from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="市場研究員",
goal="尋找關於目標市場和競爭對手的可信、最新的見解。",
backstory=(
"你是一位勤奮的分析師，會驗證聲明、引用來源，並總結"
"來自信譽良好的出版物的信號。"
),
tools=[], # 稍後新增網路/搜尋/抓取工具
llm=llm
)
strategist = Agent(
role="產品策略師",
goal="將研究綜合為清晰的定位和路線圖選項。",
backstory="您優先考慮清晰度、可行性和可衡量的成果。",
tools=[],
llm=llm
)
writer = Agent(
role="內容寫手",
goal="製作結構良好的簡報，其中包含範例和後續步驟。",
backstory="您以簡潔、有說服力的英語寫作，並遵循風格指南。",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"研究 2025 年美國中小企業專案管理軟體市場。"
"找出主要競爭對手、定價層級、ICP 和三個未滿足的需求。"
"以項目符號形式傳回，並提供 3–5 個引文。"
),
expected_output=(
"一份 Markdown 簡報，包含以下章節：市場規模、主要參與者、定價、ICP、"
"未滿足的需求、來源 (附連結)。"
),
agent=researcher
)
synthesis_task = Task(
description=(
"使用研究簡報，產生一份定位聲明、2–3 個差異化因素，"
"以及一份包含里程碑的 90 天路線圖。"
),
expected_output="一份簡潔的策略備忘錄 (<= 400 字)。",
agent=strategist
)
writing_task = Task(
description=(
"將策略備忘錄變成一份公開的一頁式文件。包含標題、"
"價值主張、功能要點和 CTA。"
),
expected_output="一份適用於登陸頁面的 Markdown 一頁式文件。",
agent=writer
)

from crewai import Crew
crew = Crew(
agents=[researcher, strategist, writer],
tasks=[research_task, synthesis_task, writing_task],
process="sequential", # 依序交接輸出
verbose=True
)
result = crew.kickoff
print(result)

fact_checker = Agent(
role="事實查核員",
goal="根據主要來源驗證所有聲明；標記薄弱的引文。",
backstory="懷疑、一絲不苟、公正。",
llm=llm
)
qa_task = Task(
description="驗證所有事實陳述；新增帶有 [FIX] 標籤的內嵌更正。",
expected_output="一份已更正的草稿，其中包含修正摘要。",
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=(
"總結 5 項關於遠端工作效率的最新研究 (2023–2025)，其中包含"
"方法、樣本大小和主要發現。"
),
expected_output=(
"Markdown，每個研究都有 H2 章節、最終比較表和連結。"
),
agent=researcher
)

r1 = Agent(role="研究員 A", goal="專注於定價", backstory="", llm=llm)
r2 = Agent(role="研究員 B", goal="專注於功能", backstory="", llm=llm)
# r1、r2 的平行任務；後續的綜合任務會合併它們的輸出。

qa = Agent(
role="品質保證審閱者",
goal="確保輸出符合驗收標準和風格指南。",
backstory="你很嚴格而且迂腐。",
llm=llm
)

researcher = Agent(
role="分析研究員",
goal=(
"提供簡潔、準確的簡報，其中包含 3–5 個可信的引文和風險注意事項。"
),
backstory=(
"你會驗證聲明、偏好主要來源，並標記不確定性。"
),
llm=llm
)

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

persona = Agent(role="人物分析師", goal="定義 SaaS 中的 RevOps 領導者的 ICP 和 JTBD。", llm=llm)
researcher = Agent(role="研究員", goal="收集可信的資料。", llm=llm)
synth = Agent(role="合成器", goal="比較和解釋。", llm=llm)
writer = Agent(role="寫手", goal="建立一份可供主管閱讀的簡報。", llm=llm)
qa = Agent(role="品質保證", goal="驗證聲明和清晰度。", llm=llm)
persona_task = Task(description="定義 SaaS 中 RevOps 領導者的 ICP 和 JTBD。", agent=persona,
expected_output="要點 + 痛點 + 成功指標。")
research_task = Task(description="收集 3 個工具的定價、功能和評論。", agent=researcher,
expected_output="表格 + 5 個引文。")
synth_task = Task(description="建構比較矩陣和前 3 大見解。", agent=synth,
expected_output="Markdown 表格 + 見解。")
write_task = Task(description="草擬一份包含建議的 1 頁簡報。", agent=writer,
expected_output="Markdown 格式的主管簡報。")
qa_task = Task(description="檢查準確性和可讀性；修正問題。", agent=qa,
expected_output="乾淨、經過驗證的簡報。")
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)