuni de foaie de parcurs.",
backstory="Prioritizezi claritatea, fezabilitatea și rezultatele măsurabile.",
tools=[],
llm=llm
)
writer = Agent(
role="Scriitor de conținut",
goal="Produce o schiță bine structurată, cu exemple și pașii următori.",
backstory="Scrii într-o engleză concisă, persuasivă și urmezi ghidurile de stil.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"Cercetează piața software de gestionare a proiectelor pentru IMM-uri din SUA în 2025. "
"Identifică principalii concurenți, nivelurile de preț, ICP-urile și trei nevoi nesatisfăcute. "
"Returnează puncte cu 3–5 citări."
),
expected_output=(
"O schiță markdown cu secțiuni: Dimensiunea pieței, Jucători cheie, Prețuri, ICP-uri, "
"Nevoile nesatisfăcute, Surse (cu linkuri)."
),
agent=researcher
)
synthesis_task = Task(
description=(
"Folosind schița de cercetare, produce o declarație de poziționare, 2–3 elemente de diferențiere, "
"și o foaie de parcurs de 90 de zile cu repere."
),
expected_output="Un memo concis de strategie (<= 400 de cuvinte).",
agent=strategist
)
writing_task = Task(
description=(
"Transformă memo-ul de strategie într-o prezentare de o pagină publică. Include un titlu, "
"o propunere de valoare, puncte cu caracteristici și un CTA."
),
expected_output="O prezentare markdown de o pagină, potrivită pentru o pagină de destinație.",
agent=writer
)

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

fact_checker = Agent(
role="Verificator de fapte",
goal="Validează toate afirmațiile pe baza surselor primare; semnalează citările slabe.",
backstory="Sceptic, meticulos, imparțial.",
llm=llm
)
qa_task = Task(
description="Validează toate afirmațiile factuale; adaugă corecturi inline cu etichete [FIX].",
expected_output="O schiță corectată cu un rezumat al corecțiilor.",
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=(
"Rezumă 5 studii recente despre productivitatea muncii la distanță (2023–2025) cu "
"metodologia, dimensiunea eșantionului și principalele constatări."
),
expected_output=(
"Markdown cu secțiuni H2 per studiu, un tabel comparativ final și linkuri."
),
agent=researcher
)

r1 = Agent(role="Cercetător A", goal="Concentrează-te pe prețuri", backstory="", llm=llm)
r2 = Agent(role="Cercetător B", goal="Concentrează-te pe caracteristici", backstory="", llm=llm)
# Sarcini paralele pentru r1, r2; o sarcină de sinteză de urmărire combină ieșirile lor.

qa = Agent(
role="Revizor QA",
goal="Asigură-te că ieșirile îndeplinesc criteriile de acceptare și ghidul de stil.",
backstory="Ești strict și pedant.",
llm=llm
)

researcher = Agent(
role="Cercetător analitic",
goal=(
"Livrează schițe compacte și precise, cu 3–5 citări credibile și o notă de risc."
),
backstory=(
"Verifici afirmațiile, preferi sursele primare și semnalezi incertitudinea."
),
llm=llm
)

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

persona = Agent(role="Analist de persona", goal="Definește ICP și JTBD.", llm=llm)
researcher = Agent(role="Cercetător", goal="Colectează date credibile.", llm=llm)
synth = Agent(role="Sintetizator", goal="Compară și interpretează.", llm=llm)
writer = Agent(role="Scriitor", goal="Creează o schiță pregătită pentru directori.", llm=llm)
qa = Agent(role="QA", goal="Validează afirmațiile și claritatea.", llm=llm)
persona_task = Task(description="Definește ICP și JTBD pentru liderii RevOps din SaaS.", agent=persona,
expected_output="Puncte + puncte slabe + metrici de succes.")
research_task = Task(description="Colectează prețuri, caracteristici și recenzii pentru 3 instrumente.", agent=researcher,
expected_output="Tabel + 5 citări.")
synth_task = Task(description="Construiește o matrice de comparație și primele 3 perspective.", agent=synth,
expected_output="Tabel Markdown + perspective.")
write_task = Task(description="Elaborează o schiță de 1 pagină cu recomandări.", agent=writer,
expected_output="Schiță executivă în markdown.")
qa_task = Task(description="Verifică acuratețea și lizibilitatea; remediază problemele.", agent=qa,
expected_output="Schiță curată, validată.")
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)