File size: 31,076 Bytes
565e754 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 |
{
"cells": [
{
"cell_type": "code",
"execution_count": 54,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"✅ API ключ загружен\n"
]
}
],
"source": [
"import os\n",
"from typing import Literal, Optional\n",
"from dotenv import load_dotenv\n",
"from pydantic import BaseModel, Field\n",
"from langchain_openai import ChatOpenAI\n",
"from langchain_core.prompts import ChatPromptTemplate\n",
"from langchain_core.output_parsers import PydanticOutputParser\n",
"import pandas as pd\n",
"from tqdm import tqdm\n",
"\n",
"load_dotenv()\n",
"\n",
"OPENROUTER_API_KEY = os.getenv(\"OPENROUTER_API_KEY\")\n",
"if not OPENROUTER_API_KEY:\n",
" raise ValueError(\"Не найден OPENROUTER_API_KEY в переменных окружения\")\n",
"\n",
"print(\"✅ API ключ загружен\")\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Загрузка и фильтрация результатов классификации\n"
]
},
{
"cell_type": "code",
"execution_count": 80,
"metadata": {},
"outputs": [],
"source": [
"df = pd.read_csv(\"classification_results.csv\")\n",
"filtered_df = df.loc[df[\"is_unambiguous\"] & df[\"category\"].isin([\"event\", \"statement\", \"fact\"])]"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Генерация вопросов с помощью LangChain\n"
]
},
{
"cell_type": "code",
"execution_count": 81,
"metadata": {},
"outputs": [],
"source": [
"# Шаг 1: Модель для извлечения ответа\n",
"class ExtractedAnswer(BaseModel):\n",
" \"\"\"Извлечённый ответ из main_fact\"\"\"\n",
" \n",
" answer: str = Field(\n",
" description=\"Краткий, конкретный ответ, который можно дать на вопрос о main_fact\"\n",
" )\n",
" answer_type: Literal[\"entity\", \"number\", \"date\", \"action\", \"description\"] = Field(\n",
" description=\"Тип ответа: entity - сущность/название, number - число, date - дата, action - действие, description - описание\"\n",
" )\n",
" key_info: str = Field(\n",
" description=\"Ключевая информация, которая ОБЯЗАТЕЛЬНО должна присутствовать в любом корректном ответе\"\n",
" )\n",
"\n",
"\n",
"# Шаг 2: Модель для генерации вопросов к ответу\n",
"class QuestionPair(BaseModel):\n",
" \"\"\"Пара вопросов с одинаковым ответом\"\"\"\n",
" \n",
" strict_question: str = Field(\n",
" description=\"Формальный, точный вопрос. Конкретный и однозначный.\"\n",
" )\n",
" real_question: str = Field(\n",
" description=\"Разговорная, человечная формулировка того же вопроса. Как бы спросил обычный человек.\"\n",
" )\n",
" question_type: Literal[\"what\", \"when\", \"where\", \"who\", \"how_much\", \"how_many\", \"why\", \"how\"] = Field(\n",
" description=\"Тип вопроса\"\n",
" )\n",
"\n",
"\n",
"class QAResult(BaseModel):\n",
" \"\"\"Финальный результат: ответ + 2 вопроса\"\"\"\n",
" \n",
" answer: ExtractedAnswer\n",
" questions: QuestionPair\n"
]
},
{
"cell_type": "code",
"execution_count": 62,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"✅ Двухшаговый агент создан (модель: qwen/qwen3-next-80b-a3b-instruct)\n"
]
}
],
"source": [
"def create_llm(model: str = \"openai/gpt-4o-mini\", temperature: float = 0.0) -> ChatOpenAI:\n",
" \"\"\"Создает экземпляр LLM через OpenRouter\"\"\"\n",
" return ChatOpenAI(\n",
" model=model,\n",
" temperature=temperature,\n",
" openai_api_key=OPENROUTER_API_KEY,\n",
" openai_api_base=\"https://api.proxyapi.ru/openrouter/v1\",\n",
" )\n",
"\n",
"MODEL_NAME = \"qwen/qwen3-next-80b-a3b-instruct\"\n",
"llm = create_llm(model=MODEL_NAME, temperature=0.3)\n",
"\n",
"# === ШАГ 1: Извлечение ответа ===\n",
"answer_parser = PydanticOutputParser(pydantic_object=ExtractedAnswer)\n",
"\n",
"answer_prompt = ChatPromptTemplate.from_messages([\n",
" (\"system\", \"\"\"Ты - эксперт по извлечению ключевой информации из новостных текстов.\n",
"\n",
"Твоя задача - извлечь КРАТКИЙ ОТВЕТ из main_fact. Этот ответ будет использоваться как эталонный ответ на вопросы.\n",
"\n",
"## Правила:\n",
"1. Ответ должен быть КРАТКИМ и КОНКРЕТНЫМ (1-2 предложения максимум)\n",
"2. Ответ должен содержать ГЛАВНУЮ информацию из main_fact\n",
"3. Определи тип ответа: сущность, число, дата, действие или описание\n",
"4. Выдели key_info - минимальную информацию, без которой ответ будет неполным\n",
"\n",
"{format_instructions}\"\"\"),\n",
" (\"human\", \"\"\"Извлеки ответ из следующего факта:\n",
"\n",
"## main_fact: {main_fact}\"\"\")\n",
"])\n",
"\n",
"answer_chain = answer_prompt | llm | answer_parser\n",
"\n",
"# === ШАГ 2: Генерация вопросов к ответу ===\n",
"question_parser = PydanticOutputParser(pydantic_object=QuestionPair)\n",
"\n",
"question_prompt = ChatPromptTemplate.from_messages([\n",
" (\"system\", \"\"\"Ты - эксперт по созданию вопросов для систем вопрос-ответ (QA).\n",
"\n",
"Тебе дан ОТВЕТ. Твоя задача - сгенерировать 2 ВОПРОСА, на которые этот ответ будет ЕДИНСТВЕННО ВЕРНЫМ.\n",
"\n",
"## КРИТИЧЕСКИ ВАЖНО:\n",
"- Оба вопроса ДОЛЖНЫ иметь ОДИНАКОВЫЙ ответ = \"{answer}\"\n",
"- Вопросы отличаются ТОЛЬКО стилем формулировки, НЕ содержанием\n",
"\n",
"## strict_question (формальный):\n",
"- Точная, академическая формулировка\n",
"- Использует полные названия и термины\n",
"- Пример: \"Какое решение принял Центральный банк РФ относительно ключевой ставки?\"\n",
"\n",
"## real_question (разговорный):\n",
"- Как спросил бы обычный человек в разговоре\n",
"- Может опускать детали, которые понятны из контекста\n",
"- Пример: \"Что там ЦБ со ставкой сделал?\"\n",
"\n",
"{format_instructions}\"\"\"),\n",
" (\"human\", \"\"\"Сгенерируй 2 вопроса для следующего:\n",
"\n",
"## ОТВЕТ (должен быть одинаковым для обоих вопросов): {answer}\n",
"## Ключевая информация: {key_info}\n",
"## Контекст (main_fact): {main_fact}\n",
"\n",
"Помни: оба вопроса должны подразумевать ОДИН И ТОТ ЖЕ ответ!\"\"\")\n",
"])\n",
"\n",
"question_chain = question_prompt | llm | question_parser\n",
"\n",
"print(f\"✅ Двухшаговый агент создан (модель: {MODEL_NAME})\")\n"
]
},
{
"cell_type": "code",
"execution_count": 63,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"✅ QA-агент создан\n"
]
}
],
"source": [
"class QAAgent:\n",
" \"\"\"Двухшаговый агент: сначала ответ, потом вопросы\"\"\"\n",
" \n",
" def __init__(self):\n",
" self.answer_chain = answer_chain\n",
" self.question_chain = question_chain\n",
" self.answer_parser = answer_parser\n",
" self.question_parser = question_parser\n",
" \n",
" def generate(self, row: pd.Series) -> Optional[QAResult]:\n",
" \"\"\"Генерирует ответ и вопросы для одной записи\"\"\"\n",
" main_fact = row.get(\"main_fact\", \"\")\n",
" \n",
" # Шаг 1: Извлекаем ответ\n",
" try:\n",
" answer_result = self.answer_chain.invoke({\n",
" \"main_fact\": main_fact,\n",
" \"format_instructions\": self.answer_parser.get_format_instructions()\n",
" })\n",
" except Exception as e:\n",
" print(f\"Ошибка извлечения ответа: {e}\")\n",
" return None\n",
" \n",
" # Шаг 2: Генерируем вопросы к этому ответу\n",
" try:\n",
" questions_result = self.question_chain.invoke({\n",
" \"answer\": answer_result.answer,\n",
" \"key_info\": answer_result.key_info,\n",
" \"main_fact\": main_fact,\n",
" \"format_instructions\": self.question_parser.get_format_instructions()\n",
" })\n",
" except Exception as e:\n",
" print(f\"Ошибка генерации вопросов: {e}\")\n",
" return None\n",
" \n",
" return QAResult(answer=answer_result, questions=questions_result)\n",
" \n",
" def generate_batch(self, df: pd.DataFrame, show_progress: bool = True) -> list[dict]:\n",
" \"\"\"Генерирует QA-пары для всего DataFrame\"\"\"\n",
" results = []\n",
" iterator = tqdm(df.iterrows(), total=len(df), desc=\"Генерация QA\") if show_progress else df.iterrows()\n",
" \n",
" for idx, row in iterator:\n",
" try:\n",
" qa_result = self.generate(row)\n",
" except KeyboardInterrupt:\n",
" break\n",
" \n",
" if qa_result:\n",
" results.append({\n",
" \"index\": idx,\n",
" \"original_text\": row.get(\"original_text\", \"\"),\n",
" \"main_topic\": row.get(\"main_topic\", \"\"),\n",
" \"main_fact\": row.get(\"main_fact\", \"\"),\n",
" \"answer\": qa_result.answer.answer,\n",
" \"answer_type\": qa_result.answer.answer_type,\n",
" \"key_info\": qa_result.answer.key_info,\n",
" \"strict_question\": qa_result.questions.strict_question,\n",
" \"real_question\": qa_result.questions.real_question,\n",
" \"question_type\": qa_result.questions.question_type,\n",
" })\n",
" else:\n",
" results.append({\n",
" \"index\": idx,\n",
" \"original_text\": row.get(\"original_text\", \"\"),\n",
" \"main_topic\": row.get(\"main_topic\", \"\"),\n",
" \"main_fact\": row.get(\"main_fact\", \"\"),\n",
" \"answer\": None,\n",
" \"answer_type\": None,\n",
" \"key_info\": None,\n",
" \"strict_question\": None,\n",
" \"real_question\": None,\n",
" \"question_type\": None,\n",
" })\n",
" \n",
" return results\n",
"\n",
"\n",
"# Создаем агента\n",
"agent = QAAgent()\n",
"print(\"✅ QA-агент создан\")\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Генерация вопросов для отфильтрованных данных\n"
]
},
{
"cell_type": "code",
"execution_count": 64,
"metadata": {},
"outputs": [
{
"name": "stderr",
"output_type": "stream",
"text": [
"Генерация QA: 100%|██████████| 167/167 [09:09<00:00, 3.29s/it]"
]
},
{
"name": "stdout",
"output_type": "stream",
"text": [
"\n",
"✅ Сгенерировано QA-пар: 167/167\n"
]
},
{
"name": "stderr",
"output_type": "stream",
"text": [
"\n"
]
}
],
"source": [
"# Генерация QA-пар для отфильтрованных данных\n",
"qa_results = agent.generate_batch(filtered_df)\n",
"\n",
"print(f\"\\n✅ Сгенерировано QA-пар: {sum(1 for r in qa_results if r['answer'])}/{len(qa_results)}\")\n"
]
},
{
"cell_type": "code",
"execution_count": 85,
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"message_id 130738\n",
"original_text Итальянский суд принял решение экстрадировать ...\n",
"main_topic Экстрадиция Сергея Кузнецова в Германию по под...\n",
"key_entities Итальянский суд, Германия, Сергей Кузнецов, Се...\n",
"main_fact Итальянский суд принял решение экстрадировать ...\n",
"is_unambiguous True\n",
"confidence 0.95\n",
"category event\n",
"search_difficulty easy\n",
"ambiguity_reasons NaN\n",
"Name: 6, dtype: object"
]
},
"execution_count": 85,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"filtered_df.iloc[0]"
]
},
{
"cell_type": "code",
"execution_count": 84,
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"{'index': 6,\n",
" 'original_text': 'Итальянский суд принял решение экстрадировать в Германию задержанного по подозрению в подрыве «Северных потоков» Сергея Кузнецова, пишет Reuters.\\n\\n🐚 Следить за новостями РБК в Telegram',\n",
" 'main_topic': 'Экстрадиция Сергея Кузнецова в Германию по подозрению в подрыве «Северных потоков»',\n",
" 'main_fact': 'Итальянский суд принял решение экстрадировать Сергея Кузнецова в Германию, где его подозревают в подрыве газопроводов «Северные потоки».',\n",
" 'answer': 'Итальянский суд решил экстрадировать Сергея Кузнецова в Германию, где его подозревают в подрыве газопроводов «Северные потоки».',\n",
" 'answer_type': 'action',\n",
" 'key_info': 'экстрадировать Сергея Кузнецова в Германию из-за подозрения в подрыве газопроводов «Северные потоки»',\n",
" 'strict_question': 'Какое решение приняло итальянское судопроизводство в отношении экстрадиции Сергея Кузнецова в связи с подозрениями в причастности к подрыву газопроводов «Северные потоки»?',\n",
" 'real_question': 'Что там с Кузнецовым — его в Германию выдадут за подрыв «Северных потоков»?',\n",
" 'question_type': 'what'}"
]
},
"execution_count": 84,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"qa_results[0]"
]
},
{
"cell_type": "code",
"execution_count": 93,
"metadata": {},
"outputs": [],
"source": [
"# Преобразование в DataFrame и сохранение\n",
"qa_df = pd.DataFrame(qa_results)\n",
"qa_df[\"message_id\"] = filtered_df[\"message_id\"].values\n",
"qa_df = qa_df[[\"message_id\", \"original_text\", \"strict_question\", \"real_question\"]]\n",
"\n",
"# Сохраняем в CSV\n",
"output_file = \"generated_qa.csv\"\n",
"qa_df.to_csv(output_file, index=False)"
]
},
{
"cell_type": "code",
"execution_count": 94,
"metadata": {},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>message_id</th>\n",
" <th>original_text</th>\n",
" <th>strict_question</th>\n",
" <th>real_question</th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>0</th>\n",
" <td>130738</td>\n",
" <td>Итальянский суд принял решение экстрадировать ...</td>\n",
" <td>Какое решение приняло итальянское судопроизвод...</td>\n",
" <td>Что там с Кузнецовым — его в Германию выдадут ...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>1</th>\n",
" <td>129361</td>\n",
" <td>Пять пассажиров автобуса №793 пострадали в ДТП...</td>\n",
" <td>Сколько пассажиров автобуса №793 пострадали в ...</td>\n",
" <td>Сколько человек в автобусе 793 пострадали, ког...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>2</th>\n",
" <td>133468</td>\n",
" <td>Владимир Путин утвердил концепцию государствен...</td>\n",
" <td>Кто утвердил концепцию государственной миграци...</td>\n",
" <td>Кто там утвердил новую миграционную концепцию ...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>3</th>\n",
" <td>123139</td>\n",
" <td>Генпрокуратура и Минюст подали в Верховный суд...</td>\n",
" <td>Какое юридическое действие предприняли Генерал...</td>\n",
" <td>Что Генпрокуратура и Минюст сделали с сатанист...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>4</th>\n",
" <td>129894</td>\n",
" <td>Обломки дрона обнаружили польские пограничники...</td>\n",
" <td>Где и кем был обнаружен непилотируемый летател...</td>\n",
" <td>Что там польские пограничники нашли рядом с Бе...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>...</th>\n",
" <td>...</td>\n",
" <td>...</td>\n",
" <td>...</td>\n",
" <td>...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>162</th>\n",
" <td>123802</td>\n",
" <td>Мальчика, которого в Шереметьево мужчина удари...</td>\n",
" <td>Каков исход медицинского случая двухлетнего ма...</td>\n",
" <td>Что случилось с мальчиком, которого бросили в ...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>163</th>\n",
" <td>124166</td>\n",
" <td>Почти все виды американского оружия, которые с...</td>\n",
" <td>Каков текущий статус американского оружия, зап...</td>\n",
" <td>Уже есть всё это оружие для Украины, что НАТО ...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>164</th>\n",
" <td>136058</td>\n",
" <td>По планам Банка России, массовое внедрение циф...</td>\n",
" <td>Когда начнется массовое внедрение цифрового ру...</td>\n",
" <td>Когда начнут все пользоваться цифровым рублем,...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>165</th>\n",
" <td>134555</td>\n",
" <td>В Турции в Гебзе обрушился многоэтажный дом. П...</td>\n",
" <td>В каком городе Турции обрушился семиэтажный до...</td>\n",
" <td>Что там в Гебзе с домом обрушился? Пять челове...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>166</th>\n",
" <td>123088</td>\n",
" <td>Современный городской квартал сегодня уже дале...</td>\n",
" <td>Какой девелопер осуществляет строительство жил...</td>\n",
" <td>Кто строит тот самый квартал Soul рядом с метр...</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"<p>167 rows × 4 columns</p>\n",
"</div>"
],
"text/plain": [
" message_id original_text \\\n",
"0 130738 Итальянский суд принял решение экстрадировать ... \n",
"1 129361 Пять пассажиров автобуса №793 пострадали в ДТП... \n",
"2 133468 Владимир Путин утвердил концепцию государствен... \n",
"3 123139 Генпрокуратура и Минюст подали в Верховный суд... \n",
"4 129894 Обломки дрона обнаружили польские пограничники... \n",
".. ... ... \n",
"162 123802 Мальчика, которого в Шереметьево мужчина удари... \n",
"163 124166 Почти все виды американского оружия, которые с... \n",
"164 136058 По планам Банка России, массовое внедрение циф... \n",
"165 134555 В Турции в Гебзе обрушился многоэтажный дом. П... \n",
"166 123088 Современный городской квартал сегодня уже дале... \n",
"\n",
" strict_question \\\n",
"0 Какое решение приняло итальянское судопроизвод... \n",
"1 Сколько пассажиров автобуса №793 пострадали в ... \n",
"2 Кто утвердил концепцию государственной миграци... \n",
"3 Какое юридическое действие предприняли Генерал... \n",
"4 Где и кем был обнаружен непилотируемый летател... \n",
".. ... \n",
"162 Каков исход медицинского случая двухлетнего ма... \n",
"163 Каков текущий статус американского оружия, зап... \n",
"164 Когда начнется массовое внедрение цифрового ру... \n",
"165 В каком городе Турции обрушился семиэтажный до... \n",
"166 Какой девелопер осуществляет строительство жил... \n",
"\n",
" real_question \n",
"0 Что там с Кузнецовым — его в Германию выдадут ... \n",
"1 Сколько человек в автобусе 793 пострадали, ког... \n",
"2 Кто там утвердил новую миграционную концепцию ... \n",
"3 Что Генпрокуратура и Минюст сделали с сатанист... \n",
"4 Что там польские пограничники нашли рядом с Бе... \n",
".. ... \n",
"162 Что случилось с мальчиком, которого бросили в ... \n",
"163 Уже есть всё это оружие для Украины, что НАТО ... \n",
"164 Когда начнут все пользоваться цифровым рублем,... \n",
"165 Что там в Гебзе с домом обрушился? Пять челове... \n",
"166 Кто строит тот самый квартал Soul рядом с метр... \n",
"\n",
"[167 rows x 4 columns]"
]
},
"execution_count": 94,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"qa_df"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "venv",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.13.3"
}
},
"nbformat": 4,
"nbformat_minor": 2
}
|