# 手写 Agent 的骨架就这么点东西（Day 38 的精简版）
def agent(question, tools, llm, max_steps=5):
    history = [{"role": "user", "content": question}]
    for _ in range(max_steps):          # 循环上限：防止无限打转
        reply = llm(history)            # 让模型想：要用工具，还是直接答？
        if reply.get("tool"):           # 模型说要用工具
            result = tools[reply["tool"]](reply["args"])  # 执行它
            history.append({"role": "tool", "content": result})  # 结果回填
        else:
            return reply["content"]     # 模型给出最终答案，收工
    return "达到步数上限"               # 兜底，别死循环
# 优点：一眼看懂、想改哪改哪；缺点：分支/并行/存档全得自己造轮子

# CrewAI 的写法很"像带团队"（Day 42 复习）
from crewai import Agent, Task, Crew

researcher = Agent(role="研究员", goal="收集素材", backstory="擅长查资料")
writer     = Agent(role="写手",   goal="写成文章", backstory="文笔好")

t1 = Task(description="查一下'AI 转行'的关键点", agent=researcher)
t2 = Task(description="根据素材写一段 200 字", agent=writer)

crew = Crew(agents=[researcher, writer], tasks=[t1, t2])  # 组队
result = crew.kickoff()   # 一声令下，团队自动按顺序干活
# 优点：声明式、快；适合"角色分工明确"的协作场景

✋ 动手 10 分钟：做一次真实选型练习

下面三个需求，各自最该选哪个框架？先自己想，再对照答案。把"理由 + 代价"写下来（这就是面试答法）：

# 需求 A：我想验证"用 AI 把会议录音转成待办清单"这个点子能不能行
# 需求 B：给电商做客服 Agent，退款超 500 元要暂停等人工审批、且要能续跑
# 需求 C：做一个"选题→写稿→审校"的内容小团队，越快搭好越好

答案 = {
    "A": "手写循环 —— 只是验证想法，逻辑简单，零学习成本最快出结果",
    "B": "LangGraph —— 需要中断(interrupt)+人在环+断点续跑(checkpointer)",
    "C": "CrewAI   —— 天然多角色分工，声明式几十行就能跑，出活快",
}
for k, v in 答案.items():
    print(k, "→", v)      # 试着把每条的"代价"也补一句