from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Market Researcher",
goal="Najdi verodostojne, aktualne vpoglede o ciljnem trgu in konkurentih.",
backstory=(
"Si vesten analitik, ki preverja trditve, navaja vire in povzema "
"informacije iz uglednih publikacij."
),
tools=[], # kasneje dodajte orodja za spletno iskanje/strganje
llm=llm
)
strategist = Agent(
role="Product Strategist",
goal="Sinteziraj raziskavo v jasno pozicioniranje in opcije načrta.",
backstory="Prioritiziraš jasnost, izvedljivost in merljive rezultate.",
tools=[],
llm=llm
)
writer = Agent(
role="Content Writer",
goal="Ustvari jasno strukturiran povzetek z primeri in nadaljnjimi koraki.",
backstory="Pišeš jedrnato, prepričljivo in s spremljanjem smernic sloga.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"Raziskuj trg programske opreme za upravljanje projektov SMB v ZDA leta 2025. "
"Identificiraj glavne konkurente, cenovne razrede, ICP-je in tri neizpolnjene potrebe. "
"Vrni točke z 3–5 navedbami virov."
),
expected_output=(
"Povzetek v markdown obliki s poglavji: Velikost trga, Glavni igralci, Cene, ICP-ji, "
"Neizpolnjene potrebe, Viri (s povezavami)."
),
agent=researcher
)
synthesis_task = Task(
description=(
"Iz uporabe raziskovalnega povzetka izdelaj pozicijski izrek, 2–3 diferenciatorje "
"in 90-dnevni načrt s ključnimi mejniki."
),
expected_output="Kratek strateški memo (<= 400 besed).",
agent=strategist
)
writing_task = Task(
description=(
"Pretvori strateški memo v javno dostopen enostranski dokument. Vključi naslov, "
"vrednostno ponudbo, točke funkcij in klic k dejanju."
),
expected_output="Markdown enostranski dokument, primeren za pristajalno stran.",
agent=writer
)

from crewai import Crew
crew = Crew(
agents=[researcher, strategist, writer],
tasks=[research_task, synthesis_task, writing_task],
process="sequential", # naloge se posredujejo po vrsti
verbose=True
)
result = crew.kickoff
print(result)

fact_checker = Agent(
role="Fact Checker",
goal="Preveri vse trditve glede na primarne vire; opozori na šibke navedbe.",
backstory="Skeptičen, natančen, nepristranski.",
llm=llm
)
qa_task = Task(
description="Preveri vse dejanske trditve; popravi napake s [FIX] oznakami.",
expected_output="Popravljena različica z povzetkom popravkov.",
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=(
"Povzemite 5 nedavnih študij o produktivnosti na daljavo (2023–2025) z "
"metodologijo, vzorcem in ključnimi ugotovitvami."
),
expected_output=(
"Markdown s poglavji H2 za vsako študijo, zaključna primerjalna tabela in povezave."
),
agent=researcher
)

r1 = Agent(role="Researcher A", goal="Osredotoči se na cene", backstory="", llm=llm)
r2 = Agent(role="Researcher B", goal="Osredotoči se na funkcije", backstory="", llm=llm)
# Vzporedne naloge za r1, r2; sintezna naloga združi rezultate.

qa = Agent(
role="QA Reviewer",
goal="Zagotovi, da izhodi izpolnjujejo kriterije sprejemljivosti in smernice sloga.",
backstory="Si stroga in natančna.",
llm=llm
)

researcher = Agent(
role="Analytical Researcher",
goal=(
"Dostavi jedrnate, točne povzetke z 3–5 verodostojnimi navedbami in opombo o tveganjih."
),
backstory=(
"Preverjaš trditve, daješ prednost primarnim virom in opozarjaš na negotovosti."
),
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="Bullet points + 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)