восстановил часть

primakov.md

@@ -115,16 +115,13 @@ const result = await chain.invoke({
 - Создание контента с учётом контекста
 - Условная логика и роутинг
 
-![Демонстрация аналога сервиса gamma.app](https://via.placeholder.com/800x450/4A5568/FFFFFF?text=Клон+Gamma.app%0AГенерация+презентации%0Aпо+готовому+плану)
-*[0:09:55 → 0:10:57]*
+![Демонстрация аналога сервиса gamma.app план](./primakov-article-images/bro-gamma-plan.gif)
+![Демонстрация аналога сервиса gamma.app слайды](./primakov-article-images/bro-gamma-slides.gif)
 
 Здесь на помощь приходит **LangGraph**.
 
 ## Архитектура LangGraph: от нод к агентам
 
-![Слайд с объяснением работы LangGraph](https://via.placeholder.com/800x450/2B6CB0/FFFFFF?text=LangGraph+Architecture%0ANodes+→+Edges+→+State+→+Graph)
-*[0:10:57 → 0:26:20]*
-
 ### Основные концепции
 
 LangGraph работает с **нодами** (nodes) — функциями, которые выполняют конкретные задачи:
@@ -135,6 +132,8 @@ LangGraph работает с **нодами** (nodes) — функциями,
 
 ### Архитектура моего клона
 
+![Слайд с графом клона gamma.app](./primakov-article-images/Слайд%20с%20графом%20клона%20gamma.app.PNG)
+
 Я создал компактный и эффективный граф из нескольких нод:
 
 1. **Prepare** — подготовка данных и присвоение ID слайдам
@@ -152,7 +151,7 @@ async function prepareNode(state: GraphState): Promise<Partial<GraphState>> {
   
   // Присваиваем ID каждому слайду
   presentation.slides.forEach((slide, index) => {
-    slide.id = `slide-${index}`;
+    slide.id = uuidv4();
   });
   
   return { presentation };
@@ -185,19 +184,17 @@ function routeToWebSearch(state: GraphState): string[] {
 
 ```typescript
 async function webSearchNode(data: { slide: Slide }): Promise<Partial<GraphState>> {
-  const tavily = new TavilySearchResults({
-    maxResults: 5,
-    searchDepth: "advanced"
-  });
-  
-  const results = await tavily.search(data.slide.webSearchQuery);
-  
-  // Экранируем фигурные скобки в коде
-  const cleanResults = results.replace(/\{/g, '{{').replace(/\}/g, '}}');
-  
+  const client = await tavily({ apiKey: process.env['TAVILY_API_KEY'] })
+
+  const researchResult = await client.search(slide.webResearchQuery, {
+    maxResults: 3,
+  })
+
   return {
-    webSearchResults: {
-      [data.slide.id]: cleanResults
+    webResearchResult: {
+      [slide.id as string]: researchResult.results
+        .map(r => r.content?.replace(/\{/g, '{{').replace(/\}/g, '}}'))
+        .join('\n\n')
     }
   };
 }
@@ -209,20 +206,27 @@ async function webSearchNode(data: { slide: Slide }): Promise<Partial<GraphState
 
 Для генерации изображений использую российскую нейросеть Kandinsky через API:
 
+Для работы с api я написал простенькую обёртку для упрощения работы [@brojs/kandinsky](https://gitverse.ru/primakov.a.a/kandinsky-js)
+
 ```typescript
 async function generateImageNode(data: { 
   slide: Slide, 
   imageStyle: string 
 }): Promise<Partial<GraphState>> {
   const kandinsky = new KandinskyAPI();
-  
-  const imagePrompt = `${data.slide.imagePrompt}, ${data.imageStyle}`;
-  const image = await kandinsky.generateImage({
-    prompt: imagePrompt,
-    negativePrompt: data.slide.negativeImagePrompt,
+  const { imagePrompt, imageNegativePrompt } = slide
+
+  const imageSize = {
     width: data.slide.type === 'title' ? 512 : 768,
     height: data.slide.type === 'title' ? 512 : 432
-  });
+  }
+
+  const images = await generateKandinskyImage({
+    imagePrompt,
+    imagesStyle,
+    ...imageSize,
+    imageNegativePrompt,
+  })
   
   return {
     generatedImages: {
@@ -236,6 +240,8 @@ async function generateImageNode(data: {
 
 Самая интересная часть — создание контента с учётом предыдущих слайдов:
 
+
+
 ```typescript
 async function generateContentNode(state: GraphState): Promise<Partial<GraphState>> {
   const messages = [
@@ -278,20 +284,23 @@ async function generateContentNode(state: GraphState): Promise<Partial<GraphStat
 ### Сборка графа воедино
 
 ```typescript
-const graph = new StateGraph(GraphState)
-  .addNode("prepare", prepareNode)
-  .addNode("webresearch", webSearchNode)
-  .addNode("generateImages", generateImageNode)
-  .addNode("generateContent", generateContentNode)
-  .addNode("final", finalNode)
-  .setEntryPoint("prepare")
-  .addConditionalEdges("prepare", routeToWebSearch)
-  .addEdge("webresearch", "generateImages")
-  .addEdge("generateImages", "generateContent")
-  .addEdge("generateContent", "final")
-  .setFinishPoint("final");
+const builder = new StateGraph(agentState)
+  .addNode("prepare", prepareData)
+  .addNode('webResearch', webResearch)
+  .addNode('toGenerate', () => ({}))
+  .addNode('final', state => state)
+  .addNode('imageGenerator', imageGenerator)
+  .addNode('generateSlideContent', generateSlideContent)
 
-const app = graph.compile();
+builder
+  .addEdge(START, "prepare")
+  .addConditionalEdges("prepare", afterPrepareRouter)
+  .addConditionalEdges("toGenerate", generateImagesAndFirstContent)
+  .addConditionalEdges("generateSlideContent", toGenerateNextSlideContent)
+  .addEdge('webResearch', 'toGenerate')
+  .addEdge('final', END);
+
+const app = builder.compile();
 
 // Запуск генерации
 const result = await app.invoke({ 
@@ -316,13 +325,7 @@ LangGraph позволяет запускать ноды параллельно.
 
 ### Стоимость генерации
 
-Примерная стоимость создания презентации из 8 слайдов:
-- Планирование: ~$0.02
-- Веб-поиск: ~$0.01
-- Генерация изображений: ~$0.06
-- Создание контента: ~$0.02
-
-**Итого: ~$0.11** себестоимость при продажной цене $2-5.
+Примерная стоимость создания презентации из 8 слайдов около 20-30 Р
 
 ## Практические советы
 
@@ -338,9 +341,7 @@ LangGraph позволяет запускать ноды параллельно.
 
 Главное — **пробовать и экспериментировать**. Это направление развивается очень быстро, и скоро каждый разработчик будет работать с AI-агентами.
 
-[Ссылка на прототип](https://platform.bro-js.ru/bro-gamma)
-
-*QR-код для доступа к демо-версии клона Gamma.app*
+[Ссыылка на рабочий прототип](https://platform.bro-js.ru/bro-gamma)
 
 ---