Когда применять каждый паттерн

import anthropic

client = anthropic.Anthropic()

ROUTER_TOOL = {
    "name": "select_pattern",
    "description": (
        "Анализируй задачу и выбери наиболее подходящий паттерн агента. "
        "Если задача простая — выбери 'direct' и не используй паттерны."
    ),
    "input_schema": {
        "type": "object",
        "properties": {
            "pattern": {
                "type": "string",
                "enum": ["direct", "react", "self_ask", "plan_execute", "reflection"],
                "description": (
                    "direct — простой вызов без паттерна; "
                    "react — инструментный цикл с адаптацией; "
                    "self_ask — multi-hop вопросы, цепочка фактов; "
                    "plan_execute — длинная задача с предсказуемыми шагами; "
                    "reflection — генерация с итеративным улучшением качества"
                )
            },
            "reasoning": {
                "type": "string",
                "description": "Краткое объяснение выбора — 1 предложение"
            },
            "use_reflection": {
                "type": "boolean",
                "description": "True — добавить Reflection поверх выбранного паттерна"
            }
        },
        "required": ["pattern", "reasoning", "use_reflection"]
    }
}

ROUTER_SYSTEM = """Ты — роутер AI-агента. Твоя задача — выбрать паттерн для задачи.

Правила выбора:
- direct: ответ известен без поиска и инструментов, один шаг
- reflection: нужно написать/улучшить текст, код, перевод — есть критерий качества
- self_ask: вопрос требует 2+ связанных фактов (multi-hop), сравнение объектов
- plan_execute: длинная задача, структура шагов ясна заранее, нужна параллельность
- react: нужны инструменты, шаги непредсказуемы, всё остальное

use_reflection=true — если любой паттерн должен финально пройти через критику."""


def route(task: str) -> tuple[str, bool]:
    """Возвращает (pattern_name, use_reflection)."""
    response = client.messages.create(
        model="claude-opus-4-6",
        max_tokens=256,
        system=ROUTER_SYSTEM,
        tools=[ROUTER_TOOL],
        tool_choice={"type": "tool", "name": "select_pattern"},
        messages=[{"role": "user", "content": f"Задача: {task}"}]
    )

    for block in response.content:
        if block.type == "tool_use" and block.name == "select_pattern":
            inp = block.input
            print(f"[Router] pattern={inp['pattern']}, "
                  f"reflection={inp['use_reflection']}, "
                  f"reason={inp['reasoning']}")
            return inp["pattern"], inp.get("use_reflection", False)

    return "react", False  # fallback

def adaptive_agent(task: str) -> str:
    """Автоматически выбирает паттерн и запускает нужного агента."""
    pattern, use_reflection = route(task)

    # Запускаем выбранный паттерн
    if pattern == "direct":
        result = direct_answer(task)
    elif pattern == "self_ask":
        result = self_ask(task)
    elif pattern == "plan_execute":
        result = plan_and_execute(task)
    elif pattern == "reflection":
        result = critique_and_revise(task)
    else:  # react — default
        result = react_loop(task)

    # Опционально: финальная критика поверх любого паттерна
    if use_reflection and pattern != "reflection":
        result = critique_and_revise(
            task=task,
            initial_draft=result,  # не генерируем заново
            max_rounds=2
        )

    return result


def direct_answer(task: str) -> str:
    """Прямой вызов без агентского цикла — для простых задач."""
    response = client.messages.create(
        model="claude-opus-4-6",
        max_tokens=512,
        messages=[{"role": "user", "content": task}]
    )
    return response.content[0].text


# Использование
if __name__ == "__main__":
    tasks = [
        "Сколько будет 2 + 2?",
        "Кто дольше прожил — Пушкин или Лермонтов?",
        "Напиши отчёт о состоянии рынка ИИ в 2024 году",
        "Найди баг в этом коде и исправь: def add(a, b): return a - b",
        "Напиши введение для статьи про нейросети",
    ]
    for task in tasks:
        print(f"\n{'='*60}")
        print(f"Задача: {task}")
        result = adaptive_agent(task)
        print(f"Результат: {result[:200]}...")