# 三个角色 = 三份不同的"系统提示词"（决定它扮演谁、只干什么）
ROLES = {
    "researcher": "你是研究员。只负责就给定主题列出 4-6 个关键要点，"
                  "每点后用〔〕标一个来源提示。不要写成文章。",
    "writer":     "你是写手。把给你的要点组织成一篇 200 字左右、"
                  "有开头结尾的通顺短文。不要新增没给的事实。",
    "critic":     "你是审校。检查文章是否通顺、要点是否都用上、有没有"
                  "编造。通过就只回复『通过』；否则回复『打回：<原因>』。",
}
# 注意三点：① 每个角色只干一件事；② 明确"不要做什么"（防越位/防幻觉）；
#          ③ critic 的输出格式被约束死，方便程序判断（呼应 Day 14 结构化输出）

# ===== 第 1 块：一个"模型调用"入口。现在是假的，最后再替换成真的 =====
def call_llm(system_prompt, user_input):
    """假模型：按角色返回写死的示例输出，好让你先看清流程。
    真接模型时，只改这一个函数即可（见 L05 说明）。"""
    if "研究员" in system_prompt:
        return "1. 省通勤〔来源A〕\n2. 时间弹性〔来源B〕\n3. 沟通成本高〔来源C〕\n4. 易孤独〔来源D〕"
    if "写手" in system_prompt:
        return ("远程办公各有利弊。好处上，它省去通勤、带来时间弹性；"
                "但也存在沟通成本升高、员工易感孤独的问题。总体需权衡岗位性质而定。")
    if "审校" in system_prompt:
        # 假审校：第一次故意打回，第二次通过（模拟返工，见下方 run 里的逻辑）
        return "通过" if "已修订" in user_input else "打回：结尾建议更具体"
    return ""

# ===== 第 2 块：三个角色（就是三份系统提示词，同 L02）=====
ROLES = {
    "researcher": "你是研究员。就主题列出 4-6 个要点，每点标来源，不要写成文章。",
    "writer":     "你是写手。把要点写成 200 字通顺短文，不要新增没给的事实。",
    "critic":     "你是审校。通过就回复『通过』，否则回复『打回：原因』。",
}

# ===== 第 3 块：主流程（老板 = supervisor，负责调度 + 返工控制）=====
def run(topic, max_retry=3):
    print(f"📌 主题：{topic}\n")
    points = call_llm(ROLES["researcher"], topic)      # ① 研究员出要点
    print("【研究员】要点：\n" + points + "\n")

    draft = call_llm(ROLES["writer"], points)          # ② 写手出初稿
    for i in range(max_retry):                          # ③ 送审 + 返工循环（带上限）
        verdict = call_llm(ROLES["critic"], draft)
        print(f"【审校 第{i+1}轮】{verdict}")
        if verdict.startswith("通过"):
            print("\n✅ 定稿：\n" + draft)
            return draft
        # 没通过：把审校意见 + "已修订"标记给写手，让它带着意见重写
        draft = call_llm(ROLES["writer"], points + f"\n(审校意见:{verdict}) 已修订")
    print("\n⚠️ 返工超过上限，转人工处理")
    return draft

run("远程办公的利弊")

# 把 L04 里那个"假的 call_llm"替换成下面这个真的即可（其余代码不变）
# 说明：这里用兼容 OpenAI 接口风格的写法演示；换成 Anthropic 等 SDK 思路一样，
#      核心都是"传入 system + user，拿回一段文本"。密钥从环境变量读（别写死！）
from openai import OpenAI          # 先 pip install openai
client = OpenAI()                  # 会自动读环境变量里的 API Key（回忆 Day 07）

def call_llm(system_prompt, user_input):
    resp = client.chat.completions.create(
        model="gpt-4o-mini",                       # 便宜的活用便宜模型（Day 13/15）
        messages=[
            {"role": "system", "content": system_prompt},  # 角色设定
            {"role": "user",   "content": user_input},      # 这一环的输入
        ],
    )
    return resp.choices[0].message.content          # 取出模型回复的文本
# 换完再跑 run("远程办公的利弊")，三个 Agent 就"真的会写"了

✋ 动手 10 分钟：让工作室多招一个人 / 换个主题

基于 L04 的可运行代码，任选一个改造（都是面试能讲的加分项）：

# 挑战 1（简单）：换主题跑，观察三个角色的接力
run("每天喝咖啡的利弊")

# 挑战 2（进阶）：给工作室加第 4 个角色——"翻译"，在定稿后把报告译成英文
ROLES["translator"] = "你是翻译。把给你的中文报告忠实译成通顺英文，不增删内容。"
# 然后在 run() 定稿返回前，加一行：
#   en = call_llm(ROLES["translator"], draft); print("EN:\n" + en)

# 挑战 3（关键思维）：把 critic 的假逻辑改成"要点少于4个就打回"，
#   体会"审校标准越具体，返工越有效"（为 Day 50 的评分 rubric 埋伏笔）