add system propmt

app/api.py

@@ -22,12 +22,13 @@ def chat():
     graph_id = data.get("graph_id")
     parent_node_id = data.get(
         "parent_node_id")  # Получаем parent_node_id из запроса
+    system_prompt = data.get("system_prompt")
 
     if not message:
         return jsonify({"error": "Сообщение не может быть пустым."}, 400)
 
     result = run_agent(message, graph_id,
-                       parent_node_id)  # Передаем parent_node_id в run_agent
+                       parent_node_id, system_prompt)  # Передаем parent_node_id в run_agent
     return jsonify(result)
 
 

app/models.py

@@ -36,3 +36,5 @@ class AgentState(BaseModel):
     # Оно используется для передачи контекста между узлами в пределах одного выполнения
     temporary_chat_history: List[Dict[str, Any]] = Field(
         [], description="Временная история чата, не сохраняемая в БД.")
+    system_prompt: Optional[str] = Field(None,
+                                   description="Системный промпт.")

app/nodes.py

@@ -140,7 +140,7 @@ def execute_command_node(state: AgentState) -> AgentState:
 
 # Предполагаем, что используем Gemini для основного LLM и суммаризации/анализа
 # В реальной системе можно выбрать динамически
-DEFAULT_LLM_NAME = "gemini-2.5-flash"
+DEFAULT_LLM_NAME = "gemini-2.0-flash" #"gemini-2.5-flash"
 main_llm = get_llm(DEFAULT_LLM_NAME)
 
 
@@ -151,9 +151,12 @@ def call_llm_node(state: AgentState) -> AgentState:
     """
     print("Выполняется узел: call_llm_node (для обычного чата)")
     try:
-        # TODO: добавить в переписку ещё SystemMessage с системным промптом, типа: messages_for_llm.append(SystemMessage(content=msg["content"]))
-        # Для обычного чата LLM использует текущую временную историю
         messages_for_llm = []
+
+        if state.system_prompt:
+            messages_for_llm.append(SystemMessage(content=state.system_prompt))
+        
+        # Для обычного чата LLM использует текущую временную историю
         for msg in state.temporary_chat_history: # Используем temporary_chat_history
             if msg["role"] == "user":
                 messages_for_llm.append(HumanMessage(content=msg["content"]))

app/workflows.py

@@ -92,7 +92,8 @@ app = workflow.compile()
 
 def run_agent(user_input: str,
               existing_graph_id: Optional[str] = None,
-              parent_node_id: Optional[str] = None) -> Dict[str, Any]:
+              parent_node_id: Optional[str] = None,
+              system_prompt: Optional[str] = None) -> Dict[str, Any]:
     """
     Запускает агента с заданным пользовательским вводом.
     Может продолжить существующий граф по graph_id.
@@ -100,7 +101,7 @@ def run_agent(user_input: str,
     """
     
     # ---------------------------------------------------- Initial State Setup ----------------------------------------------------------------
-    initial_state = AgentState(input=user_input, parent_node_id=parent_node_id)
+    initial_state = AgentState(input=user_input, parent_node_id=parent_node_id, system_prompt=system_prompt)
     
     # Сохраняем исходные ID узлов и ребер для определения новых после выполнения графа
     original_node_ids: Set[str] = set()