from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Pazar Araştırmacısı",
goal="Hedef pazar ve rakipler hakkında güvenilir, güncel bilgiler bulun.",
backstory=(
"İddiaları doğrulayan, kaynakları gösteren ve saygın yayınlardan gelen"
"sinyalleri özetleyen çalışkan bir analistsiniz."
),
tools=[], # daha sonra web/arama/kazıyıcı araçları ekleyin
llm=llm
)
strategist = Agent(
role="Ürün Stratejisti",
goal="Araştırmayı net bir konumlandırma ve yol haritası seçeneklerine sentezleyin.",
backstory="Açıklığa, fizibilitiye ve ölçülebilir sonuçlara öncelik veriyorsunuz.",
tools=[],
llm=llm
)
writer = Agent(
role="İçerik Yazarı",
goal="Örnekler ve sonraki adımlarla iyi yapılandırılmış bir özet oluşturun.",
backstory="Özlü, ikna edici İngilizce yazarsınız ve stil kılavuzlarını takip edersiniz.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"2025'te ABD KOBİ proje yönetimi yazılımı pazarını araştırın. "
"En iyi rakipleri, fiyatlandırma katmanlarını, ICP'leri ve karşılanmamış üç ihtiyacı belirleyin. "
"3–5 alıntıyla madde işaretleri döndürün."
),
expected_output=(
"Bölümler içeren bir markdown özeti: Pazar Büyüklüğü, Kilit Oyuncular, Fiyatlandırma, ICP'ler, "
"Karşılanmamış İhtiyaçlar, Kaynaklar (bağlantılarla birlikte)."
),
agent=researcher
)
synthesis_task = Task(
description=(
"Araştırma özetini kullanarak, bir konumlandırma ifadesi, 2–3 farklılaştırıcı "
"ve kilometre taşları olan 90 günlük bir yol haritası oluşturun."
),
expected_output="Özlü bir strateji notu (<= 400 kelime).",
agent=strategist
)
writing_task = Task(
description=(
"Strateji notunu halka açık tek sayfalık bir belgeye dönüştürün. Bir başlık, "
"değer önerisi, özellik madde işaretleri ve bir CTA ekleyin."
),
expected_output="Bir açılış sayfası için uygun bir markdown tek sayfalık belge.",
agent=writer
)

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

fact_checker = Agent(
role="Gerçek Denetleyicisi",
goal="Tüm iddiaları birincil kaynaklara karşı doğrulayın; zayıf alıntıları işaretleyin.",
backstory="Şüpheci, titiz, tarafsız.",
llm=llm
)
qa_task = Task(
description="Tüm olgusal ifadeleri doğrulayın; [DÜZELTME] etiketleriyle satır içi düzeltmeler ekleyin.",
expected_output="Düzeltmelerin bir özetiyle düzeltilmiş bir taslak.",
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=(
"Metodoloji, örneklem büyüklüğü ve temel bulgularla birlikte uzaktan çalışma verimliliği üzerine 5 yeni çalışmayı (2023–2025) özetleyin."
"metodoloji, örneklem büyüklüğü ve temel bulgularla."
),
expected_output=(
"Çalışma başına H2 bölümleri, nihai bir karşılaştırma tablosu ve bağlantılar içeren Markdown."
),
agent=researcher
)

r1 = Agent(role="A Araştırmacısı", goal="Fiyatlandırmaya odaklanın", backstory="", llm=llm)
r2 = Agent(role="B Araştırmacısı", goal="Özelliklere odaklanın", backstory="", llm=llm)
# r1, r2 için paralel görevler; bir takip sentezi görevi çıktılarını birleştirir.

qa = Agent(
role="Kalite Güvencesi İncelemecisi",
goal="Çıktıların kabul kriterlerini ve stil kılavuzunu karşıladığından emin olun.",
backstory="Katı ve ukalasınız.",
llm=llm
)

researcher = Agent(
role="Analitik Araştırmacı",
goal=(
"3–5 güvenilir alıntı ve bir risk notuyla kompakt, doğru özetler sunun."
),
backstory=(
"İddiaları doğruluyor, birincil kaynakları tercih ediyor ve belirsizliği işaretliyorsunuz."
),
llm=llm
)

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

persona = Agent(role="Persona Analisti", goal="ICP ve JTBD tanımlayın.", llm=llm)
researcher = Agent(role="Araştırmacı", goal="Güvenilir veri toplayın.", llm=llm)
synth = Agent(role="Sentezleyici", goal="Karşılaştırın ve yorumlayın.", llm=llm)
writer = Agent(role="Yazar", goal="Yöneticiye hazır bir özet oluşturun.", llm=llm)
qa = Agent(role="Kalite Güvencesi", goal="İddiaları ve netliği doğrulayın.", llm=llm)
persona_task = Task(description="SaaS'ta RevOps liderleri için ICP ve JTBD tanımlayın.", agent=persona,
expected_output="Madde işaretleri + acı noktaları + başarı ölçütleri.")
research_task = Task(description="3 araç için fiyatlandırma, özellikler ve incelemeler toplayın.", agent=researcher,
expected_output="Tablo + 5 alıntı.")
synth_task = Task(description="Bir karşılaştırma matrisi ve ilk 3 içgörüyü oluşturun.", agent=synth,
expected_output="Markdown tablosu + içgörüler.")
write_task = Task(description="Önerilerle 1 sayfalık bir özet hazırlayın.", agent=writer,
expected_output="Markdown'da yönetici özeti.")
qa_task = Task(description="Doğruluğu ve okunabilirliği kontrol edin; sorunları düzeltin.", agent=qa,
expected_output="Temiz, doğrulanmış özet.")
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)