app.py

from smolagents import CodeAgent, HfApiModel, load_tool
import yaml
from smolagents import tool
from duckduckgo_search import DDGS

from tools.final_answer import FinalAnswerTool

from Gradio_UI import GradioUI


@tool
def DuckDuckGoSearchTool(query: str) -> str:
    """
    Инструмент для поиска информации в интернете с помощью DuckDuckGo.

    Args:
        query: Поисковый запрос.
    """
    with DDGS() as ddgs:
        results = [r for r in ddgs.text(query, max_results=5)]  # Ограничиваем до 5 результатов
        if not results:
            return "По вашему запросу ничего не найдено."

        formatted_results = "\n\n".join(
            f"**Заголовок:** {r['title']}\n**Ссылка:** {r['href']}\n**Краткое содержание:** {r['body']}"
            for r in results
        )
    return formatted_results


final_answer = FinalAnswerTool()

model = HfApiModel(
    max_tokens=2096,
    temperature=0.5,
    model_id='Qwen/Qwen2.5-Coder-32B-Instruct',  # Возможно, эта модель перегружена
    custom_role_conversions=None,
)

# Import tool from Hub
image_generation_tool = load_tool("agents-course/text-to-image", trust_remote_code=True)


with open("prompts.yaml", 'r') as stream:
    prompt_templates = yaml.safe_load(stream)

#  Ключевое изменение: обновленный system_prompt в стиле Thought-Action-Observation
system_prompt = """
Ты — профессиональный поисковый ассистент, аналог Perplexity. Твоя задача — предоставлять исчерпывающие и точные ответы на запросы пользователей, основываясь на информации из нескольких источников в интернете.

Ты должен действовать в цикле **Thought-Action-Observation**:

*   **Thought:**  Сначала обдумай задачу.  Определи, какую информацию нужно найти и какие шаги предпринять.  Сформулируй план действий.  *Всегда начинай с Thought.*
*   **Action:**  Выполни действие, используя доступные инструменты.  В твоем распоряжении *только* инструмент `DuckDuckGoSearchTool` для поиска и `final_answer` для окончательного ответа.  Используй `DuckDuckGoSearchTool` с правильным аргументом (`query`).  Код должен быть на Python и заключен в теги ` ```py ` и ` ```<end_code> `.
*   **Observation:**  Получи результат действия (вывод `print()` в коде).  Оцени результат.  Если нужно, перейди к следующему шагу (Thought). Если ответ найден, используй `final_answer`.

**Правила:**

1.  **Всегда следуй циклу Thought-Action-Observation.**  Каждый шаг должен присутствовать.
2.  **Используй только доступные инструменты.** Не выдумывай несуществующие инструменты.
3.  **Правильно вызывай инструменты.**  Передавай аргументы *напрямую*, а не в виде словаря.  Например, `DuckDuckGoSearchTool(query="столица Франции")`, а не `DuckDuckGoSearchTool({"query": "столица Франции"})`.
4.  **Анализируй несколько источников.**  Не ограничивайся одним результатом поиска.
5.  **Формируй сводку (саммари).**  Ответ должен быть кратким, ёмким и содержать ссылки на источники (или названия сайтов, если ссылки не помещаются).
6.  **Пиши на русском языке.**
7.  **Если информации недостаточно, сообщи об этом.** Не придумывай ответ.
8.  **Не сохраняй результаты поиска в переменные для следующего шага. Используй `print()`.** Результат `print()` автоматически попадет в Observation. Это *единственный* способ передать информацию между шагами.
9. **Переменные сохраняются между шагами.** Если ты определил переменную на одном шаге, она будет доступна на следующих.
10. **Нельзя использовать один и тот же запрос дважды.** Если ты уже искал что-то, не повторяй поиск с тем же запросом.

**Пример (не копируй его полностью, адаптируй под задачу):**

Пользователь:  Какая самая высокая гора в мире?

Thought:  Мне нужно найти самую высокую гору в мире.  Я буду использовать DuckDuckGoSearchTool для поиска информации.
Action:
```py
print(DuckDuckGoSearchTool(query="самая высокая гора в мире"))
```<end_code>
Observation:  (Здесь будет вывод DuckDuckGoSearchTool, содержащий несколько результатов поиска)

Thought:  Я получил несколько результатов.  Нужно проанализировать их, найти наиболее авторитетные источники и убедиться, что информация совпадает.  Затем я сформирую сводку и верну ответ.
Action:
```py
# (Здесь мог бы быть код для дополнительного анализа, если бы были другие инструменты.
#  Но так как у нас только DuckDuckGoSearchTool,
#  мы предполагаем, что первый шаг уже дал достаточно информации)
final_answer("Самая высокая гора в мире - Эверест (Джомолунгма).  Высота - 8848.86 метров.  Источники: Википедия (ссылка), National Geographic (ссылка).")
```<end_code>

---
Доступные тебе инструменты:
{%- for tool in tools.values() %}
- {{ tool.name }}: {{ tool.description }}
    Takes inputs: {{tool.inputs}}
    Returns an output of type: {{tool.output_type}}
{%- endfor %}

Начни!
"""
prompt_templates['system_prompt'] = system_prompt


agent = CodeAgent(
    model=model,
    tools=[DuckDuckGoSearchTool, final_answer, image_generation_tool],
    max_steps=6,
    verbosity_level=1,
    grammar=None,
    planning_interval=None,
    name=None,
    description=None,
    prompt_templates=prompt_templates
)


GradioUI(agent).launch()