venorly-api / agent /reverse_agent.py
tarikmenguc
refactor: update agent modules to use new lib utilities
fce9891
Raw History Blame Contribute Delete
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")))