Spaces:
Runtime error
Runtime error
Download agent/reverse_agent.py from tarkovski/venorly-api: direct link, hf CLI and curl.
- Browser
- Download file 8.28 kB
-
https://huggingface.co/spaces/tarkovski/venorly-api/resolve/main/agent/reverse_agent.py
- Command line
-
hf download hf://spaces/tarkovski/venorly-api/agent/reverse_agent.py
-
curl -L -o reverse_agent.py https://huggingface.co/spaces/tarkovski/venorly-api/resolve/main/agent/reverse_agent.py
8.28 kB
| import os | |
| import json | |
| from typing import TypedDict | |
| from langgraph.graph import StateGraph, END | |
| from lib.llm import get_llm | |
| from lib.tavily_client import get_tavily_client as _get_tavily | |
| # --- 1. State Tanımı --- | |
| class ReverseState(TypedDict): | |
| target_startup: str | |
| startup_analysis: str | |
| competitors: list[str] | |
| competitor_complaints: list[dict] | |
| complaint_clusters: str | |
| matching_models: list[dict] | |
| final_report: str | |
| error: str | |
| # --- 2. Araçlar ve LLM (lazy başlatma — import yan etkisi yok) --- | |
| def _get_llm(): | |
| return get_llm(temp=0.2) | |
| def _tavily_search(query: str, max_results: int = 3) -> list[dict]: | |
| """TavilyClient.search() sonuçlarını liste olarak döner.""" | |
| try: | |
| return _get_tavily().search(query, max_results=max_results).get("results", []) | |
| except Exception as e: | |
| print(f"[ReverseAgent] Tavily hatası: {e}") | |
| return [] | |
| # --- 3. Node'lar --- | |
| def analyze_startup_node(state: ReverseState): | |
| target = state["target_startup"] | |
| print(f"[Reverse] Node 1 → analyze_startup: {target}") | |
| prompt = f"""'{target}' adlı girişimi/uygulamayı analiz et. | |
| Tavily search API kullanarak şu soruları yanıtla: | |
| 1. Ne yapıyor? (Hangi problemi çözüyor) | |
| 2. Hedef kitlesi kim? | |
| 3. Hangi sektörde faaliyet gösteriyor? | |
| Mümkün olduğunca spesifik ol. | |
| """ | |
| try: | |
| search_results = _tavily_search(f"{target} software saas app what it does pricing") | |
| analysis_prompt = f"Gelen arama sonuçları: {json.dumps(search_results)}. \n{prompt}" | |
| analysis = _get_llm().invoke(analysis_prompt).content | |
| return {"startup_analysis": analysis} | |
| except Exception as e: | |
| return {"error": f"Analyze hatası: {e}"} | |
| def find_competitors_node(state: ReverseState): | |
| if state.get("error"): return state | |
| print("[Reverse] Node 2 → find_competitors") | |
| analysis = state["startup_analysis"] | |
| target = state["target_startup"] | |
| prompt = f"""Şu girişimin analizine göre '{target}' isimli girişime rakip olabilecek VEYA aynı pazarı paylaşan 3 adet BAŞKA yazılım/saas uygulaması söyle. | |
| Sadece uygulama isimlerini virgülle ayrılarak ver (örnek: App1, App2, App3). Ekstra metin yazma. | |
| Analiz: {analysis} | |
| """ | |
| try: | |
| result = _get_llm().invoke(prompt).content | |
| competitors = [c.strip() for c in result.split(",") if c.strip()][:3] | |
| if not competitors: | |
| competitors = [target] # Fallback | |
| return {"competitors": competitors} | |
| except Exception as e: | |
| return {"error": f"Competitors hatası: {e}"} | |
| def scrape_all_complaints_node(state: ReverseState): | |
| if state.get("error"): return state | |
| print("[Reverse] Node 3 → scrape_all_complaints") | |
| import sys | |
| sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) | |
| from scrapers.competitor_research import search_competitor_complaints | |
| competitors = state["competitors"] | |
| all_complaints = [] | |
| for comp in competitors: | |
| print(f" [Reverse] '{comp}' şikayetleri çekiliyor...") | |
| comps = search_competitor_complaints(comp) | |
| all_complaints.extend(comps) | |
| return {"competitor_complaints": all_complaints} | |
| def find_matching_ai_model_node(state: ReverseState): | |
| if state.get("error"): return state | |
| print("[Reverse] Node 4 → find_matching_ai_model") | |
| analysis = state["startup_analysis"] | |
| complaints = state["competitor_complaints"] | |
| # Şikayetleri kümele | |
| complaints_text = " ".join([c["title"] + " " + c["content"] for c in complaints[:20]]) | |
| prompt = f"""Şu girişim analizi ve rakip şikayetlerine bakarak, bu pazarı 'disrupt' edebilecek (yıkıcı yenilik getirebilecek) bir AI modelinden ne bekleriz? | |
| Sadece 5 anahtar kelime ver. | |
| Analiz: {analysis} | |
| Şikayetler: {complaints_text[:1000]} | |
| """ | |
| keywords = _get_llm().invoke(prompt).content | |
| print(f" [Reverse] Arama kelimeleri: {keywords}") | |
| matching_models = [] | |
| model_results = _tavily_search( | |
| f"trending AI models APIs tools for {keywords.strip()} 2024 2025", | |
| max_results=5 | |
| ) | |
| for r in model_results: | |
| matching_models.append({ | |
| "name": r.get("title", ""), | |
| "description": r.get("content", "")[:300], | |
| "url": r.get("url", ""), | |
| }) | |
| return {"matching_models": matching_models} | |
| def generate_disruption_report_node(state: ReverseState): | |
| if state.get("error"): return state | |
| print("[Reverse] Node 5 → generate_disruption_report") | |
| target = state["target_startup"] | |
| analysis = state["startup_analysis"] | |
| complaints = state["competitor_complaints"] | |
| models = state["matching_models"] | |
| complaints_text = "" | |
| for c in complaints[:10]: | |
| complaints_text += f"- {c['app']} ({c['source']}): {c['title']} | {c['content'][:100]}\n" | |
| models_text = "" | |
| for m in models: | |
| models_text += f"- {m.get('name')} ({m.get('source')}): {m.get('description', '')[:100]} | Dls: {m.get('downloads', 0)}\n" | |
| prompt = f"""Sen bir yıkıcı B2B SaaS inovasyon (disruptive innovation) uzmanısın. | |
| Hedefimiz '{target}' adlı girişimin pazarına girip onu alt etmek veya o pazarda B2B müşterilerin saatlerini çalan spesifik bir açığı yakalayıp yeni bir Micro-SaaS yaratmak. | |
| --- VERİLER --- | |
| Hedef Analizi: {analysis} | |
| Rakip Pazar Şikayetleri: | |
| {complaints_text if complaints_text else 'Şikayet bulunamadı.'} | |
| Kullanabileceğimiz Açık Kaynak/API AI Modelleri: | |
| {models_text if models_text else 'Model bulunamadı.'} | |
| --- GÖREV --- | |
| Sadece 'B2B/Painkiller' ve '1-Tıkla Otomasyon' (Friction Economy) kurallarına uyarak aşağıdaki formatta detaylı, somut, sayılarla dolu bir 'Disruption (Yıkım) Raporu' oluştur: | |
| 🔥 HEDEF: {target} (Disruption Raporu) | |
| ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ | |
| 🎯 Hedefin "Vitamin" Kaldığı Zayıf Noktalar: (Şikayetlerden yola çıkarak müşterinin hala manuel yaptığı angaryalar neler?) | |
| 🥊 Yıkıcı Fikir (Ağrı Kesici B2B SaaS): (Hangi AI modeliyle, bu angaryayı nasıl 1 tıklamaya indireceğiz?) | |
| 💰 Ödeme İsteği (Willingness to Pay): (Müşteriler bu 1 tıklama için neden {target}'a ödedikleri parayı bırakıp bize ödesin? Kaç saat kurtaracaklar?) | |
| ⏱️ Tahmini MVP Geliştirme Süresi: (MVP: X hafta) | |
| 🔧 Teknik Zorluk: (1-5 Puan) | |
| 🚀 Piyasaya Giriş (GTM) Stratejisi: (Rakiplerin kullanıcılarını nasıl çalacağız? Hangi Reddit/Upwork vb. nişlere gideğiz?) | |
| ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ | |
| """ | |
| report = _get_llm().invoke(prompt).content | |
| return {"final_report": report} | |
| # --- 4. Graph Oluşturma --- | |
| workflow = StateGraph(ReverseState) | |
| workflow.add_node("analyze_startup", analyze_startup_node) | |
| workflow.add_node("find_competitors", find_competitors_node) | |
| workflow.add_node("scrape_all_complaints", scrape_all_complaints_node) | |
| workflow.add_node("find_matching_ai_model", find_matching_ai_model_node) | |
| workflow.add_node("generate_disruption_report", generate_disruption_report_node) | |
| workflow.set_entry_point("analyze_startup") | |
| workflow.add_edge("analyze_startup", "find_competitors") | |
| workflow.add_edge("find_competitors", "scrape_all_complaints") | |
| workflow.add_edge("scrape_all_complaints", "find_matching_ai_model") | |
| workflow.add_edge("find_matching_ai_model", "generate_disruption_report") | |
| workflow.add_edge("generate_disruption_report", END) | |
| reverse_agent = workflow.compile() | |
| if __name__ == "__main__": | |
| from dotenv import load_dotenv | |
| load_dotenv() | |
| print("Test: Reverse Agent") | |
| result = reverse_agent.invoke({ | |
| "target_startup": "Jasper AI", | |
| "startup_analysis": "", | |
| "competitors": [], | |
| "competitor_complaints": [], | |
| "complaint_clusters": "", | |
| "matching_models": [], | |
| "final_report": "", | |
| "error": "" | |
| }) | |
| print(result.get("final_report", result.get("error"))) | |