from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="Market Researcher",
goal="ہدف مارکیٹ اور مقابلہ کرنے والوں پر معتبر، موجودہ معلومات تلاش کریں۔",
backstory=(
"آپ محنتی تجزیہ کار ہیں جو دعوے تصدیق کرتے ہیں، ذرائع کا حوالہ دیتے ہیں، "
"اور معتبر اشاعتوں سے سگنلز کا خلاصہ کرتے ہیں۔"
),
tools=[], # بعد میں ویب/سرچ/اسکریپر ٹولز شامل کریں
llm=llm
)
strategist = Agent(
role="Product Strategist",
goal="تحقیق کو واضح پوزیشننگ اور روڈ میپ آپشنز میں ضم کریں۔",
backstory="آپ وضاحت، عملی صلاحیت، اور قابلِ پیمائش نتائج کو ترجیح دیتے ہیں۔",
tools=[],
llm=llm
)
writer = Agent(
role="Content Writer",
goal="مثالوں اور اگلے اقدامات کے ساتھ ایک منظم بریف بنائیں۔",
backstory="آپ مختصر، قائل کرنے والی انگریزی میں لکھتے ہیں اور اسٹائل گائیڈز کی پیروی کرتے ہیں۔",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"2025 میں امریکہ کے SMB پروجیکٹ مینجمنٹ سافٹ ویئر مارکیٹ کی تحقیق کریں۔ "
"اہم مقابل، قیمت کی سطح، ICPs، اور تین غیر پوری کی گئی ضرورتیں شناخت کریں۔ "
"3–5 حوالہ جات کے ساتھ بلٹ پوائنٹس واپس کریں۔"
),
expected_output=(
"مارکیٹ سائز، کلیدی کھلاڑی، قیمتوں کا تعین، ICPs، "
"غیر پوری کی گئی ضروریات، ذرائع (لنکس سمیت) کے سیکشنز کے ساتھ مارک ڈاؤن بریف۔"
),
agent=researcher
)
synthesis_task = Task(
description=(
"تحقیقی بریف کا استعمال کرتے ہوئے، ایک پوزیشننگ بیان، 2–3 منفرد خصوصیات، "
"اور 90 روزہ روڈ میپ مع مراحل تیار کریں۔"
),
expected_output="ایک مختصر سٹریٹجی میمو (400 الفاظ سے کم).",
agent=strategist
)
writing_task = Task(
description=(
"اسٹریٹجی میمو کو عام قارئین کے لیے ایک صفحے کی صورت میں تبدیل کریں۔ اس میں ہیڈ لائن، "
"ویلیو پرپوزیشن، خصوصیات کے بلٹس، اور کال ٹو ایکشن شامل کریں۔"
),
expected_output="مارک ڈاؤن میں لینڈنگ پیج کے لیے موزوں ایک صفحہ۔",
agent=writer
)

from crewai import Crew
crew = Crew(
agents=[researcher, strategist, writer],
tasks=[research_task, synthesis_task, writing_task],
process="sequential", # آؤٹ پٹس کو ترتیب سے ہینڈ آف کریں
verbose=True
)
result = crew.kickoff
print(result)

fact_checker = Agent(
role="Fact Checker",
goal="تمام دعووں کو بنیادی ذرائع کے خلاف تصدیق کریں؛ کمزور حوالہ جات پر نشان لگائیں۔",
backstory="شک پرست، محتاط، غیر جانبدار۔",
llm=llm
)
qa_task = Task(
description="تمام حقائق کی تصدیق کریں؛ [FIX] ٹیگز کے ساتھ ان لائن اصلاحات شامل کریں۔",
expected_output="اصلاح شدہ مسودہ اور اصلاحات کا خلاصہ۔",
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=(
"2023–2025 میں ریموٹ ورک کی پیداواری پر 5 حالیہ مطالعات کا خلاصہ کریں، شامل کریں "
"طریقہ کار، نمونہ کا سائز، اور اہم نتائج۔"
),
expected_output=(
"مارک ڈاؤن میں ہر مطالعے کے لیے H2 سیکشنز، ایک آخری موازنہ ٹیبل، اور روابط۔"
),
agent=researcher
)

r1 = Agent(role="Researcher A", goal="Focus on pricing", backstory="", llm=llm)
r2 = Agent(role="Researcher B", goal="Focus on features", backstory="", llm=llm)
# r1 اور r2 کے لیے متوازی کام؛ بعد میں ایک تجزیہ کاری کام ان کے آؤٹ پٹس کو ضم کرے گا۔

qa = Agent(
role="QA Reviewer",
goal="یقینی بنائیں کہ آؤٹ پٹس قبولیت کے معیار اور اسٹائل گائیڈ پر پورے اتریں۔",
backstory="آپ سخت اور محتاط ہیں۔",
llm=llm
)

researcher = Agent(
role="Analytical Researcher",
goal=(
"3–5 معتبر حوالہ جات اور ایک خطرے کا نوٹ کے ساتھ مختصر اور درست بریف فراہم کریں۔"
),
backstory=(
"آپ دعووں کی تصدیق کرتے ہیں، بنیادی ذرائع کو ترجیح دیتے ہیں، اور غیر یقینی پر نشان لگاتے ہیں۔"
),
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="Bullets + 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)