from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="市场调研员",
goal="找到关于目标市场和竞争对手的可信、最新的见解。",
backstory=(
"你是一位勤奋的分析师，会验证声明，引用来源，并总结"
"来自信誉良好的出版物的信号。"
),
tools=[], # 稍后添加网页/搜索/抓取工具
llm=llm
)
strategist = Agent(
role="产品策略师",
goal="将研究综合成清晰的定位和路线图选项。",
backstory="你优先考虑清晰性、可行性和可衡量的结果。",
tools=[],
llm=llm
)
writer = Agent(
role="内容写作者",
goal="生成结构良好的简报，其中包含示例和后续步骤。",
backstory="你用简洁、有说服力的英语写作，并遵循风格指南。",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"研究2025年美国中小企业项目管理软件市场。"
"确定主要竞争对手、定价层级、理想客户画像（ICP）和三个未满足的需求。"
"返回带有3-5个引用的项目符号列表。"
),
expected_output=(
"一份markdown简报，包含以下部分：市场规模、主要参与者、定价、理想客户画像（ICP）、"
"未满足的需求、来源（带有链接）。"
),
agent=researcher
)
synthesis_task = Task(
description=(
"使用研究简报，生成定位声明、2-3个差异化因素和带有里程碑的90天路线图。"
),
expected_output="一份简洁的策略备忘录（<= 400字）。",
agent=strategist
)
writing_task = Task(
description=(
"将策略备忘录转化为面向公众的单页纸。包括标题、"
"价值主张、功能要点和行动号召（CTA）。"
),
expected_output="适合登陆页面的markdown单页纸。",
agent=writer
)

from crewai import Crew
crew = Crew(
agents=[researcher, strategist, writer],
tasks=[research_task, synthesis_task, writing_task],
process="sequential", # 按顺序传递输出
verbose=True
)
result = crew.kickoff
print(result)

fact_checker = Agent(
role="事实核查员",
goal="对照主要来源验证所有声明；标记薄弱的引用。",
backstory="持怀疑态度、一丝不苟、公正。",
llm=llm
)
qa_task = Task(
description="验证所有事实陈述；使用[FIX]标签添加内联更正。",
expected_output="一份更正后的草稿，其中包含修复摘要。",
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=(
"总结5项关于远程工作效率的最新研究（2023-2025），包括"
"方法、样本量和主要发现。"
),
expected_output=(
"Markdown，每个研究都有H2部分，一个最终的比较表和链接。"
),
agent=researcher
)

r1 = Agent(role="研究员A", goal="关注定价", backstory="", llm=llm)
r2 = Agent(role="研究员B", goal="关注功能", backstory="", llm=llm)
# r1、r2的并行任务；一个后续的综合任务合并他们的输出。

qa = Agent(
role="质检审核员",
goal="确保输出满足验收标准和风格指南。",
backstory="你很严格而且迂腐。",
llm=llm
)

researcher = Agent(
role="分析研究员",
goal=(
"提供紧凑、准确的简报，其中包含3-5个可信的引用和一个风险提示。"
),
backstory=(
"你验证声明，喜欢主要来源，并标记不确定性。"
),
llm=llm
)

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

persona = Agent(role="角色分析师", goal="定义ICP和JTBD。", llm=llm)
researcher = Agent(role="研究员", goal="收集可信数据。", llm=llm)
synth = Agent(role="合成器", goal="比较和解释。", llm=llm)
writer = Agent(role="写作者", goal="创建一份可供高管使用的简报。", llm=llm)
qa = Agent(role="质检", goal="验证声明和清晰度。", llm=llm)
persona_task = Task(description="定义SaaS中RevOps领导者的ICP和JTBD。", agent=persona,
expected_output="要点 + 痛点 + 成功指标。")
research_task = Task(description="收集3个工具的定价、功能和评论。", agent=researcher,
expected_output="表格 + 5个引用。")
synth_task = Task(description="构建比较矩阵和前3个见解。", agent=synth,
expected_output="Markdown表格 + 见解。")
write_task = Task(description="起草一份带有建议的单页简报。", agent=writer,
expected_output="Markdown格式的高管简报。")
qa_task = Task(description="检查准确性和可读性；修复问题。", agent=qa,
expected_output="干净、经过验证的简报。")
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)