from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Marknadsanalytiker",
goal="Hitta trovärdiga, aktuella insikter om målmarknaden och konkurrenterna.",
backstory=(
"Du är en noggrann analytiker som verifierar påståenden, citerar källor och sammanfattar "
"signaler från ansedda publikationer."
),
tools=[], # lägg till webb-/sök-/skrapverktyg senare
llm=llm
)
strategist = Agent(
role="Produktstrateg",
goal="Syntetisera research till ett skarpt positionerings- och färdplansalternativ.",
backstory="Du prioriterar tydlighet, genomförbarhet och mätbara resultat.",
tools=[],
llm=llm
)
writer = Agent(
role="Innehållsförfattare",
goal="Producera en välstrukturerad sammanfattning med exempel och nästa steg.",
backstory="Du skriver på kortfattad, övertygande engelska och följer stilguider.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"Undersök den amerikanska SMB-marknaden för projektledningsprogramvara under 2025. "
"Identifiera de främsta konkurrenterna, prisnivåerna, ICP:er och tre ouppfyllda behov. "
"Returnera punkter med 3–5 citat."
),
expected_output=(
"En markdown-sammanfattning med sektioner: Marknadsstorlek, nyckelaktörer, prissättning, ICP:er, "
"Ouppfyllda behov, källor (med länkar)."
),
agent=researcher
)
synthesis_task = Task(
description=(
"Använd research-sammanfattningen för att producera ett positioneringsuttalande, 2–3 differentierare, "
"och en 90-dagars färdplan med milstolpar."
),
expected_output="Ett kortfattat strategimemo (<= 400 ord).",
agent=strategist
)
writing_task = Task(
description=(
"Omvandla strategimemet till en offentlig en-sida. Inkludera en rubrik, "
"värdeerbjudande, punktlista över funktioner och en CTA."
),
expected_output="En markdown en-sida lämplig för en landningssida.",
agent=writer
)

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

fact_checker = Agent(
role="Faktagranskare",
goal="Validera alla påståenden mot primära källor; flagga svaga citat.",
backstory="Skeptisk, noggrann, opartisk.",
llm=llm
)
qa_task = Task(
description="Validera alla faktapåståenden; lägg till korrigeringar inline med [FIX]-taggar.",
expected_output="Ett korrigerat utkast med en sammanfattning av korrigeringar.",
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=(
"Sammanfatta 5 nyligen genomförda studier om fjärrarbetsproduktivitet (2023–2025) med "
"metodik, urvalsstorlek och viktiga resultat."
),
expected_output=(
"Markdown med H2-sektioner per studie, en slutlig jämförelsetabell och länkar."
),
agent=researcher
)

r1 = Agent(role="Researcher A", goal="Fokusera på prissättning", backstory="", llm=llm)
r2 = Agent(role="Researcher B", goal="Fokusera på funktioner", backstory="", llm=llm)
# Parallella uppgifter för r1, r2; en uppföljande syntesuppgift slår samman deras utdata.

qa = Agent(
role="QA-granskare",
goal="Se till att utdata uppfyller godkännandekriterierna och stilguiden.",
backstory="Du är strikt och pedantisk.",
llm=llm
)

researcher = Agent(
role="Analytisk researcher",
goal=(
"Leverera kompakta, noggranna sammanfattningar med 3–5 trovärdiga citat och en risknote."
),
backstory=(
"Du verifierar påståenden, föredrar primära källor och flaggar osäkerhet."
),
llm=llm
)

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

persona = Agent(role="Persona Analyst", goal="Definiera ICP och JTBD.", llm=llm)
researcher = Agent(role="Researcher", goal="Samla in trovärdiga data.", llm=llm)
synth = Agent(role="Synthesizer", goal="Jämför och tolka.", llm=llm)
writer = Agent(role="Writer", goal="Skapa en sammanfattning redo för chefer.", llm=llm)
qa = Agent(role="QA", goal="Validera påståenden och tydlighet.", llm=llm)
persona_task = Task(description="Definiera ICP & JTBD för RevOps-ledare i SaaS.", agent=persona,
expected_output="Punkter + smärtpunkter + framgångsmått.")
research_task = Task(description="Samla in prissättning, funktioner och recensioner för 3 verktyg.", agent=researcher,
expected_output="Tabell + 5 citat.")
synth_task = Task(description="Bygg en jämförelsematris och de 3 främsta insikterna.", agent=synth,
expected_output="Markdown-tabell + insikter.")
write_task = Task(description="Utarbeta en 1-sida sammanfattning med rekommendationer.", agent=writer,
expected_output="Executive summary i markdown.")
qa_task = Task(description="Kontrollera noggrannhet och läsbarhet; åtgärda problem.", agent=qa,
expected_output="Ren, validerad sammanfattning.")
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)