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")))