@promptbook/cli 0.103.0-32 → 0.103.0-34

package/umd/index.umd.js

@@ -56,7 +56,7 @@
      * @generated
      * @see https://github.com/webgptorg/promptbook
      */
-    const PROMPTBOOK_ENGINE_VERSION = '0.103.0-32';
+    const PROMPTBOOK_ENGINE_VERSION = '0.103.0-34';
     /**
      * TODO: string_promptbook_version should be constrained to the all versions of Promptbook engine
      * Note: [💞] Ignore a discrepancy between file name and entity name
@@ -6085,7 +6085,7 @@
      * Note: [🟢] Code in this file should never be never released in packages that could be imported into browser environment
      */
 
-    var PipelineCollection = [{title:"Prepare Knowledge from Markdown",pipelineUrl:"https://promptbook.studio/promptbook/prepare-knowledge-from-markdown.book",formfactorName:"GENERIC",parameters:[{name:"knowledgeContent",description:"Markdown document content",isInput:true,isOutput:false},{name:"knowledgePieces",description:"The knowledge JSON object",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"knowledge",title:"Knowledge",content:"You are experienced data researcher, extract the important knowledge from the document.\n\n# Rules\n\n-   Make pieces of information concise, clear, and easy to understand\n-   One piece of information should be approximately 1 paragraph\n-   Divide the paragraphs by markdown horizontal lines ---\n-   Omit irrelevant information\n-   Group redundant information\n-   Write just extracted information, nothing else\n\n# The document\n\nTake information from this document:\n\n> {knowledgeContent}",resultingParameterName:"knowledgePieces",dependentParameterNames:["knowledgeContent"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Knowledge from Markdown\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-knowledge-from-markdown.book`\n-   INPUT PARAMETER `{knowledgeContent}` Markdown document content\n-   OUTPUT PARAMETER `{knowledgePieces}` The knowledge JSON object\n\n## Knowledge\n\n<!-- TODO: [🍆] -FORMAT JSON -->\n\n```markdown\nYou are experienced data researcher, extract the important knowledge from the document.\n\n# Rules\n\n-   Make pieces of information concise, clear, and easy to understand\n-   One piece of information should be approximately 1 paragraph\n-   Divide the paragraphs by markdown horizontal lines ---\n-   Omit irrelevant information\n-   Group redundant information\n-   Write just extracted information, nothing else\n\n# The document\n\nTake information from this document:\n\n> {knowledgeContent}\n```\n\n`-> {knowledgePieces}`\n"}],sourceFile:"./books/prepare-knowledge-from-markdown.book"},{title:"Prepare Keywords",pipelineUrl:"https://promptbook.studio/promptbook/prepare-knowledge-keywords.book",formfactorName:"GENERIC",parameters:[{name:"knowledgePieceContent",description:"The content",isInput:true,isOutput:false},{name:"keywords",description:"Keywords separated by comma",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"knowledge",title:"Knowledge",content:"You are experienced data researcher, detect the important keywords in the document.\n\n# Rules\n\n-   Write just keywords separated by comma\n\n# The document\n\nTake information from this document:\n\n> {knowledgePieceContent}",resultingParameterName:"keywords",dependentParameterNames:["knowledgePieceContent"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Keywords\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-knowledge-keywords.book`\n-   INPUT PARAMETER `{knowledgePieceContent}` The content\n-   OUTPUT PARAMETER `{keywords}` Keywords separated by comma\n\n## Knowledge\n\n<!-- TODO: [🍆] -FORMAT JSON -->\n\n```markdown\nYou are experienced data researcher, detect the important keywords in the document.\n\n# Rules\n\n-   Write just keywords separated by comma\n\n# The document\n\nTake information from this document:\n\n> {knowledgePieceContent}\n```\n\n`-> {keywords}`\n"}],sourceFile:"./books/prepare-knowledge-keywords.book"},{title:"Prepare Knowledge-piece Title",pipelineUrl:"https://promptbook.studio/promptbook/prepare-knowledge-title.book",formfactorName:"GENERIC",parameters:[{name:"knowledgePieceContent",description:"The content",isInput:true,isOutput:false},{name:"title",description:"The title of the document",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"knowledge",title:"Knowledge",content:"You are experienced content creator, write best title for the document.\n\n# Rules\n\n-   Write just title, nothing else\n-   Write maximum 5 words for the title\n\n# The document\n\n> {knowledgePieceContent}",resultingParameterName:"title",expectations:{words:{min:1,max:8}},dependentParameterNames:["knowledgePieceContent"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Knowledge-piece Title\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-knowledge-title.book`\n-   INPUT PARAMETER `{knowledgePieceContent}` The content\n-   OUTPUT PARAMETER `{title}` The title of the document\n\n## Knowledge\n\n-   EXPECT MIN 1 WORD\n-   EXPECT MAX 8 WORDS\n\n```markdown\nYou are experienced content creator, write best title for the document.\n\n# Rules\n\n-   Write just title, nothing else\n-   Write maximum 5 words for the title\n\n# The document\n\n> {knowledgePieceContent}\n```\n\n`-> {title}`\n"}],sourceFile:"./books/prepare-knowledge-title.book"},{title:"Prepare Persona",pipelineUrl:"https://promptbook.studio/promptbook/prepare-persona.book",formfactorName:"GENERIC",parameters:[{name:"availableModels",description:"List of available model names together with their descriptions as JSON",isInput:true,isOutput:false},{name:"personaDescription",description:"Description of the persona",isInput:true,isOutput:false},{name:"modelsRequirements",description:"Specific requirements for the model",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"make-model-requirements",title:"Make modelRequirements",content:"You are an experienced AI engineer, you need to find the best models for virtual assistants:\n\n## Example\n\n```json\n[\n  {\n  \"modelName\": \"gpt-4o\",\n  \"systemMessage\": \"You are experienced AI engineer and helpful assistant.\",\n  \"temperature\": 0.7\n  },\n  {\n    \"modelName\": \"claude-3-5-sonnet\",\n    \"systemMessage\": \"You are a friendly and knowledgeable chatbot.\",\n    \"temperature\": 0.5\n  }\n]\n```\n\n## Instructions\n\n-   Your output format is JSON array\n-   Sort best-fitting models first\n-   Omit any models that are not suitable\n-   Write just the JSON, no other text should be present\n-   Array contain items with following keys:\n    -   `modelName`: The name of the model to use\n    -   `systemMessage`: The system message to provide context to the model\n    -   `temperature`: The sampling temperature to use\n\n### Key `modelName`\n\nHere are the available models:\n\n```json\n{availableModels}\n```\n\n### Key `systemMessage`\n\nThe system message is used to communicate instructions or provide context to the model at the beginning of a conversation. It is displayed in a different format compared to user messages, helping the model understand its role in the conversation. The system message typically guides the model's behavior, sets the tone, or specifies desired output from the model. By utilizing the system message effectively, users can steer the model towards generating more accurate and relevant responses.\n\nFor example:\n\n> You are an experienced AI engineer and helpful assistant.\n\n> You are a friendly and knowledgeable chatbot.\n\n### Key `temperature`\n\nThe sampling temperature, between 0 and 1. Higher values like 0.8 will make the output more random, while lower values like 0.2 will make it more focused and deterministic. If set to 0, the model will use log probability to automatically increase the temperature until certain thresholds are hit.\n\nYou can pick a value between 0 and 2. For example:\n\n-   `0.1`: Low temperature, extremely conservative and deterministic\n-   `0.5`: Medium temperature, balanced between conservative and creative\n-   `1.0`: High temperature, creative and bit random\n-   `1.5`: Very high temperature, extremely creative and often chaotic and unpredictable\n-   `2.0`: Maximum temperature, completely random and unpredictable, for some extreme creative use cases\n\n# The assistant\n\nTake this description of the persona:\n\n> {personaDescription}",resultingParameterName:"modelsRequirements",format:"JSON",dependentParameterNames:["availableModels","personaDescription"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Persona\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-persona.book`\n-   INPUT PARAMETER `{availableModels}` List of available model names together with their descriptions as JSON\n-   INPUT PARAMETER `{personaDescription}` Description of the persona\n-   OUTPUT PARAMETER `{modelsRequirements}` Specific requirements for the model\n\n## Make modelRequirements\n\n-   FORMAT JSON\n\n```markdown\nYou are an experienced AI engineer, you need to find the best models for virtual assistants:\n\n## Example\n\n\\`\\`\\`json\n[\n  {\n  \"modelName\": \"gpt-4o\",\n  \"systemMessage\": \"You are experienced AI engineer and helpful assistant.\",\n  \"temperature\": 0.7\n  },\n  {\n    \"modelName\": \"claude-3-5-sonnet\",\n    \"systemMessage\": \"You are a friendly and knowledgeable chatbot.\",\n    \"temperature\": 0.5\n  }\n]\n\\`\\`\\`\n\n## Instructions\n\n-   Your output format is JSON array\n-   Sort best-fitting models first\n-   Omit any models that are not suitable\n-   Write just the JSON, no other text should be present\n-   Array contain items with following keys:\n    -   `modelName`: The name of the model to use\n    -   `systemMessage`: The system message to provide context to the model\n    -   `temperature`: The sampling temperature to use\n\n### Key `modelName`\n\nHere are the available models:\n\n\\`\\`\\`json\n{availableModels}\n\\`\\`\\`\n\n### Key `systemMessage`\n\nThe system message is used to communicate instructions or provide context to the model at the beginning of a conversation. It is displayed in a different format compared to user messages, helping the model understand its role in the conversation. The system message typically guides the model's behavior, sets the tone, or specifies desired output from the model. By utilizing the system message effectively, users can steer the model towards generating more accurate and relevant responses.\n\nFor example:\n\n> You are an experienced AI engineer and helpful assistant.\n\n> You are a friendly and knowledgeable chatbot.\n\n### Key `temperature`\n\nThe sampling temperature, between 0 and 1. Higher values like 0.8 will make the output more random, while lower values like 0.2 will make it more focused and deterministic. If set to 0, the model will use log probability to automatically increase the temperature until certain thresholds are hit.\n\nYou can pick a value between 0 and 2. For example:\n\n-   `0.1`: Low temperature, extremely conservative and deterministic\n-   `0.5`: Medium temperature, balanced between conservative and creative\n-   `1.0`: High temperature, creative and bit random\n-   `1.5`: Very high temperature, extremely creative and often chaotic and unpredictable\n-   `2.0`: Maximum temperature, completely random and unpredictable, for some extreme creative use cases\n\n# The assistant\n\nTake this description of the persona:\n\n> {personaDescription}\n```\n\n`-> {modelsRequirements}`\n"}],sourceFile:"./books/prepare-persona.book"},{title:"Prepare Title",pipelineUrl:"https://promptbook.studio/promptbook/prepare-title.book",formfactorName:"GENERIC",parameters:[{name:"book",description:"The book to prepare the title for",isInput:true,isOutput:false},{name:"title",description:"Best title for the book",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"make-title",title:"Make title",content:"Make best title for given text which describes the workflow:\n\n## Rules\n\n-   Write just title, nothing else\n-   Title should be concise and clear - Write maximum ideally 2 words, maximum 5 words\n-   Title starts with emoticon\n-   Title should not mention the input and output of the workflow but the main purpose of the workflow\n    _For example, not \"✍ Convert Knowledge-piece to title\" but \"✍ Title\"_\n\n## The workflow\n\n> {book}",resultingParameterName:"title",expectations:{words:{min:1,max:8},lines:{min:1,max:1}},dependentParameterNames:["book"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Title\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-title.book`\n-   INPUT PARAMETER `{book}` The book to prepare the title for\n-   OUTPUT PARAMETER `{title}` Best title for the book\n\n## Make title\n\n-   EXPECT MIN 1 Word\n-   EXPECT MAX 8 Words\n-   EXPECT EXACTLY 1 Line\n\n```markdown\nMake best title for given text which describes the workflow:\n\n## Rules\n\n-   Write just title, nothing else\n-   Title should be concise and clear - Write maximum ideally 2 words, maximum 5 words\n-   Title starts with emoticon\n-   Title should not mention the input and output of the workflow but the main purpose of the workflow\n    _For example, not \"✍ Convert Knowledge-piece to title\" but \"✍ Title\"_\n\n## The workflow\n\n> {book}\n```\n\n`-> {title}`\n"}],sourceFile:"./books/prepare-title.book"},{title:"📊 Curriculum Audit",pipelineUrl:"https://promptbook.studio/promptbook//examples/lsvp-asistent.book",formfactorName:"GENERIC",parameters:[{name:"result",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"prompt",title:"Prompt",content:"Asistent pro LŠVP\n\nPERSONA Jsi asistent pro RVP Lyceum v rámci Národního pedagogického institutu České Republiky\nMETA IMAGE https://edulk.cz/getFile/id:475818/type:large/02%20zna%C4%8Dka%20npi.jpg\nRULE Pokud jsi nejsi jistý, napiš nevím\nKNOWLEDGE ./241129_Lyceum_final.pdf\nCONTEXT Obecně dokážeš řešit libovolné ŠVP, aktuálně řešíš {Školní vzdělávací program LYCEUM}\nRULE Z {Porovnání RVP a ŠVP - postup} je nejdůležitější fáze 3\nKNOWLEDGE {Školní vzdělávací program LYCEUM}  ./ŠVP Lyceum - Finance v digitální době.pdf\nKNOWLEDGE @Slovník\n\n**Interní slovník - RVP/ŠVP**\n\n**RVP**\n\nRámcový vzdělávací program pro obor vzdělání Lyceum je dokument na národní úrovni, který formuluje požadavky na školní vzdělávací programy ve formě především očekávaných výsledků učení, kterých mají žáci absolvováním tohoto programu na dané škole dosáhnout.\n\n**ŠVP**\n\nŠkolní vzdělávací program pro obor vzdělání Lyceum je dokument každé jednotlivé školy, který popisuje v jakých vyučovacích předmětech/ vzdělávacích modulech a v jakých ročnících budou požadované očekávané výsledky učení naplněny. Zároveň formuluje další očekávané výsledky učení, které naplňují disponibilní část vyučovacího času určeného RVP pro tento obor vzdělání.\n\n**Očekávaný výsledek učení (OVU)**\n\nVyjadřuje jednotlivý požadavek na to, co mají žáci umět na konci vzdělávacího programu, tzn. jejich požadované kompetence. Je vyjádřen formulací, která je uvozena činnostním slovesem a dále obsahuje předmět této činnosti. Formulace je konkretizována resp. doplněna zpravidla formou odrážek vymezením dílčích znalostí, dovedností, postojů, jejichž splnění je předpokladem dosažení OVU jako celku.\n\n_Příklad:_\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th><p><strong>Žák/žákyně řídí realizaci jednoduchého projektu</strong></p></th></tr><tr><td><ul><li>naplánuje aktivity projektu</li></ul></td></tr><tr><td><ul><li>navrhne rozpočet projektu vzhledem k navrženým aktivitám</li></ul></td></tr><tr><td><ul><li>stanoví základní ukazatele a sleduje jejich naplňování</li></ul></td></tr><tr><td><ul><li>vede projektový tým</li></ul></td></tr><tr><td><ul><li>uvede, jak by řešil krizové situace v projektu</li></ul></td></tr><tr><td><ul><li>vyhodnotí úspěšnost projektu</li></ul></td></tr></tbody></table></div>\n\n**Vzdělávací oblasti**\n\nOčekávané výsledky učení jsou v **_RVP členěny do 4 vzdělávacích oblastí_**, které tvoří společný všeobecně vzdělávací základ:\n\n- Osobnostní rozvoj, vzdělávání ke zdraví, bezpečí a produktivnímu pracovnímu životu (kariéře)\n- Komunikační a jazykové vzdělávání\n- Aplikované vzdělávání STEM (Science, Technology, Engeneering, Math), tj. přírodní vědy, informatika, technika, matematika\n- Prakticky orientované vzdělávání společenskovědní a humanitní\n\nKaždá vzdělávací oblast se dále člení na okruhy, v jejichž rámci jsou OVU samostatně číslované.\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th rowspan=\"21\"><ul><li>Prakticky orientované vzdělávání společenskovědní a humanitní</li></ul></th><th rowspan=\"21\"><p><strong>Člověk, ekonomie a podnikání</strong></p></th><th rowspan=\"7\"><p><strong>1</strong></p></th><th><p><strong>zpracuje podklady související s podnikáním</strong></p></th></tr><tr><td><p>připraví podnikatelský záměr</p></td></tr><tr><td><p>sestaví zakladatelský rozpočet</p></td></tr><tr><td><p>zkalkuluje cenu zboží nebo služby</p></td></tr><tr><td><p>vysvětlí na příkladu základní povinnosti podnikatele vůči státu a zaměstnancům</p></td></tr><tr><td><p>vede daňovou evidenci</p></td></tr><tr><td><p>vysvětlí na příkladech etiku v podnikání</p></td></tr><tr><td rowspan=\"7\"><p><strong>2</strong></p></td><td><p><strong>řídí realizaci jednoduchého projektu</strong></p></td></tr><tr><td><p>naplánuje aktivity projektu</p></td></tr><tr><td><p>navrhne rozpočet projektu vzhledem k navrženým aktivitám</p></td></tr><tr><td><p>stanoví základní ukazatele a sleduje jejich naplňování</p></td></tr><tr><td><p>vede projektový tým</p></td></tr><tr><td><p>uvede, jak by řešil krizové situace v projektu</p></td></tr><tr><td><p>vyhodnotí úspěšnost projektu</p></td></tr><tr><td rowspan=\"7\"><p><strong>3</strong></p></td><td><p><strong>aplikuje ekonomické teorie v osobním a profesním životě</strong></p></td></tr><tr><td><p>vysvětlí základní ekonomické otázky</p></td></tr><tr><td><p>vysvětí stanovení rovnovážné ceny na dokonalém i nedokonalém trhu</p></td></tr><tr><td><p>charakterizuje výrobní faktory a vysvětlí hranici produkčních možností a náklady obětované příležitosti</p></td></tr><tr><td><p>uvede nejdůležitější makroekonomické pojmy a vliv jejich výše na kvalitu života a podnikání v daném státě</p></td></tr><tr><td><p>vysvětlí podstatu inflace a její důsledky na finanční situaci obyvatel a na příkladu ukáže jak se bránit jejím nepříznivým důsledkům</p></td></tr><tr><td><p>uvede hlavní výhody a nevýhody mezinárodního obchodu a vliv ochranářských opatření na ekonomickou situaci dané země</p></td></tr><tr><td></td><td></td><td><p><strong>4</strong></p></td><td><p>Atd.</p></td></tr></tbody></table></div>\n\n**Vyučovací předmět / vzdělávací modul**\n\nOčekávané výsledky učení jsou v **ŠVP** členěny do vyučovacích předmětů nebo vzdělávacích modulů, které jsou dále zařazeny do jednoho nebo více ročníků 4letého studia. Vyučovací předmět / vzdělávací modul tvoří vyučovací jednotku, kde jsou očekávané výsledky učení dále rozpracovány pro potřeby výuky podle následující šablony\n\n| **A. VSTUPNÍ ČÁST** |\n| --- |\n| **1\\. Název** |\n| **2\\. Kód** (kódy by měly být navázány na obory vzdělání a výsledky učení) |\n| **2a) Kategorie vzdělání** - v případě, že nebude součástí kódu |\n| **3\\. Typ vyučovací jednotky** (modul, předmět, stáž apod.) |\n| **4\\. Délka** (počet hodin - dělitelný čtyřmi (optimální modul 16, 32 hodin = týden výuky) |\n| **5\\. Platnost** (datum, od kterého platí) |\n| **6\\. Vstupní předpoklady** (vymezení požadované úrovně vstupních vědomostí a dovedností, které jsou předpokladem úspěšného studia) |\n|     |\n| **B. JÁDRO VYUČOVACÍ JEDNOTKY** |\n| **1\\. Charakteristika** (stručná anotace popisující obecné cíle a pojetí) |\n| **2\\. Očekávané výsledky učení a jejich indikátory (převzaté z RVP nebo dále konkretizované)** |\n| **3\\. Podpora rozvoje klíčových kompetencí a základních gramotností** (které klíčové kompetence jsou v rozvíjeny) |\n| **4\\. Obsah vzdělávání** (rozpis učiva) |\n| **5\\. Vzdělávací strategie** (strategie výuky, resp. učební činnosti žáků, které jsou doporučené pro dosažení výsledků) |\n|     |\n| **C. VÝSTUPNÍ ČÁST** |\n| **1\\. Způsob ověřování dosažených výsledků** (ve vazbě na jednotlivé výsledky učení) |\n| **2\\. Kritéria hodnocení** (co znamená splnění výsledků učení, kdy je splněna celá vyučovací jednotka, kritéria pro známky, příp. procentuální, slovní hodnocení) |\n| **3\\. Doporučená studijní literatura, odkazy na ilustrační zdroje** |\n| **4\\. Poznámky** |\n\n**Soulad OVU RVP a ŠVP**\n\nTento soulad je předmětem zjišťování. Soulad nastává, jestliže jsou očekávané výsledky učení z jednotlivých vzdělávacích oblastí RVP **obsaženy** ve vyučovacích předmětech/ vzdělávacích modulech ŠVP jednotlivých škol, tzn. že v ŠVP se objevuje jejich formulace buď v doslovném nebo podobném znění v jednom nebo více vyučovacích předmětech/ vzdělávacích modulech.\n\n_Příklad souladu:_\n\nRVP ŠVP - komunikace a marketing (SŠ obchodní Č.\n\n| **2** | **řídí realizaci jednoduchého projektu** |\n| --- | --- |\n| naplánuje aktivity projektu |\n| navrhne rozpočet projektu vzhledem k navrženým aktivitám |\n| stanoví základní ukazatele a sleduje jejich naplňování |\n| vede projektový tým |\n| uvede, jak by řešil krizové situace v projektu |\n| vyhodnotí úspěšnost projektu |\n\nKNOWLEDGE  {Porovnání RVP a ŠVP - postup}\n\n\n# AUDITNÍ PROTOKOL ŠVP-RVP\n\n# (POPIS KONTROLNÍHO ALGORITMU)\n\nMetodika je určena pro **Kvantifikaci Shody** školního vzdělávacího programu (ŠVP) s Rámcovým vzdělávacím programem (RVP).\n\n## FÁZE 1: VALIDACE DOKUMENTACE\n\n**Cíl:** Ověřit platnost, aktuálnost a strukturu zdrojových dokumentů.\n\n- **RVP Verifikace:** Otevřít aktuální verzi RVP (např. RVP ZV/G/SOŠ).\n- **Typová shoda:** Ověřit, že RVP se vztahuje k danému typu školy.\n- **ŠVP Dimenze:** Identifikovat a izolovat relevantní části ŠVP: Profil absolventa, Klíčové kompetence (KK), Vzdělávací oblasti (VO), případně Učební plán (UP).\n- **Verzování:** Potvrdit, že obě verze (RVP a ŠVP) jsou nejnovější a platné (včetně dodatků RVP).\n\n## FÁZE 2: DATABÁZOVÉ MAPOVÁNÍ VÝSTUPŮ (MASTER MATICE)\n\n**Cíl:** Vytvořit systémovou databázi pro křížové porovnání všech povinných komponent RVP se ŠVP.\n\n- **Dekompozice RVP:** Rozložit RVP na základní povinné komponenty: Klíčové kompetence, Vzdělávací oblasti a obory, Očekávané výstupy (OVU), Průřezová témata (PT).\n- **Přiřazovací mapa:** Vytvořit hlavní kontrolní matici (Master Matice) pro záznam vazeb.\n\n| Oblast RVP | Výstup RVP (OVU) | Odpovídající Část ŠVP (Předmět/Ročník) | Konkrétní Tématický Celek v ŠVP | Stav Shody (Protokol) |\n| --- | --- | --- | --- | --- |\n| ... | ... | ... | ... | ... |\n| --- | --- | --- | --- | --- |\n\n## FÁZE 3: ALGORITMICKÁ KONTROLA POKRYTÍ A HLOUBKY\n\n**Cíl:** Posoudit, zda každý povinný výstup RVP je adekvátně reflektován v obsahu ŠVP, a přidělit bodovou hodnotu pro kvantifikaci.\n\n- **Audit OVU:** Projít každý jednotlivý Očekávaný výstup (OVU) z RVP.\n- **Kódování stavu a bodování:** U každého OVU v matici označit stav pokrytí dle následujícího schématu:\n\n| Kód (Protokol) | Popis (Kvalitativní zjištění) | Bodová hodnota (Kvantifikace) |\n| --- | --- | --- |\n| ✅   | Plná shoda (Výstup pokryt v plném rozsahu, odpovídající úrovni RVP) | 1,0 |\n| --- | --- | --- |\n| ⚠️  | Částečná shoda (Formální pokrytí, omezený rozsah, chybná návaznost) | 0,5 |\n| --- | --- | --- |\n| ❌   | Absence (Výstup zcela chybí v obsahu ŠVP) | 0,0 |\n| --- | --- | --- |\n\n- **Defektologie ŠVP:** Identifikovat a zaznamenat deficity ŠVP: Chybějící výstupy (❌), Sémantické překryvy, Přetížení obsahu.\n- **Kvalitativní posun:** Ověřit, zda je formulace výstupů v ŠVP **aktivní, měřitelná a v souladu** s úrovní RVP.\n\n## FÁZE 4: STRUKTURÁLNÍ VERIFIKACE NÁVAZNOSTI (VERTIKÁLA/HORIZONTÁLA)\n\n**Cíl:** Zkontrolovat logickou posloupnost a provázanost učiva v rámci ŠVP.\n\n- **Vertikální Kontrola:** Ověřit posloupnost OVU a učiva uvnitř jednoho předmětu/oblasti (postup od jednodušších ke složitějším konceptům napříč ročníky).\n- **Horizontální Kontrola:** Zkontrolovat logické provázání napříč vzdělávacími oblastmi a předměty (např. fyzika ↔ matematika).\n- **PT Integrace:** Audit reálné integrace Průřezových témat (PT) do konkrétních částí obsahu, metod a projektů.\n\n## FÁZE 5: ANALÝZA ŠKOLNÍ PROFILACE A ROZŠÍŘENÍ RVP\n\n**Cíl:** Validovat, že profilace školy je **v souladu** s RVP a nejedná se o **rozpor**.\n\n- **Nekonfliktnost:** Porovnat definovaný Profil absolventa školy s Klíčovými kompetencemi RVP. Profil ŠVP musí RVP rozvíjet, nikoli mu odporovat.\n- **Modularita:** Zkontrolovat, zda volitelné předměty a rozšiřující moduly logicky navazují na vzdělávací oblasti RVP.\n- **Implementace specializace:** Popisně uvést, jak je školní profilace (např. STEM zaměření, projektová výuka) integrována do OVU a kompetencí definovaných RVP.\n\n## FÁZE 6: GENERÁTOR ZÁVĚREČNÉ ZPRÁVY A KVANTIFIKACE\n\n**Cíl:** Syntetizovat výsledky, kvantifikovat soulad a generovat závazné návrhy na korekce.\n\n### 6.1 Kvantifikace Souladu\n\nVypočítat Index shody (IS) na základě bodového hodnocení (Fáze 3):\n\n### 6.2 Interpretace Indexu Shody (IS)\n\nKlasifikace souladu pro standardizované vyhodnocení:\n\n| Interval IS | Klasifikace souladu | Popis |\n| --- | --- | --- |\n| 95-100 % | Výborný soulad | ŠVP plně odpovídá RVP, pouze stylistické nebo formální rozdíly. |\n| --- | --- | --- |\n| 85-94 % | Dobrá shoda | ŠVP pokrývá všechny klíčové výstupy, menší korekce nutné. |\n| --- | --- | --- |\n| 70-84 % | Částečná shoda | Významné nedostatky v některých oblastech, nutná revize obsahu. |\n| --- | --- | --- |\n| < 70 % | Kritická neshoda | ŠVP neplní rámcové požadavky, ohrožuje legislativní soulad. |\n| --- | --- | --- |\n\n### 6.3 Doplňkové Indexy\n\nVypočítat následující doplňkové indexy pro detailní kvalitativní analýzu:\n\n- **Index kompetenčního souladu (IKS):** Poměr pokrytí klíčových kompetencí RVP v ŠVP.\n- **Index průřezové integrace (IPI):** Míra reálné integrace průřezových témat do výuky.\n- **Index hloubky pokrytí (IHP):** Procento výstupů, které jsou v ŠVP rozvedeny na konkrétní výukové cíle (měřitelné, aktivní formulace).\n- **Index profilové rozšiřitelnosti (IPR):** Kolik rozšiřujících nebo profilových výstupů přesahuje rámec RVP, aniž by narušily jeho strukturu.\n\n### 6.4 Vizuální výstupy\n\nZajistit generování následujících vizualizací pro Závěrečnou zprávu:\n\n- Graf pokrytí po vzdělávacích oblastech (Sloupcový graf IS pro VO).\n- Pavoukový diagram Klíčových kompetencí (RVP vs. ŠVP).\n- Mapa defektů (Vizualizace ❌ a ⚠️ výstupů).\n\n### 6.5 Struktura Závěrečné Zprávy\n\nZpráva musí být strukturována dle standardizovaného formátu:\n\n| Oddíl | Obsah |\n| --- | --- |\n| A. Identifikace | Název školy, IZO, typ školy, datum revize, zpracovatel, verze ŠVP a RVP. |\n| --- | --- |\n| B. Shrnutí výsledků | Celkový Index Shody (IS), hlavní závěry a doporučení. |\n| --- | --- |\n| C. Kvantitativní analýza | Přehled IS v % dle kategorií OVU / VO / kompetencí. |\n| --- | --- |\n| D. Kvalitativní analýza | Slovní zhodnocení kvality souladu (formulace, obtížnost, integrace PT). |\n| --- | --- |\n| E. Rizikové oblasti | Přehled nalezených defektů (chybějící OVU, přetížení, formální shoda). |\n| --- | --- |\n| F. Návrhy opatření (Korekční plán) | Přesné návrhy změn - **Co, Kde, Kdo** má upravit, včetně termínu. |\n| --- | --- |\n| G. Přílohy | Master Matice (Fáze 2-3), revizní tabulka, výstupní grafy a metriky. |\n| --- | --- |\n\n\n\n\n.",resultingParameterName:"result",dependentParameterNames:[]}],personas:[],preparations:[{id:1,promptbookVersion:"0.103.0-31",usage:{price:{value:0},input:{tokensCount:{value:0},charactersCount:{value:0},wordsCount:{value:0},sentencesCount:{value:0},linesCount:{value:0},paragraphsCount:{value:0},pagesCount:{value:0}},output:{tokensCount:{value:0},charactersCount:{value:0},wordsCount:{value:0},sentencesCount:{value:0},linesCount:{value:0},paragraphsCount:{value:0},pagesCount:{value:0}}}}],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"Asistent pro LŠVP\n\nPERSONA Jsi asistent pro RVP Lyceum v rámci Národního pedagogického institutu České Republiky\nMETA IMAGE https://edulk.cz/getFile/id:475818/type:large/02%20zna%C4%8Dka%20npi.jpg\nRULE Pokud jsi nejsi jistý, napiš nevím\nKNOWLEDGE ./241129_Lyceum_final.pdf\nCONTEXT Obecně dokážeš řešit libovolné ŠVP, aktuálně řešíš {Školní vzdělávací program LYCEUM}\nRULE Z {Porovnání RVP a ŠVP - postup} je nejdůležitější fáze 3\nKNOWLEDGE {Školní vzdělávací program LYCEUM}  ./ŠVP Lyceum - Finance v digitální době.pdf\nKNOWLEDGE @Slovník\n\n**Interní slovník - RVP/ŠVP**\n\n**RVP**\n\nRámcový vzdělávací program pro obor vzdělání Lyceum je dokument na národní úrovni, který formuluje požadavky na školní vzdělávací programy ve formě především očekávaných výsledků učení, kterých mají žáci absolvováním tohoto programu na dané škole dosáhnout.\n\n**ŠVP**\n\nŠkolní vzdělávací program pro obor vzdělání Lyceum je dokument každé jednotlivé školy, který popisuje v jakých vyučovacích předmětech/ vzdělávacích modulech a v jakých ročnících budou požadované očekávané výsledky učení naplněny. Zároveň formuluje další očekávané výsledky učení, které naplňují disponibilní část vyučovacího času určeného RVP pro tento obor vzdělání.\n\n**Očekávaný výsledek učení (OVU)**\n\nVyjadřuje jednotlivý požadavek na to, co mají žáci umět na konci vzdělávacího programu, tzn. jejich požadované kompetence. Je vyjádřen formulací, která je uvozena činnostním slovesem a dále obsahuje předmět této činnosti. Formulace je konkretizována resp. doplněna zpravidla formou odrážek vymezením dílčích znalostí, dovedností, postojů, jejichž splnění je předpokladem dosažení OVU jako celku.\n\n_Příklad:_\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th><p><strong>Žák/žákyně řídí realizaci jednoduchého projektu</strong></p></th></tr><tr><td><ul><li>naplánuje aktivity projektu</li></ul></td></tr><tr><td><ul><li>navrhne rozpočet projektu vzhledem k navrženým aktivitám</li></ul></td></tr><tr><td><ul><li>stanoví základní ukazatele a sleduje jejich naplňování</li></ul></td></tr><tr><td><ul><li>vede projektový tým</li></ul></td></tr><tr><td><ul><li>uvede, jak by řešil krizové situace v projektu</li></ul></td></tr><tr><td><ul><li>vyhodnotí úspěšnost projektu</li></ul></td></tr></tbody></table></div>\n\n**Vzdělávací oblasti**\n\nOčekávané výsledky učení jsou v **_RVP členěny do 4 vzdělávacích oblastí_**, které tvoří společný všeobecně vzdělávací základ:\n\n- Osobnostní rozvoj, vzdělávání ke zdraví, bezpečí a produktivnímu pracovnímu životu (kariéře)\n- Komunikační a jazykové vzdělávání\n- Aplikované vzdělávání STEM (Science, Technology, Engeneering, Math), tj. přírodní vědy, informatika, technika, matematika\n- Prakticky orientované vzdělávání společenskovědní a humanitní\n\nKaždá vzdělávací oblast se dále člení na okruhy, v jejichž rámci jsou OVU samostatně číslované.\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th rowspan=\"21\"><ul><li>Prakticky orientované vzdělávání společenskovědní a humanitní</li></ul></th><th rowspan=\"21\"><p><strong>Člověk, ekonomie a podnikání</strong></p></th><th rowspan=\"7\"><p><strong>1</strong></p></th><th><p><strong>zpracuje podklady související s podnikáním</strong></p></th></tr><tr><td><p>připraví podnikatelský záměr</p></td></tr><tr><td><p>sestaví zakladatelský rozpočet</p></td></tr><tr><td><p>zkalkuluje cenu zboží nebo služby</p></td></tr><tr><td><p>vysvětlí na příkladu základní povinnosti podnikatele vůči státu a zaměstnancům</p></td></tr><tr><td><p>vede daňovou evidenci</p></td></tr><tr><td><p>vysvětlí na příkladech etiku v podnikání</p></td></tr><tr><td rowspan=\"7\"><p><strong>2</strong></p></td><td><p><strong>řídí realizaci jednoduchého projektu</strong></p></td></tr><tr><td><p>naplánuje aktivity projektu</p></td></tr><tr><td><p>navrhne rozpočet projektu vzhledem k navrženým aktivitám</p></td></tr><tr><td><p>stanoví základní ukazatele a sleduje jejich naplňování</p></td></tr><tr><td><p>vede projektový tým</p></td></tr><tr><td><p>uvede, jak by řešil krizové situace v projektu</p></td></tr><tr><td><p>vyhodnotí úspěšnost projektu</p></td></tr><tr><td rowspan=\"7\"><p><strong>3</strong></p></td><td><p><strong>aplikuje ekonomické teorie v osobním a profesním životě</strong></p></td></tr><tr><td><p>vysvětlí základní ekonomické otázky</p></td></tr><tr><td><p>vysvětí stanovení rovnovážné ceny na dokonalém i nedokonalém trhu</p></td></tr><tr><td><p>charakterizuje výrobní faktory a vysvětlí hranici produkčních možností a náklady obětované příležitosti</p></td></tr><tr><td><p>uvede nejdůležitější makroekonomické pojmy a vliv jejich výše na kvalitu života a podnikání v daném státě</p></td></tr><tr><td><p>vysvětlí podstatu inflace a její důsledky na finanční situaci obyvatel a na příkladu ukáže jak se bránit jejím nepříznivým důsledkům</p></td></tr><tr><td><p>uvede hlavní výhody a nevýhody mezinárodního obchodu a vliv ochranářských opatření na ekonomickou situaci dané země</p></td></tr><tr><td></td><td></td><td><p><strong>4</strong></p></td><td><p>Atd.</p></td></tr></tbody></table></div>\n\n**Vyučovací předmět / vzdělávací modul**\n\nOčekávané výsledky učení jsou v **ŠVP** členěny do vyučovacích předmětů nebo vzdělávacích modulů, které jsou dále zařazeny do jednoho nebo více ročníků 4letého studia. Vyučovací předmět / vzdělávací modul tvoří vyučovací jednotku, kde jsou očekávané výsledky učení dále rozpracovány pro potřeby výuky podle následující šablony\n\n| **A. VSTUPNÍ ČÁST** |\n| --- |\n| **1\\. Název** |\n| **2\\. Kód** (kódy by měly být navázány na obory vzdělání a výsledky učení) |\n| **2a) Kategorie vzdělání** - v případě, že nebude součástí kódu |\n| **3\\. Typ vyučovací jednotky** (modul, předmět, stáž apod.) |\n| **4\\. Délka** (počet hodin - dělitelný čtyřmi (optimální modul 16, 32 hodin = týden výuky) |\n| **5\\. Platnost** (datum, od kterého platí) |\n| **6\\. Vstupní předpoklady** (vymezení požadované úrovně vstupních vědomostí a dovedností, které jsou předpokladem úspěšného studia) |\n|     |\n| **B. JÁDRO VYUČOVACÍ JEDNOTKY** |\n| **1\\. Charakteristika** (stručná anotace popisující obecné cíle a pojetí) |\n| **2\\. Očekávané výsledky učení a jejich indikátory (převzaté z RVP nebo dále konkretizované)** |\n| **3\\. Podpora rozvoje klíčových kompetencí a základních gramotností** (které klíčové kompetence jsou v rozvíjeny) |\n| **4\\. Obsah vzdělávání** (rozpis učiva) |\n| **5\\. Vzdělávací strategie** (strategie výuky, resp. učební činnosti žáků, které jsou doporučené pro dosažení výsledků) |\n|     |\n| **C. VÝSTUPNÍ ČÁST** |\n| **1\\. Způsob ověřování dosažených výsledků** (ve vazbě na jednotlivé výsledky učení) |\n| **2\\. Kritéria hodnocení** (co znamená splnění výsledků učení, kdy je splněna celá vyučovací jednotka, kritéria pro známky, příp. procentuální, slovní hodnocení) |\n| **3\\. Doporučená studijní literatura, odkazy na ilustrační zdroje** |\n| **4\\. Poznámky** |\n\n**Soulad OVU RVP a ŠVP**\n\nTento soulad je předmětem zjišťování. Soulad nastává, jestliže jsou očekávané výsledky učení z jednotlivých vzdělávacích oblastí RVP **obsaženy** ve vyučovacích předmětech/ vzdělávacích modulech ŠVP jednotlivých škol, tzn. že v ŠVP se objevuje jejich formulace buď v doslovném nebo podobném znění v jednom nebo více vyučovacích předmětech/ vzdělávacích modulech.\n\n_Příklad souladu:_\n\nRVP ŠVP - komunikace a marketing (SŠ obchodní Č.\n\n| **2** | **řídí realizaci jednoduchého projektu** |\n| --- | --- |\n| naplánuje aktivity projektu |\n| navrhne rozpočet projektu vzhledem k navrženým aktivitám |\n| stanoví základní ukazatele a sleduje jejich naplňování |\n| vede projektový tým |\n| uvede, jak by řešil krizové situace v projektu |\n| vyhodnotí úspěšnost projektu |\n\nKNOWLEDGE  {Porovnání RVP a ŠVP - postup}\n\n\n# AUDITNÍ PROTOKOL ŠVP-RVP\n\n# (POPIS KONTROLNÍHO ALGORITMU)\n\nMetodika je určena pro **Kvantifikaci Shody** školního vzdělávacího programu (ŠVP) s Rámcovým vzdělávacím programem (RVP).\n\n## FÁZE 1: VALIDACE DOKUMENTACE\n\n**Cíl:** Ověřit platnost, aktuálnost a strukturu zdrojových dokumentů.\n\n- **RVP Verifikace:** Otevřít aktuální verzi RVP (např. RVP ZV/G/SOŠ).\n- **Typová shoda:** Ověřit, že RVP se vztahuje k danému typu školy.\n- **ŠVP Dimenze:** Identifikovat a izolovat relevantní části ŠVP: Profil absolventa, Klíčové kompetence (KK), Vzdělávací oblasti (VO), případně Učební plán (UP).\n- **Verzování:** Potvrdit, že obě verze (RVP a ŠVP) jsou nejnovější a platné (včetně dodatků RVP).\n\n## FÁZE 2: DATABÁZOVÉ MAPOVÁNÍ VÝSTUPŮ (MASTER MATICE)\n\n**Cíl:** Vytvořit systémovou databázi pro křížové porovnání všech povinných komponent RVP se ŠVP.\n\n- **Dekompozice RVP:** Rozložit RVP na základní povinné komponenty: Klíčové kompetence, Vzdělávací oblasti a obory, Očekávané výstupy (OVU), Průřezová témata (PT).\n- **Přiřazovací mapa:** Vytvořit hlavní kontrolní matici (Master Matice) pro záznam vazeb.\n\n| Oblast RVP | Výstup RVP (OVU) | Odpovídající Část ŠVP (Předmět/Ročník) | Konkrétní Tématický Celek v ŠVP | Stav Shody (Protokol) |\n| --- | --- | --- | --- | --- |\n| ... | ... | ... | ... | ... |\n| --- | --- | --- | --- | --- |\n\n## FÁZE 3: ALGORITMICKÁ KONTROLA POKRYTÍ A HLOUBKY\n\n**Cíl:** Posoudit, zda každý povinný výstup RVP je adekvátně reflektován v obsahu ŠVP, a přidělit bodovou hodnotu pro kvantifikaci.\n\n- **Audit OVU:** Projít každý jednotlivý Očekávaný výstup (OVU) z RVP.\n- **Kódování stavu a bodování:** U každého OVU v matici označit stav pokrytí dle následujícího schématu:\n\n| Kód (Protokol) | Popis (Kvalitativní zjištění) | Bodová hodnota (Kvantifikace) |\n| --- | --- | --- |\n| ✅   | Plná shoda (Výstup pokryt v plném rozsahu, odpovídající úrovni RVP) | 1,0 |\n| --- | --- | --- |\n| ⚠️  | Částečná shoda (Formální pokrytí, omezený rozsah, chybná návaznost) | 0,5 |\n| --- | --- | --- |\n| ❌   | Absence (Výstup zcela chybí v obsahu ŠVP) | 0,0 |\n| --- | --- | --- |\n\n- **Defektologie ŠVP:** Identifikovat a zaznamenat deficity ŠVP: Chybějící výstupy (❌), Sémantické překryvy, Přetížení obsahu.\n- **Kvalitativní posun:** Ověřit, zda je formulace výstupů v ŠVP **aktivní, měřitelná a v souladu** s úrovní RVP.\n\n## FÁZE 4: STRUKTURÁLNÍ VERIFIKACE NÁVAZNOSTI (VERTIKÁLA/HORIZONTÁLA)\n\n**Cíl:** Zkontrolovat logickou posloupnost a provázanost učiva v rámci ŠVP.\n\n- **Vertikální Kontrola:** Ověřit posloupnost OVU a učiva uvnitř jednoho předmětu/oblasti (postup od jednodušších ke složitějším konceptům napříč ročníky).\n- **Horizontální Kontrola:** Zkontrolovat logické provázání napříč vzdělávacími oblastmi a předměty (např. fyzika ↔ matematika).\n- **PT Integrace:** Audit reálné integrace Průřezových témat (PT) do konkrétních částí obsahu, metod a projektů.\n\n## FÁZE 5: ANALÝZA ŠKOLNÍ PROFILACE A ROZŠÍŘENÍ RVP\n\n**Cíl:** Validovat, že profilace školy je **v souladu** s RVP a nejedná se o **rozpor**.\n\n- **Nekonfliktnost:** Porovnat definovaný Profil absolventa školy s Klíčovými kompetencemi RVP. Profil ŠVP musí RVP rozvíjet, nikoli mu odporovat.\n- **Modularita:** Zkontrolovat, zda volitelné předměty a rozšiřující moduly logicky navazují na vzdělávací oblasti RVP.\n- **Implementace specializace:** Popisně uvést, jak je školní profilace (např. STEM zaměření, projektová výuka) integrována do OVU a kompetencí definovaných RVP.\n\n## FÁZE 6: GENERÁTOR ZÁVĚREČNÉ ZPRÁVY A KVANTIFIKACE\n\n**Cíl:** Syntetizovat výsledky, kvantifikovat soulad a generovat závazné návrhy na korekce.\n\n### 6.1 Kvantifikace Souladu\n\nVypočítat Index shody (IS) na základě bodového hodnocení (Fáze 3):\n\n### 6.2 Interpretace Indexu Shody (IS)\n\nKlasifikace souladu pro standardizované vyhodnocení:\n\n| Interval IS | Klasifikace souladu | Popis |\n| --- | --- | --- |\n| 95-100 % | Výborný soulad | ŠVP plně odpovídá RVP, pouze stylistické nebo formální rozdíly. |\n| --- | --- | --- |\n| 85-94 % | Dobrá shoda | ŠVP pokrývá všechny klíčové výstupy, menší korekce nutné. |\n| --- | --- | --- |\n| 70-84 % | Částečná shoda | Významné nedostatky v některých oblastech, nutná revize obsahu. |\n| --- | --- | --- |\n| < 70 % | Kritická neshoda | ŠVP neplní rámcové požadavky, ohrožuje legislativní soulad. |\n| --- | --- | --- |\n\n### 6.3 Doplňkové Indexy\n\nVypočítat následující doplňkové indexy pro detailní kvalitativní analýzu:\n\n- **Index kompetenčního souladu (IKS):** Poměr pokrytí klíčových kompetencí RVP v ŠVP.\n- **Index průřezové integrace (IPI):** Míra reálné integrace průřezových témat do výuky.\n- **Index hloubky pokrytí (IHP):** Procento výstupů, které jsou v ŠVP rozvedeny na konkrétní výukové cíle (měřitelné, aktivní formulace).\n- **Index profilové rozšiřitelnosti (IPR):** Kolik rozšiřujících nebo profilových výstupů přesahuje rámec RVP, aniž by narušily jeho strukturu.\n\n### 6.4 Vizuální výstupy\n\nZajistit generování následujících vizualizací pro Závěrečnou zprávu:\n\n- Graf pokrytí po vzdělávacích oblastech (Sloupcový graf IS pro VO).\n- Pavoukový diagram Klíčových kompetencí (RVP vs. ŠVP).\n- Mapa defektů (Vizualizace ❌ a ⚠️ výstupů).\n\n### 6.5 Struktura Závěrečné Zprávy\n\nZpráva musí být strukturována dle standardizovaného formátu:\n\n| Oddíl | Obsah |\n| --- | --- |\n| A. Identifikace | Název školy, IZO, typ školy, datum revize, zpracovatel, verze ŠVP a RVP. |\n| --- | --- |\n| B. Shrnutí výsledků | Celkový Index Shody (IS), hlavní závěry a doporučení. |\n| --- | --- |\n| C. Kvantitativní analýza | Přehled IS v % dle kategorií OVU / VO / kompetencí. |\n| --- | --- |\n| D. Kvalitativní analýza | Slovní zhodnocení kvality souladu (formulace, obtížnost, integrace PT). |\n| --- | --- |\n| E. Rizikové oblasti | Přehled nalezených defektů (chybějící OVU, přetížení, formální shoda). |\n| --- | --- |\n| F. Návrhy opatření (Korekční plán) | Přesné návrhy změn - **Co, Kde, Kdo** má upravit, včetně termínu. |\n| --- | --- |\n| G. Přílohy | Master Matice (Fáze 2-3), revizní tabulka, výstupní grafy a metriky. |\n| --- | --- |\n\n\n\n\n.\n"}],sourceFile:"./books/examples/lsvp-asistent.book"}];
+    var PipelineCollection = [{title:"Prepare Knowledge from Markdown",pipelineUrl:"https://promptbook.studio/promptbook/prepare-knowledge-from-markdown.book",formfactorName:"GENERIC",parameters:[{name:"knowledgeContent",description:"Markdown document content",isInput:true,isOutput:false},{name:"knowledgePieces",description:"The knowledge JSON object",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"knowledge",title:"Knowledge",content:"You are experienced data researcher, extract the important knowledge from the document.\n\n# Rules\n\n-   Make pieces of information concise, clear, and easy to understand\n-   One piece of information should be approximately 1 paragraph\n-   Divide the paragraphs by markdown horizontal lines ---\n-   Omit irrelevant information\n-   Group redundant information\n-   Write just extracted information, nothing else\n\n# The document\n\nTake information from this document:\n\n> {knowledgeContent}",resultingParameterName:"knowledgePieces",dependentParameterNames:["knowledgeContent"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Knowledge from Markdown\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-knowledge-from-markdown.book`\n-   INPUT PARAMETER `{knowledgeContent}` Markdown document content\n-   OUTPUT PARAMETER `{knowledgePieces}` The knowledge JSON object\n\n## Knowledge\n\n<!-- TODO: [🍆] -FORMAT JSON -->\n\n```markdown\nYou are experienced data researcher, extract the important knowledge from the document.\n\n# Rules\n\n-   Make pieces of information concise, clear, and easy to understand\n-   One piece of information should be approximately 1 paragraph\n-   Divide the paragraphs by markdown horizontal lines ---\n-   Omit irrelevant information\n-   Group redundant information\n-   Write just extracted information, nothing else\n\n# The document\n\nTake information from this document:\n\n> {knowledgeContent}\n```\n\n`-> {knowledgePieces}`\n"}],sourceFile:"./books/prepare-knowledge-from-markdown.book"},{title:"Prepare Keywords",pipelineUrl:"https://promptbook.studio/promptbook/prepare-knowledge-keywords.book",formfactorName:"GENERIC",parameters:[{name:"knowledgePieceContent",description:"The content",isInput:true,isOutput:false},{name:"keywords",description:"Keywords separated by comma",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"knowledge",title:"Knowledge",content:"You are experienced data researcher, detect the important keywords in the document.\n\n# Rules\n\n-   Write just keywords separated by comma\n\n# The document\n\nTake information from this document:\n\n> {knowledgePieceContent}",resultingParameterName:"keywords",dependentParameterNames:["knowledgePieceContent"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Keywords\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-knowledge-keywords.book`\n-   INPUT PARAMETER `{knowledgePieceContent}` The content\n-   OUTPUT PARAMETER `{keywords}` Keywords separated by comma\n\n## Knowledge\n\n<!-- TODO: [🍆] -FORMAT JSON -->\n\n```markdown\nYou are experienced data researcher, detect the important keywords in the document.\n\n# Rules\n\n-   Write just keywords separated by comma\n\n# The document\n\nTake information from this document:\n\n> {knowledgePieceContent}\n```\n\n`-> {keywords}`\n"}],sourceFile:"./books/prepare-knowledge-keywords.book"},{title:"Prepare Knowledge-piece Title",pipelineUrl:"https://promptbook.studio/promptbook/prepare-knowledge-title.book",formfactorName:"GENERIC",parameters:[{name:"knowledgePieceContent",description:"The content",isInput:true,isOutput:false},{name:"title",description:"The title of the document",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"knowledge",title:"Knowledge",content:"You are experienced content creator, write best title for the document.\n\n# Rules\n\n-   Write just title, nothing else\n-   Write maximum 5 words for the title\n\n# The document\n\n> {knowledgePieceContent}",resultingParameterName:"title",expectations:{words:{min:1,max:8}},dependentParameterNames:["knowledgePieceContent"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Knowledge-piece Title\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-knowledge-title.book`\n-   INPUT PARAMETER `{knowledgePieceContent}` The content\n-   OUTPUT PARAMETER `{title}` The title of the document\n\n## Knowledge\n\n-   EXPECT MIN 1 WORD\n-   EXPECT MAX 8 WORDS\n\n```markdown\nYou are experienced content creator, write best title for the document.\n\n# Rules\n\n-   Write just title, nothing else\n-   Write maximum 5 words for the title\n\n# The document\n\n> {knowledgePieceContent}\n```\n\n`-> {title}`\n"}],sourceFile:"./books/prepare-knowledge-title.book"},{title:"Prepare Persona",pipelineUrl:"https://promptbook.studio/promptbook/prepare-persona.book",formfactorName:"GENERIC",parameters:[{name:"availableModels",description:"List of available model names together with their descriptions as JSON",isInput:true,isOutput:false},{name:"personaDescription",description:"Description of the persona",isInput:true,isOutput:false},{name:"modelsRequirements",description:"Specific requirements for the model",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"make-model-requirements",title:"Make modelRequirements",content:"You are an experienced AI engineer, you need to find the best models for virtual assistants:\n\n## Example\n\n```json\n[\n  {\n  \"modelName\": \"gpt-4o\",\n  \"systemMessage\": \"You are experienced AI engineer and helpful assistant.\",\n  \"temperature\": 0.7\n  },\n  {\n    \"modelName\": \"claude-3-5-sonnet\",\n    \"systemMessage\": \"You are a friendly and knowledgeable chatbot.\",\n    \"temperature\": 0.5\n  }\n]\n```\n\n## Instructions\n\n-   Your output format is JSON array\n-   Sort best-fitting models first\n-   Omit any models that are not suitable\n-   Write just the JSON, no other text should be present\n-   Array contain items with following keys:\n    -   `modelName`: The name of the model to use\n    -   `systemMessage`: The system message to provide context to the model\n    -   `temperature`: The sampling temperature to use\n\n### Key `modelName`\n\nHere are the available models:\n\n```json\n{availableModels}\n```\n\n### Key `systemMessage`\n\nThe system message is used to communicate instructions or provide context to the model at the beginning of a conversation. It is displayed in a different format compared to user messages, helping the model understand its role in the conversation. The system message typically guides the model's behavior, sets the tone, or specifies desired output from the model. By utilizing the system message effectively, users can steer the model towards generating more accurate and relevant responses.\n\nFor example:\n\n> You are an experienced AI engineer and helpful assistant.\n\n> You are a friendly and knowledgeable chatbot.\n\n### Key `temperature`\n\nThe sampling temperature, between 0 and 1. Higher values like 0.8 will make the output more random, while lower values like 0.2 will make it more focused and deterministic. If set to 0, the model will use log probability to automatically increase the temperature until certain thresholds are hit.\n\nYou can pick a value between 0 and 2. For example:\n\n-   `0.1`: Low temperature, extremely conservative and deterministic\n-   `0.5`: Medium temperature, balanced between conservative and creative\n-   `1.0`: High temperature, creative and bit random\n-   `1.5`: Very high temperature, extremely creative and often chaotic and unpredictable\n-   `2.0`: Maximum temperature, completely random and unpredictable, for some extreme creative use cases\n\n# The assistant\n\nTake this description of the persona:\n\n> {personaDescription}",resultingParameterName:"modelsRequirements",format:"JSON",dependentParameterNames:["availableModels","personaDescription"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Persona\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-persona.book`\n-   INPUT PARAMETER `{availableModels}` List of available model names together with their descriptions as JSON\n-   INPUT PARAMETER `{personaDescription}` Description of the persona\n-   OUTPUT PARAMETER `{modelsRequirements}` Specific requirements for the model\n\n## Make modelRequirements\n\n-   FORMAT JSON\n\n```markdown\nYou are an experienced AI engineer, you need to find the best models for virtual assistants:\n\n## Example\n\n\\`\\`\\`json\n[\n  {\n  \"modelName\": \"gpt-4o\",\n  \"systemMessage\": \"You are experienced AI engineer and helpful assistant.\",\n  \"temperature\": 0.7\n  },\n  {\n    \"modelName\": \"claude-3-5-sonnet\",\n    \"systemMessage\": \"You are a friendly and knowledgeable chatbot.\",\n    \"temperature\": 0.5\n  }\n]\n\\`\\`\\`\n\n## Instructions\n\n-   Your output format is JSON array\n-   Sort best-fitting models first\n-   Omit any models that are not suitable\n-   Write just the JSON, no other text should be present\n-   Array contain items with following keys:\n    -   `modelName`: The name of the model to use\n    -   `systemMessage`: The system message to provide context to the model\n    -   `temperature`: The sampling temperature to use\n\n### Key `modelName`\n\nHere are the available models:\n\n\\`\\`\\`json\n{availableModels}\n\\`\\`\\`\n\n### Key `systemMessage`\n\nThe system message is used to communicate instructions or provide context to the model at the beginning of a conversation. It is displayed in a different format compared to user messages, helping the model understand its role in the conversation. The system message typically guides the model's behavior, sets the tone, or specifies desired output from the model. By utilizing the system message effectively, users can steer the model towards generating more accurate and relevant responses.\n\nFor example:\n\n> You are an experienced AI engineer and helpful assistant.\n\n> You are a friendly and knowledgeable chatbot.\n\n### Key `temperature`\n\nThe sampling temperature, between 0 and 1. Higher values like 0.8 will make the output more random, while lower values like 0.2 will make it more focused and deterministic. If set to 0, the model will use log probability to automatically increase the temperature until certain thresholds are hit.\n\nYou can pick a value between 0 and 2. For example:\n\n-   `0.1`: Low temperature, extremely conservative and deterministic\n-   `0.5`: Medium temperature, balanced between conservative and creative\n-   `1.0`: High temperature, creative and bit random\n-   `1.5`: Very high temperature, extremely creative and often chaotic and unpredictable\n-   `2.0`: Maximum temperature, completely random and unpredictable, for some extreme creative use cases\n\n# The assistant\n\nTake this description of the persona:\n\n> {personaDescription}\n```\n\n`-> {modelsRequirements}`\n"}],sourceFile:"./books/prepare-persona.book"},{title:"Prepare Title",pipelineUrl:"https://promptbook.studio/promptbook/prepare-title.book",formfactorName:"GENERIC",parameters:[{name:"book",description:"The book to prepare the title for",isInput:true,isOutput:false},{name:"title",description:"Best title for the book",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"make-title",title:"Make title",content:"Make best title for given text which describes the workflow:\n\n## Rules\n\n-   Write just title, nothing else\n-   Title should be concise and clear - Write maximum ideally 2 words, maximum 5 words\n-   Title starts with emoticon\n-   Title should not mention the input and output of the workflow but the main purpose of the workflow\n    _For example, not \"✍ Convert Knowledge-piece to title\" but \"✍ Title\"_\n\n## The workflow\n\n> {book}",resultingParameterName:"title",expectations:{words:{min:1,max:8},lines:{min:1,max:1}},dependentParameterNames:["book"]}],personas:[],preparations:[],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"# Prepare Title\n\n-   PIPELINE URL `https://promptbook.studio/promptbook/prepare-title.book`\n-   INPUT PARAMETER `{book}` The book to prepare the title for\n-   OUTPUT PARAMETER `{title}` Best title for the book\n\n## Make title\n\n-   EXPECT MIN 1 Word\n-   EXPECT MAX 8 Words\n-   EXPECT EXACTLY 1 Line\n\n```markdown\nMake best title for given text which describes the workflow:\n\n## Rules\n\n-   Write just title, nothing else\n-   Title should be concise and clear - Write maximum ideally 2 words, maximum 5 words\n-   Title starts with emoticon\n-   Title should not mention the input and output of the workflow but the main purpose of the workflow\n    _For example, not \"✍ Convert Knowledge-piece to title\" but \"✍ Title\"_\n\n## The workflow\n\n> {book}\n```\n\n`-> {title}`\n"}],sourceFile:"./books/prepare-title.book"},{title:"📊 Curriculum Audit",pipelineUrl:"https://promptbook.studio/promptbook//examples/lsvp-asistent.book",formfactorName:"GENERIC",parameters:[{name:"result",isInput:false,isOutput:true}],tasks:[{taskType:"PROMPT_TASK",name:"prompt",title:"Prompt",content:"Asistent pro LŠVP\n\nPERSONA Jsi asistent pro RVP Lyceum v rámci Národního pedagogického institutu České Republiky\nMETA IMAGE https://edulk.cz/getFile/id:475818/type:large/02%20zna%C4%8Dka%20npi.jpg\nRULE Pokud jsi nejsi jistý, napiš nevím\nKNOWLEDGE ./241129_Lyceum_final.pdf\nCONTEXT Obecně dokážeš řešit libovolné ŠVP, aktuálně řešíš {Školní vzdělávací program LYCEUM}\nRULE Z {Porovnání RVP a ŠVP - postup} je nejdůležitější fáze 3\nKNOWLEDGE {Školní vzdělávací program LYCEUM}  ./ŠVP Lyceum - Finance v digitální době.pdf\nKNOWLEDGE @Slovník\n\n**Interní slovník - RVP/ŠVP**\n\n**RVP**\n\nRámcový vzdělávací program pro obor vzdělání Lyceum je dokument na národní úrovni, který formuluje požadavky na školní vzdělávací programy ve formě především očekávaných výsledků učení, kterých mají žáci absolvováním tohoto programu na dané škole dosáhnout.\n\n**ŠVP**\n\nŠkolní vzdělávací program pro obor vzdělání Lyceum je dokument každé jednotlivé školy, který popisuje v jakých vyučovacích předmětech/ vzdělávacích modulech a v jakých ročnících budou požadované očekávané výsledky učení naplněny. Zároveň formuluje další očekávané výsledky učení, které naplňují disponibilní část vyučovacího času určeného RVP pro tento obor vzdělání.\n\n**Očekávaný výsledek učení (OVU)**\n\nVyjadřuje jednotlivý požadavek na to, co mají žáci umět na konci vzdělávacího programu, tzn. jejich požadované kompetence. Je vyjádřen formulací, která je uvozena činnostním slovesem a dále obsahuje předmět této činnosti. Formulace je konkretizována resp. doplněna zpravidla formou odrážek vymezením dílčích znalostí, dovedností, postojů, jejichž splnění je předpokladem dosažení OVU jako celku.\n\n_Příklad:_\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th><p><strong>Žák/žákyně řídí realizaci jednoduchého projektu</strong></p></th></tr><tr><td><ul><li>naplánuje aktivity projektu</li></ul></td></tr><tr><td><ul><li>navrhne rozpočet projektu vzhledem k navrženým aktivitám</li></ul></td></tr><tr><td><ul><li>stanoví základní ukazatele a sleduje jejich naplňování</li></ul></td></tr><tr><td><ul><li>vede projektový tým</li></ul></td></tr><tr><td><ul><li>uvede, jak by řešil krizové situace v projektu</li></ul></td></tr><tr><td><ul><li>vyhodnotí úspěšnost projektu</li></ul></td></tr></tbody></table></div>\n\n**Vzdělávací oblasti**\n\nOčekávané výsledky učení jsou v **_RVP členěny do 4 vzdělávacích oblastí_**, které tvoří společný všeobecně vzdělávací základ:\n\n- Osobnostní rozvoj, vzdělávání ke zdraví, bezpečí a produktivnímu pracovnímu životu (kariéře)\n- Komunikační a jazykové vzdělávání\n- Aplikované vzdělávání STEM (Science, Technology, Engeneering, Math), tj. přírodní vědy, informatika, technika, matematika\n- Prakticky orientované vzdělávání společenskovědní a humanitní\n\nKaždá vzdělávací oblast se dále člení na okruhy, v jejichž rámci jsou OVU samostatně číslované.\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th rowspan=\"21\"><ul><li>Prakticky orientované vzdělávání společenskovědní a humanitní</li></ul></th><th rowspan=\"21\"><p><strong>Člověk, ekonomie a podnikání</strong></p></th><th rowspan=\"7\"><p><strong>1</strong></p></th><th><p><strong>zpracuje podklady související s podnikáním</strong></p></th></tr><tr><td><p>připraví podnikatelský záměr</p></td></tr><tr><td><p>sestaví zakladatelský rozpočet</p></td></tr><tr><td><p>zkalkuluje cenu zboží nebo služby</p></td></tr><tr><td><p>vysvětlí na příkladu základní povinnosti podnikatele vůči státu a zaměstnancům</p></td></tr><tr><td><p>vede daňovou evidenci</p></td></tr><tr><td><p>vysvětlí na příkladech etiku v podnikání</p></td></tr><tr><td rowspan=\"7\"><p><strong>2</strong></p></td><td><p><strong>řídí realizaci jednoduchého projektu</strong></p></td></tr><tr><td><p>naplánuje aktivity projektu</p></td></tr><tr><td><p>navrhne rozpočet projektu vzhledem k navrženým aktivitám</p></td></tr><tr><td><p>stanoví základní ukazatele a sleduje jejich naplňování</p></td></tr><tr><td><p>vede projektový tým</p></td></tr><tr><td><p>uvede, jak by řešil krizové situace v projektu</p></td></tr><tr><td><p>vyhodnotí úspěšnost projektu</p></td></tr><tr><td rowspan=\"7\"><p><strong>3</strong></p></td><td><p><strong>aplikuje ekonomické teorie v osobním a profesním životě</strong></p></td></tr><tr><td><p>vysvětlí základní ekonomické otázky</p></td></tr><tr><td><p>vysvětí stanovení rovnovážné ceny na dokonalém i nedokonalém trhu</p></td></tr><tr><td><p>charakterizuje výrobní faktory a vysvětlí hranici produkčních možností a náklady obětované příležitosti</p></td></tr><tr><td><p>uvede nejdůležitější makroekonomické pojmy a vliv jejich výše na kvalitu života a podnikání v daném státě</p></td></tr><tr><td><p>vysvětlí podstatu inflace a její důsledky na finanční situaci obyvatel a na příkladu ukáže jak se bránit jejím nepříznivým důsledkům</p></td></tr><tr><td><p>uvede hlavní výhody a nevýhody mezinárodního obchodu a vliv ochranářských opatření na ekonomickou situaci dané země</p></td></tr><tr><td></td><td></td><td><p><strong>4</strong></p></td><td><p>Atd.</p></td></tr></tbody></table></div>\n\n**Vyučovací předmět / vzdělávací modul**\n\nOčekávané výsledky učení jsou v **ŠVP** členěny do vyučovacích předmětů nebo vzdělávacích modulů, které jsou dále zařazeny do jednoho nebo více ročníků 4letého studia. Vyučovací předmět / vzdělávací modul tvoří vyučovací jednotku, kde jsou očekávané výsledky učení dále rozpracovány pro potřeby výuky podle následující šablony\n\n| **A. VSTUPNÍ ČÁST** |\n| --- |\n| **1\\. Název** |\n| **2\\. Kód** (kódy by měly být navázány na obory vzdělání a výsledky učení) |\n| **2a) Kategorie vzdělání** - v případě, že nebude součástí kódu |\n| **3\\. Typ vyučovací jednotky** (modul, předmět, stáž apod.) |\n| **4\\. Délka** (počet hodin - dělitelný čtyřmi (optimální modul 16, 32 hodin = týden výuky) |\n| **5\\. Platnost** (datum, od kterého platí) |\n| **6\\. Vstupní předpoklady** (vymezení požadované úrovně vstupních vědomostí a dovedností, které jsou předpokladem úspěšného studia) |\n|     |\n| **B. JÁDRO VYUČOVACÍ JEDNOTKY** |\n| **1\\. Charakteristika** (stručná anotace popisující obecné cíle a pojetí) |\n| **2\\. Očekávané výsledky učení a jejich indikátory (převzaté z RVP nebo dále konkretizované)** |\n| **3\\. Podpora rozvoje klíčových kompetencí a základních gramotností** (které klíčové kompetence jsou v rozvíjeny) |\n| **4\\. Obsah vzdělávání** (rozpis učiva) |\n| **5\\. Vzdělávací strategie** (strategie výuky, resp. učební činnosti žáků, které jsou doporučené pro dosažení výsledků) |\n|     |\n| **C. VÝSTUPNÍ ČÁST** |\n| **1\\. Způsob ověřování dosažených výsledků** (ve vazbě na jednotlivé výsledky učení) |\n| **2\\. Kritéria hodnocení** (co znamená splnění výsledků učení, kdy je splněna celá vyučovací jednotka, kritéria pro známky, příp. procentuální, slovní hodnocení) |\n| **3\\. Doporučená studijní literatura, odkazy na ilustrační zdroje** |\n| **4\\. Poznámky** |\n\n**Soulad OVU RVP a ŠVP**\n\nTento soulad je předmětem zjišťování. Soulad nastává, jestliže jsou očekávané výsledky učení z jednotlivých vzdělávacích oblastí RVP **obsaženy** ve vyučovacích předmětech/ vzdělávacích modulech ŠVP jednotlivých škol, tzn. že v ŠVP se objevuje jejich formulace buď v doslovném nebo podobném znění v jednom nebo více vyučovacích předmětech/ vzdělávacích modulech.\n\n_Příklad souladu:_\n\nRVP ŠVP - komunikace a marketing (SŠ obchodní Č.\n\n| **2** | **řídí realizaci jednoduchého projektu** |\n| --- | --- |\n| naplánuje aktivity projektu |\n| navrhne rozpočet projektu vzhledem k navrženým aktivitám |\n| stanoví základní ukazatele a sleduje jejich naplňování |\n| vede projektový tým |\n| uvede, jak by řešil krizové situace v projektu |\n| vyhodnotí úspěšnost projektu |\n\nKNOWLEDGE  {Porovnání RVP a ŠVP - postup}\n\n\n# AUDITNÍ PROTOKOL ŠVP-RVP\n\n# (POPIS KONTROLNÍHO ALGORITMU)\n\nMetodika je určena pro **Kvantifikaci Shody** školního vzdělávacího programu (ŠVP) s Rámcovým vzdělávacím programem (RVP).\n\n## FÁZE 1: VALIDACE DOKUMENTACE\n\n**Cíl:** Ověřit platnost, aktuálnost a strukturu zdrojových dokumentů.\n\n- **RVP Verifikace:** Otevřít aktuální verzi RVP (např. RVP ZV/G/SOŠ).\n- **Typová shoda:** Ověřit, že RVP se vztahuje k danému typu školy.\n- **ŠVP Dimenze:** Identifikovat a izolovat relevantní části ŠVP: Profil absolventa, Klíčové kompetence (KK), Vzdělávací oblasti (VO), případně Učební plán (UP).\n- **Verzování:** Potvrdit, že obě verze (RVP a ŠVP) jsou nejnovější a platné (včetně dodatků RVP).\n\n## FÁZE 2: DATABÁZOVÉ MAPOVÁNÍ VÝSTUPŮ (MASTER MATICE)\n\n**Cíl:** Vytvořit systémovou databázi pro křížové porovnání všech povinných komponent RVP se ŠVP.\n\n- **Dekompozice RVP:** Rozložit RVP na základní povinné komponenty: Klíčové kompetence, Vzdělávací oblasti a obory, Očekávané výstupy (OVU), Průřezová témata (PT).\n- **Přiřazovací mapa:** Vytvořit hlavní kontrolní matici (Master Matice) pro záznam vazeb.\n\n| Oblast RVP | Výstup RVP (OVU) | Odpovídající Část ŠVP (Předmět/Ročník) | Konkrétní Tématický Celek v ŠVP | Stav Shody (Protokol) |\n| --- | --- | --- | --- | --- |\n| ... | ... | ... | ... | ... |\n| --- | --- | --- | --- | --- |\n\n## FÁZE 3: ALGORITMICKÁ KONTROLA POKRYTÍ A HLOUBKY\n\n**Cíl:** Posoudit, zda každý povinný výstup RVP je adekvátně reflektován v obsahu ŠVP, a přidělit bodovou hodnotu pro kvantifikaci.\n\n- **Audit OVU:** Projít každý jednotlivý Očekávaný výstup (OVU) z RVP.\n- **Kódování stavu a bodování:** U každého OVU v matici označit stav pokrytí dle následujícího schématu:\n\n| Kód (Protokol) | Popis (Kvalitativní zjištění) | Bodová hodnota (Kvantifikace) |\n| --- | --- | --- |\n| ✅   | Plná shoda (Výstup pokryt v plném rozsahu, odpovídající úrovni RVP) | 1,0 |\n| --- | --- | --- |\n| ⚠️  | Částečná shoda (Formální pokrytí, omezený rozsah, chybná návaznost) | 0,5 |\n| --- | --- | --- |\n| ❌   | Absence (Výstup zcela chybí v obsahu ŠVP) | 0,0 |\n| --- | --- | --- |\n\n- **Defektologie ŠVP:** Identifikovat a zaznamenat deficity ŠVP: Chybějící výstupy (❌), Sémantické překryvy, Přetížení obsahu.\n- **Kvalitativní posun:** Ověřit, zda je formulace výstupů v ŠVP **aktivní, měřitelná a v souladu** s úrovní RVP.\n\n## FÁZE 4: STRUKTURÁLNÍ VERIFIKACE NÁVAZNOSTI (VERTIKÁLA/HORIZONTÁLA)\n\n**Cíl:** Zkontrolovat logickou posloupnost a provázanost učiva v rámci ŠVP.\n\n- **Vertikální Kontrola:** Ověřit posloupnost OVU a učiva uvnitř jednoho předmětu/oblasti (postup od jednodušších ke složitějším konceptům napříč ročníky).\n- **Horizontální Kontrola:** Zkontrolovat logické provázání napříč vzdělávacími oblastmi a předměty (např. fyzika ↔ matematika).\n- **PT Integrace:** Audit reálné integrace Průřezových témat (PT) do konkrétních částí obsahu, metod a projektů.\n\n## FÁZE 5: ANALÝZA ŠKOLNÍ PROFILACE A ROZŠÍŘENÍ RVP\n\n**Cíl:** Validovat, že profilace školy je **v souladu** s RVP a nejedná se o **rozpor**.\n\n- **Nekonfliktnost:** Porovnat definovaný Profil absolventa školy s Klíčovými kompetencemi RVP. Profil ŠVP musí RVP rozvíjet, nikoli mu odporovat.\n- **Modularita:** Zkontrolovat, zda volitelné předměty a rozšiřující moduly logicky navazují na vzdělávací oblasti RVP.\n- **Implementace specializace:** Popisně uvést, jak je školní profilace (např. STEM zaměření, projektová výuka) integrována do OVU a kompetencí definovaných RVP.\n\n## FÁZE 6: GENERÁTOR ZÁVĚREČNÉ ZPRÁVY A KVANTIFIKACE\n\n**Cíl:** Syntetizovat výsledky, kvantifikovat soulad a generovat závazné návrhy na korekce.\n\n### 6.1 Kvantifikace Souladu\n\nVypočítat Index shody (IS) na základě bodového hodnocení (Fáze 3):\n\n### 6.2 Interpretace Indexu Shody (IS)\n\nKlasifikace souladu pro standardizované vyhodnocení:\n\n| Interval IS | Klasifikace souladu | Popis |\n| --- | --- | --- |\n| 95-100 % | Výborný soulad | ŠVP plně odpovídá RVP, pouze stylistické nebo formální rozdíly. |\n| --- | --- | --- |\n| 85-94 % | Dobrá shoda | ŠVP pokrývá všechny klíčové výstupy, menší korekce nutné. |\n| --- | --- | --- |\n| 70-84 % | Částečná shoda | Významné nedostatky v některých oblastech, nutná revize obsahu. |\n| --- | --- | --- |\n| < 70 % | Kritická neshoda | ŠVP neplní rámcové požadavky, ohrožuje legislativní soulad. |\n| --- | --- | --- |\n\n### 6.3 Doplňkové Indexy\n\nVypočítat následující doplňkové indexy pro detailní kvalitativní analýzu:\n\n- **Index kompetenčního souladu (IKS):** Poměr pokrytí klíčových kompetencí RVP v ŠVP.\n- **Index průřezové integrace (IPI):** Míra reálné integrace průřezových témat do výuky.\n- **Index hloubky pokrytí (IHP):** Procento výstupů, které jsou v ŠVP rozvedeny na konkrétní výukové cíle (měřitelné, aktivní formulace).\n- **Index profilové rozšiřitelnosti (IPR):** Kolik rozšiřujících nebo profilových výstupů přesahuje rámec RVP, aniž by narušily jeho strukturu.\n\n### 6.4 Vizuální výstupy\n\nZajistit generování následujících vizualizací pro Závěrečnou zprávu:\n\n- Graf pokrytí po vzdělávacích oblastech (Sloupcový graf IS pro VO).\n- Pavoukový diagram Klíčových kompetencí (RVP vs. ŠVP).\n- Mapa defektů (Vizualizace ❌ a ⚠️ výstupů).\n\n### 6.5 Struktura Závěrečné Zprávy\n\nZpráva musí být strukturována dle standardizovaného formátu:\n\n| Oddíl | Obsah |\n| --- | --- |\n| A. Identifikace | Název školy, IZO, typ školy, datum revize, zpracovatel, verze ŠVP a RVP. |\n| --- | --- |\n| B. Shrnutí výsledků | Celkový Index Shody (IS), hlavní závěry a doporučení. |\n| --- | --- |\n| C. Kvantitativní analýza | Přehled IS v % dle kategorií OVU / VO / kompetencí. |\n| --- | --- |\n| D. Kvalitativní analýza | Slovní zhodnocení kvality souladu (formulace, obtížnost, integrace PT). |\n| --- | --- |\n| E. Rizikové oblasti | Přehled nalezených defektů (chybějící OVU, přetížení, formální shoda). |\n| --- | --- |\n| F. Návrhy opatření (Korekční plán) | Přesné návrhy změn - **Co, Kde, Kdo** má upravit, včetně termínu. |\n| --- | --- |\n| G. Přílohy | Master Matice (Fáze 2-3), revizní tabulka, výstupní grafy a metriky. |\n| --- | --- |\n\n\n\n\n.",resultingParameterName:"result",dependentParameterNames:[]}],personas:[],preparations:[{id:1,promptbookVersion:"0.103.0-33",usage:{price:{value:0},input:{tokensCount:{value:0},charactersCount:{value:0},wordsCount:{value:0},sentencesCount:{value:0},linesCount:{value:0},paragraphsCount:{value:0},pagesCount:{value:0}},output:{tokensCount:{value:0},charactersCount:{value:0},wordsCount:{value:0},sentencesCount:{value:0},linesCount:{value:0},paragraphsCount:{value:0},pagesCount:{value:0}}}}],knowledgeSources:[],knowledgePieces:[],sources:[{type:"BOOK",path:null,content:"Asistent pro LŠVP\n\nPERSONA Jsi asistent pro RVP Lyceum v rámci Národního pedagogického institutu České Republiky\nMETA IMAGE https://edulk.cz/getFile/id:475818/type:large/02%20zna%C4%8Dka%20npi.jpg\nRULE Pokud jsi nejsi jistý, napiš nevím\nKNOWLEDGE ./241129_Lyceum_final.pdf\nCONTEXT Obecně dokážeš řešit libovolné ŠVP, aktuálně řešíš {Školní vzdělávací program LYCEUM}\nRULE Z {Porovnání RVP a ŠVP - postup} je nejdůležitější fáze 3\nKNOWLEDGE {Školní vzdělávací program LYCEUM}  ./ŠVP Lyceum - Finance v digitální době.pdf\nKNOWLEDGE @Slovník\n\n**Interní slovník - RVP/ŠVP**\n\n**RVP**\n\nRámcový vzdělávací program pro obor vzdělání Lyceum je dokument na národní úrovni, který formuluje požadavky na školní vzdělávací programy ve formě především očekávaných výsledků učení, kterých mají žáci absolvováním tohoto programu na dané škole dosáhnout.\n\n**ŠVP**\n\nŠkolní vzdělávací program pro obor vzdělání Lyceum je dokument každé jednotlivé školy, který popisuje v jakých vyučovacích předmětech/ vzdělávacích modulech a v jakých ročnících budou požadované očekávané výsledky učení naplněny. Zároveň formuluje další očekávané výsledky učení, které naplňují disponibilní část vyučovacího času určeného RVP pro tento obor vzdělání.\n\n**Očekávaný výsledek učení (OVU)**\n\nVyjadřuje jednotlivý požadavek na to, co mají žáci umět na konci vzdělávacího programu, tzn. jejich požadované kompetence. Je vyjádřen formulací, která je uvozena činnostním slovesem a dále obsahuje předmět této činnosti. Formulace je konkretizována resp. doplněna zpravidla formou odrážek vymezením dílčích znalostí, dovedností, postojů, jejichž splnění je předpokladem dosažení OVU jako celku.\n\n_Příklad:_\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th><p><strong>Žák/žákyně řídí realizaci jednoduchého projektu</strong></p></th></tr><tr><td><ul><li>naplánuje aktivity projektu</li></ul></td></tr><tr><td><ul><li>navrhne rozpočet projektu vzhledem k navrženým aktivitám</li></ul></td></tr><tr><td><ul><li>stanoví základní ukazatele a sleduje jejich naplňování</li></ul></td></tr><tr><td><ul><li>vede projektový tým</li></ul></td></tr><tr><td><ul><li>uvede, jak by řešil krizové situace v projektu</li></ul></td></tr><tr><td><ul><li>vyhodnotí úspěšnost projektu</li></ul></td></tr></tbody></table></div>\n\n**Vzdělávací oblasti**\n\nOčekávané výsledky učení jsou v **_RVP členěny do 4 vzdělávacích oblastí_**, které tvoří společný všeobecně vzdělávací základ:\n\n- Osobnostní rozvoj, vzdělávání ke zdraví, bezpečí a produktivnímu pracovnímu životu (kariéře)\n- Komunikační a jazykové vzdělávání\n- Aplikované vzdělávání STEM (Science, Technology, Engeneering, Math), tj. přírodní vědy, informatika, technika, matematika\n- Prakticky orientované vzdělávání společenskovědní a humanitní\n\nKaždá vzdělávací oblast se dále člení na okruhy, v jejichž rámci jsou OVU samostatně číslované.\n\n<div class=\"joplin-table-wrapper\"><table><tbody><tr><th rowspan=\"21\"><ul><li>Prakticky orientované vzdělávání společenskovědní a humanitní</li></ul></th><th rowspan=\"21\"><p><strong>Člověk, ekonomie a podnikání</strong></p></th><th rowspan=\"7\"><p><strong>1</strong></p></th><th><p><strong>zpracuje podklady související s podnikáním</strong></p></th></tr><tr><td><p>připraví podnikatelský záměr</p></td></tr><tr><td><p>sestaví zakladatelský rozpočet</p></td></tr><tr><td><p>zkalkuluje cenu zboží nebo služby</p></td></tr><tr><td><p>vysvětlí na příkladu základní povinnosti podnikatele vůči státu a zaměstnancům</p></td></tr><tr><td><p>vede daňovou evidenci</p></td></tr><tr><td><p>vysvětlí na příkladech etiku v podnikání</p></td></tr><tr><td rowspan=\"7\"><p><strong>2</strong></p></td><td><p><strong>řídí realizaci jednoduchého projektu</strong></p></td></tr><tr><td><p>naplánuje aktivity projektu</p></td></tr><tr><td><p>navrhne rozpočet projektu vzhledem k navrženým aktivitám</p></td></tr><tr><td><p>stanoví základní ukazatele a sleduje jejich naplňování</p></td></tr><tr><td><p>vede projektový tým</p></td></tr><tr><td><p>uvede, jak by řešil krizové situace v projektu</p></td></tr><tr><td><p>vyhodnotí úspěšnost projektu</p></td></tr><tr><td rowspan=\"7\"><p><strong>3</strong></p></td><td><p><strong>aplikuje ekonomické teorie v osobním a profesním životě</strong></p></td></tr><tr><td><p>vysvětlí základní ekonomické otázky</p></td></tr><tr><td><p>vysvětí stanovení rovnovážné ceny na dokonalém i nedokonalém trhu</p></td></tr><tr><td><p>charakterizuje výrobní faktory a vysvětlí hranici produkčních možností a náklady obětované příležitosti</p></td></tr><tr><td><p>uvede nejdůležitější makroekonomické pojmy a vliv jejich výše na kvalitu života a podnikání v daném státě</p></td></tr><tr><td><p>vysvětlí podstatu inflace a její důsledky na finanční situaci obyvatel a na příkladu ukáže jak se bránit jejím nepříznivým důsledkům</p></td></tr><tr><td><p>uvede hlavní výhody a nevýhody mezinárodního obchodu a vliv ochranářských opatření na ekonomickou situaci dané země</p></td></tr><tr><td></td><td></td><td><p><strong>4</strong></p></td><td><p>Atd.</p></td></tr></tbody></table></div>\n\n**Vyučovací předmět / vzdělávací modul**\n\nOčekávané výsledky učení jsou v **ŠVP** členěny do vyučovacích předmětů nebo vzdělávacích modulů, které jsou dále zařazeny do jednoho nebo více ročníků 4letého studia. Vyučovací předmět / vzdělávací modul tvoří vyučovací jednotku, kde jsou očekávané výsledky učení dále rozpracovány pro potřeby výuky podle následující šablony\n\n| **A. VSTUPNÍ ČÁST** |\n| --- |\n| **1\\. Název** |\n| **2\\. Kód** (kódy by měly být navázány na obory vzdělání a výsledky učení) |\n| **2a) Kategorie vzdělání** - v případě, že nebude součástí kódu |\n| **3\\. Typ vyučovací jednotky** (modul, předmět, stáž apod.) |\n| **4\\. Délka** (počet hodin - dělitelný čtyřmi (optimální modul 16, 32 hodin = týden výuky) |\n| **5\\. Platnost** (datum, od kterého platí) |\n| **6\\. Vstupní předpoklady** (vymezení požadované úrovně vstupních vědomostí a dovedností, které jsou předpokladem úspěšného studia) |\n|     |\n| **B. JÁDRO VYUČOVACÍ JEDNOTKY** |\n| **1\\. Charakteristika** (stručná anotace popisující obecné cíle a pojetí) |\n| **2\\. Očekávané výsledky učení a jejich indikátory (převzaté z RVP nebo dále konkretizované)** |\n| **3\\. Podpora rozvoje klíčových kompetencí a základních gramotností** (které klíčové kompetence jsou v rozvíjeny) |\n| **4\\. Obsah vzdělávání** (rozpis učiva) |\n| **5\\. Vzdělávací strategie** (strategie výuky, resp. učební činnosti žáků, které jsou doporučené pro dosažení výsledků) |\n|     |\n| **C. VÝSTUPNÍ ČÁST** |\n| **1\\. Způsob ověřování dosažených výsledků** (ve vazbě na jednotlivé výsledky učení) |\n| **2\\. Kritéria hodnocení** (co znamená splnění výsledků učení, kdy je splněna celá vyučovací jednotka, kritéria pro známky, příp. procentuální, slovní hodnocení) |\n| **3\\. Doporučená studijní literatura, odkazy na ilustrační zdroje** |\n| **4\\. Poznámky** |\n\n**Soulad OVU RVP a ŠVP**\n\nTento soulad je předmětem zjišťování. Soulad nastává, jestliže jsou očekávané výsledky učení z jednotlivých vzdělávacích oblastí RVP **obsaženy** ve vyučovacích předmětech/ vzdělávacích modulech ŠVP jednotlivých škol, tzn. že v ŠVP se objevuje jejich formulace buď v doslovném nebo podobném znění v jednom nebo více vyučovacích předmětech/ vzdělávacích modulech.\n\n_Příklad souladu:_\n\nRVP ŠVP - komunikace a marketing (SŠ obchodní Č.\n\n| **2** | **řídí realizaci jednoduchého projektu** |\n| --- | --- |\n| naplánuje aktivity projektu |\n| navrhne rozpočet projektu vzhledem k navrženým aktivitám |\n| stanoví základní ukazatele a sleduje jejich naplňování |\n| vede projektový tým |\n| uvede, jak by řešil krizové situace v projektu |\n| vyhodnotí úspěšnost projektu |\n\nKNOWLEDGE  {Porovnání RVP a ŠVP - postup}\n\n\n# AUDITNÍ PROTOKOL ŠVP-RVP\n\n# (POPIS KONTROLNÍHO ALGORITMU)\n\nMetodika je určena pro **Kvantifikaci Shody** školního vzdělávacího programu (ŠVP) s Rámcovým vzdělávacím programem (RVP).\n\n## FÁZE 1: VALIDACE DOKUMENTACE\n\n**Cíl:** Ověřit platnost, aktuálnost a strukturu zdrojových dokumentů.\n\n- **RVP Verifikace:** Otevřít aktuální verzi RVP (např. RVP ZV/G/SOŠ).\n- **Typová shoda:** Ověřit, že RVP se vztahuje k danému typu školy.\n- **ŠVP Dimenze:** Identifikovat a izolovat relevantní části ŠVP: Profil absolventa, Klíčové kompetence (KK), Vzdělávací oblasti (VO), případně Učební plán (UP).\n- **Verzování:** Potvrdit, že obě verze (RVP a ŠVP) jsou nejnovější a platné (včetně dodatků RVP).\n\n## FÁZE 2: DATABÁZOVÉ MAPOVÁNÍ VÝSTUPŮ (MASTER MATICE)\n\n**Cíl:** Vytvořit systémovou databázi pro křížové porovnání všech povinných komponent RVP se ŠVP.\n\n- **Dekompozice RVP:** Rozložit RVP na základní povinné komponenty: Klíčové kompetence, Vzdělávací oblasti a obory, Očekávané výstupy (OVU), Průřezová témata (PT).\n- **Přiřazovací mapa:** Vytvořit hlavní kontrolní matici (Master Matice) pro záznam vazeb.\n\n| Oblast RVP | Výstup RVP (OVU) | Odpovídající Část ŠVP (Předmět/Ročník) | Konkrétní Tématický Celek v ŠVP | Stav Shody (Protokol) |\n| --- | --- | --- | --- | --- |\n| ... | ... | ... | ... | ... |\n| --- | --- | --- | --- | --- |\n\n## FÁZE 3: ALGORITMICKÁ KONTROLA POKRYTÍ A HLOUBKY\n\n**Cíl:** Posoudit, zda každý povinný výstup RVP je adekvátně reflektován v obsahu ŠVP, a přidělit bodovou hodnotu pro kvantifikaci.\n\n- **Audit OVU:** Projít každý jednotlivý Očekávaný výstup (OVU) z RVP.\n- **Kódování stavu a bodování:** U každého OVU v matici označit stav pokrytí dle následujícího schématu:\n\n| Kód (Protokol) | Popis (Kvalitativní zjištění) | Bodová hodnota (Kvantifikace) |\n| --- | --- | --- |\n| ✅   | Plná shoda (Výstup pokryt v plném rozsahu, odpovídající úrovni RVP) | 1,0 |\n| --- | --- | --- |\n| ⚠️  | Částečná shoda (Formální pokrytí, omezený rozsah, chybná návaznost) | 0,5 |\n| --- | --- | --- |\n| ❌   | Absence (Výstup zcela chybí v obsahu ŠVP) | 0,0 |\n| --- | --- | --- |\n\n- **Defektologie ŠVP:** Identifikovat a zaznamenat deficity ŠVP: Chybějící výstupy (❌), Sémantické překryvy, Přetížení obsahu.\n- **Kvalitativní posun:** Ověřit, zda je formulace výstupů v ŠVP **aktivní, měřitelná a v souladu** s úrovní RVP.\n\n## FÁZE 4: STRUKTURÁLNÍ VERIFIKACE NÁVAZNOSTI (VERTIKÁLA/HORIZONTÁLA)\n\n**Cíl:** Zkontrolovat logickou posloupnost a provázanost učiva v rámci ŠVP.\n\n- **Vertikální Kontrola:** Ověřit posloupnost OVU a učiva uvnitř jednoho předmětu/oblasti (postup od jednodušších ke složitějším konceptům napříč ročníky).\n- **Horizontální Kontrola:** Zkontrolovat logické provázání napříč vzdělávacími oblastmi a předměty (např. fyzika ↔ matematika).\n- **PT Integrace:** Audit reálné integrace Průřezových témat (PT) do konkrétních částí obsahu, metod a projektů.\n\n## FÁZE 5: ANALÝZA ŠKOLNÍ PROFILACE A ROZŠÍŘENÍ RVP\n\n**Cíl:** Validovat, že profilace školy je **v souladu** s RVP a nejedná se o **rozpor**.\n\n- **Nekonfliktnost:** Porovnat definovaný Profil absolventa školy s Klíčovými kompetencemi RVP. Profil ŠVP musí RVP rozvíjet, nikoli mu odporovat.\n- **Modularita:** Zkontrolovat, zda volitelné předměty a rozšiřující moduly logicky navazují na vzdělávací oblasti RVP.\n- **Implementace specializace:** Popisně uvést, jak je školní profilace (např. STEM zaměření, projektová výuka) integrována do OVU a kompetencí definovaných RVP.\n\n## FÁZE 6: GENERÁTOR ZÁVĚREČNÉ ZPRÁVY A KVANTIFIKACE\n\n**Cíl:** Syntetizovat výsledky, kvantifikovat soulad a generovat závazné návrhy na korekce.\n\n### 6.1 Kvantifikace Souladu\n\nVypočítat Index shody (IS) na základě bodového hodnocení (Fáze 3):\n\n### 6.2 Interpretace Indexu Shody (IS)\n\nKlasifikace souladu pro standardizované vyhodnocení:\n\n| Interval IS | Klasifikace souladu | Popis |\n| --- | --- | --- |\n| 95-100 % | Výborný soulad | ŠVP plně odpovídá RVP, pouze stylistické nebo formální rozdíly. |\n| --- | --- | --- |\n| 85-94 % | Dobrá shoda | ŠVP pokrývá všechny klíčové výstupy, menší korekce nutné. |\n| --- | --- | --- |\n| 70-84 % | Částečná shoda | Významné nedostatky v některých oblastech, nutná revize obsahu. |\n| --- | --- | --- |\n| < 70 % | Kritická neshoda | ŠVP neplní rámcové požadavky, ohrožuje legislativní soulad. |\n| --- | --- | --- |\n\n### 6.3 Doplňkové Indexy\n\nVypočítat následující doplňkové indexy pro detailní kvalitativní analýzu:\n\n- **Index kompetenčního souladu (IKS):** Poměr pokrytí klíčových kompetencí RVP v ŠVP.\n- **Index průřezové integrace (IPI):** Míra reálné integrace průřezových témat do výuky.\n- **Index hloubky pokrytí (IHP):** Procento výstupů, které jsou v ŠVP rozvedeny na konkrétní výukové cíle (měřitelné, aktivní formulace).\n- **Index profilové rozšiřitelnosti (IPR):** Kolik rozšiřujících nebo profilových výstupů přesahuje rámec RVP, aniž by narušily jeho strukturu.\n\n### 6.4 Vizuální výstupy\n\nZajistit generování následujících vizualizací pro Závěrečnou zprávu:\n\n- Graf pokrytí po vzdělávacích oblastech (Sloupcový graf IS pro VO).\n- Pavoukový diagram Klíčových kompetencí (RVP vs. ŠVP).\n- Mapa defektů (Vizualizace ❌ a ⚠️ výstupů).\n\n### 6.5 Struktura Závěrečné Zprávy\n\nZpráva musí být strukturována dle standardizovaného formátu:\n\n| Oddíl | Obsah |\n| --- | --- |\n| A. Identifikace | Název školy, IZO, typ školy, datum revize, zpracovatel, verze ŠVP a RVP. |\n| --- | --- |\n| B. Shrnutí výsledků | Celkový Index Shody (IS), hlavní závěry a doporučení. |\n| --- | --- |\n| C. Kvantitativní analýza | Přehled IS v % dle kategorií OVU / VO / kompetencí. |\n| --- | --- |\n| D. Kvalitativní analýza | Slovní zhodnocení kvality souladu (formulace, obtížnost, integrace PT). |\n| --- | --- |\n| E. Rizikové oblasti | Přehled nalezených defektů (chybějící OVU, přetížení, formální shoda). |\n| --- | --- |\n| F. Návrhy opatření (Korekční plán) | Přesné návrhy změn - **Co, Kde, Kdo** má upravit, včetně termínu. |\n| --- | --- |\n| G. Přílohy | Master Matice (Fáze 2-3), revizní tabulka, výstupní grafy a metriky. |\n| --- | --- |\n\n\n\n\n.\n"}],sourceFile:"./books/examples/lsvp-asistent.book"}];
 
     /**
      * Function `validatePipelineString` will validate the if the string is a valid pipeline string
@@ -6576,6 +6576,7 @@
         let updatedAt = createdAt;
         const errors = [];
         const warnings = [];
+        const llmCalls = [];
         let currentValue = {};
         let customTldr = null;
         const partialResultSubject = new rxjs.Subject();
@@ -6591,6 +6592,9 @@
         }, (tldrInfo) => {
             customTldr = tldrInfo;
             updatedAt = new Date();
+        }, (llmCall) => {
+            llmCalls.push(llmCall);
+            updatedAt = new Date();
         });
         finalResultPromise
             .catch((error) => {
@@ -6736,6 +6740,10 @@
                 return warnings;
                 // <- Note: [1] --||--
             },
+            get llmCalls() {
+                return llmCalls;
+                // <- Note: [1] --||--
+            },
             get currentValue() {
                 return currentValue;
                 // <- Note: [1] --||--
@@ -7454,6 +7462,18 @@
         return replacedTemplates;
     }
 
+    /**
+     * Logs an LLM call with the given report.
+     *
+     * @private internal utility of `createPipelineExecutor`
+     */
+    function logLlmCall(logLlmCall, report) {
+        logLlmCall({
+            modelName: 'model' /* <- TODO: How to get model name from the report */,
+            report,
+        });
+    }
+
     /**
      * Executes a pipeline task with multiple attempts, including joker and retry logic. Handles different task types
      * (prompt, script, dialog, etc.), applies postprocessing, checks expectations, and updates the execution report.
@@ -7465,7 +7485,7 @@
      */
     async function executeAttempts(options) {
         const { jokerParameterNames, priority, maxAttempts, // <- Note: [💂]
-        preparedContent, parameters, task, preparedPipeline, tools, $executionReport, pipelineIdentification, maxExecutionAttempts, onProgress, } = options;
+        preparedContent, parameters, task, preparedPipeline, tools, $executionReport, pipelineIdentification, maxExecutionAttempts, onProgress, logLlmCall: logLlmCall$1, } = options;
         const $ongoingTaskResult = {
             $result: null,
             $resultString: null,
@@ -7713,14 +7733,10 @@
                 });
             }
             finally {
-                if (!isJokerAttempt &&
-                    task.taskType === 'PROMPT_TASK' &&
-                    $ongoingTaskResult.$prompt
-                //    <- Note:  [2] When some expected parameter is not defined, error will occur in templateParameters
-                //              In that case we don’t want to make a report about it because it’s not a llm execution error
-                ) {
-                    // TODO: [🧠] Maybe put other taskTypes into report
-                    $executionReport.promptExecutions.push({
+                if (!isJokerAttempt && task.taskType === 'PROMPT_TASK' && $ongoingTaskResult.$prompt) {
+                    // Note:  [2] When some expected parameter is not defined, error will occur in templateParameters
+                    //        In that case we don’t want to make a report about it because it’s not a llm execution error
+                    const executionPromptReport = {
                         prompt: {
                             ...$ongoingTaskResult.$prompt,
                             // <- TODO: [🧠] How to pick everyhing except `pipelineUrl`
@@ -7729,7 +7745,11 @@
                         error: $ongoingTaskResult.$expectError === null
                             ? undefined
                             : serializeError($ongoingTaskResult.$expectError),
-                    });
+                    };
+                    $executionReport.promptExecutions.push(executionPromptReport);
+                    if (logLlmCall$1) {
+                        logLlmCall(logLlmCall$1, executionPromptReport);
+                    }
                 }
             }
             if ($ongoingTaskResult.$expectError !== null && attemptIndex === maxAttempts - 1) {
@@ -7794,9 +7814,9 @@
      * @private internal utility of `createPipelineExecutor`
      */
     async function executeFormatSubvalues(options) {
-        const { task, jokerParameterNames, parameters, priority, csvSettings, onProgress, pipelineIdentification } = options;
+        const { task, jokerParameterNames, parameters, priority, csvSettings, onProgress, logLlmCall, pipelineIdentification, } = options;
         if (task.foreach === undefined) {
-            return /* not await */ executeAttempts(options);
+            return /* not await */ executeAttempts({ ...options, logLlmCall });
         }
         if (jokerParameterNames.length !== 0) {
             throw new UnexpectedError(spaceTrim__default["default"]((block) => `
@@ -8097,7 +8117,7 @@
      * @private internal utility of `createPipelineExecutor`
      */
     async function executeTask(options) {
-        const { currentTask, preparedPipeline, parametersToPass, tools, onProgress, $executionReport, pipelineIdentification, maxExecutionAttempts, maxParallelCount, csvSettings, isVerbose, rootDirname, cacheDirname, intermediateFilesStrategy, isAutoInstalled, isNotPreparedWarningSuppressed, } = options;
+        const { currentTask, preparedPipeline, parametersToPass, tools, onProgress, logLlmCall, $executionReport, pipelineIdentification, maxExecutionAttempts, maxParallelCount, csvSettings, isVerbose, rootDirname, cacheDirname, intermediateFilesStrategy, isAutoInstalled, isNotPreparedWarningSuppressed, } = options;
         const priority = preparedPipeline.tasks.length - preparedPipeline.tasks.indexOf(currentTask);
         // Note: Check consistency of used and dependent parameters which was also done in `validatePipeline`, but it’s good to doublecheck
         const usedParameterNames = extractParameterNamesFromTask(currentTask);
@@ -8176,6 +8196,7 @@
             tools,
             $executionReport,
             onProgress,
+            logLlmCall,
             pipelineIdentification,
             maxExecutionAttempts,
             maxParallelCount,
@@ -8262,7 +8283,7 @@
      * @private internal utility of `createPipelineExecutor`
      */
     async function executePipeline(options) {
-        const { inputParameters, tools, onProgress, pipeline, setPreparedPipeline, pipelineIdentification, maxParallelCount, rootDirname, isVerbose, } = options;
+        const { inputParameters, tools, onProgress, logLlmCall, pipeline, setPreparedPipeline, pipelineIdentification, maxParallelCount, rootDirname, isVerbose, } = options;
         let { preparedPipeline } = options;
         if (preparedPipeline === undefined) {
             preparedPipeline = await preparePipeline(pipeline, tools, {
@@ -8440,6 +8461,7 @@
                                 onProgress(newOngoingResult);
                             }
                         },
+                        logLlmCall,
                         $executionReport: executionReport,
                         pipelineIdentification: spaceTrim.spaceTrim((block) => `
                             ${block(pipelineIdentification)}
@@ -8563,7 +8585,7 @@
             // <- TODO: [🏮] Some standard way how to transform errors into warnings and how to handle non-critical fails during the tasks
         }
         let runCount = 0;
-        const pipelineExecutorWithCallback = async (inputParameters, onProgress) => {
+        const pipelineExecutorWithCallback = async (inputParameters, onProgress, logLlmCall) => {
             runCount++;
             return /* not await */ executePipeline({
                 pipeline,
@@ -8574,6 +8596,7 @@
                 inputParameters,
                 tools,
                 onProgress,
+                logLlmCall,
                 pipelineIdentification: spaceTrim.spaceTrim((block) => `
                     ${block(pipelineIdentification)}
                     ${runCount === 1 ? '' : `Run #${runCount}`}
@@ -12108,7 +12131,7 @@
      *
      * @public exported from `@promptbook/core`
      */
-    const PADDING_LINES = 4;
+    const PADDING_LINES = 11;
     /**
      * A function that adds padding to the book content
      *
@@ -16035,10 +16058,10 @@
                     .send({ error: serializeError(error) });
             }
         });
-        function exportExecutionTask(executionTask, isFull) {
+        function exportExecutionTask(executionTask, isDetailed) {
             // <- TODO: [🧠] This should be maybe method of `ExecutionTask` itself
-            const { taskType, promptbookVersion, taskId, title, status, errors, tldr, warnings, createdAt, updatedAt, currentValue, } = executionTask;
-            if (isFull) {
+            const { taskType, promptbookVersion, taskId, title, status, errors, tldr, warnings, createdAt, updatedAt, currentValue, llmCalls, } = executionTask;
+            if (isDetailed) {
                 return {
                     taskId,
                     title,
@@ -16048,9 +16071,11 @@
                     tldr,
                     errors: errors.map(serializeError),
                     warnings: warnings.map(serializeError),
+                    llmCalls,
                     createdAt,
                     updatedAt,
                     currentValue,
+                    ptbkNonce: 0,
                 };
             }
             else {
@@ -16063,6 +16088,8 @@
                     tldr,
                     createdAt,
                     updatedAt,
+                    llmCalls,
+                    ptbkNonce: 0,
                 };
             }
         }
@@ -21912,170 +21939,2809 @@
      */
 
     /**
-     * Transpiler to Python code using LangChain library.
+     * Creates an empty/basic agent model requirements object
+     * This serves as the starting point for the reduce-like pattern
+     * where each commitment applies its changes to build the final requirements
      *
-     * @private TODO: !!!! Which package should export this?
+     * @public exported from `@promptbook/core`
+     */
+    function createEmptyAgentModelRequirements() {
+        return {
+            systemMessage: '',
+            // modelName: 'gpt-5',
+            modelName: 'gemini-2.5-flash-lite',
+            temperature: 0.7,
+            topP: 0.9,
+            topK: 50,
+        };
+    }
+    /**
+     * Creates a basic agent model requirements with just the agent name
+     * This is used when we have an agent name but no commitments
+     *
+     * @public exported from `@promptbook/core`
+     */
+    function createBasicAgentModelRequirements(agentName) {
+        const empty = createEmptyAgentModelRequirements();
+        return {
+            ...empty,
+            systemMessage: `You are ${agentName || 'AI Agent'}`,
+        };
+    }
+    /**
+     * TODO: [🐤] Deduplicate `AgentModelRequirements` and `ModelRequirements` model requirements
      */
-    const LangchainTranspiler = {
-        name: 'langchain',
-        title: 'LangChain',
-        // TODO: [🧠] packageName and className
-        packageName: '@promptbook/langchain-transpiler',
-        className: 'LangchainTranspiler',
-        new: (tools) => async (book, _options) => {
-            const pipeline = await compilePipeline(book, tools);
-            const anouncement = spaceTrim.spaceTrim(() => `
-                """
-                This code was generated by Promptbook
-                @see https://promptbook.studio
-
-                From book: ${pipeline.pipelineUrl}
-
-                WARNING: This code is experimental and may not work as expected.
-                """
-            `);
-            const imports = spaceTrim.spaceTrim(() => `
-                from langchain_openai import ChatOpenAI
-                from langchain_core.prompts import ChatPromptTemplate
-            `);
-            const functions = pipeline.tasks.map((template) => transpileTemplate$1(template, pipeline));
-            return spaceTrim.spaceTrim(() => `
-                ${anouncement}
 
-                ${imports}
+    /**
+     * Generates a regex pattern to match a specific commitment
+     *
+     * Note: It always creates new Regex object
+     * Note: Uses word boundaries to ensure only full words are matched (e.g., "PERSONA" matches but "PERSONALITY" does not)
+     *
+     * @private - TODO: [🧠] Maybe should be public?
+     */
+    function createCommitmentRegex(commitment) {
+        const escapedCommitment = commitment.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
+        const keywordPattern = escapedCommitment.split(/\s+/).join('\\s+');
+        const regex = new RegExp(`^\\s*(?<type>${keywordPattern})\\b\\s+(?<contents>.+)$`, 'gim');
+        return regex;
+    }
+    /**
+     * Generates a regex pattern to match a specific commitment type
+     *
+     * Note: It just matches the type part of the commitment
+     * Note: It always creates new Regex object
+     * Note: Uses word boundaries to ensure only full words are matched (e.g., "PERSONA" matches but "PERSONALITY" does not)
+     *
+     * @private
+     */
+    function createCommitmentTypeRegex(commitment) {
+        const escapedCommitment = commitment.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
+        const keywordPattern = escapedCommitment.split(/\s+/).join('\\s+');
+        const regex = new RegExp(`^\\s*(?<type>${keywordPattern})\\b`, 'gim');
+        return regex;
+    }
 
-                ${functions.join('\n\n')}
-            `);
-        },
-    };
-    function transpileTemplate$1(template, pipeline) {
-        // TODO: Better template type detection
-        if (template.taskType === 'PROMPT_TEMPLATE' &&
-            template.modelRequirements.modelVariant === 'CHAT') {
-            // TODO: DRY
-            const functionName = template.name;
-            const parameters = pipeline.parameters.filter((parameter) => parameter.isInput);
-            const parameterNames = parameters.map((parameter) => parameter.name);
-            const parameterNamesAndTypes = parameterNames.map((name) => `${name}: str`).join(', ');
-            const interpolatedContent = interpolateTemplate$1(template.content, parameterNames);
-            return spaceTrim.spaceTrim(() => `
-                def ${functionName}(${parameterNamesAndTypes}):
-                    chat = ChatOpenAI(model="${template.modelRequirements.modelName}", temperature=0.7)
-                    prompt = ChatPromptTemplate.from_messages([
-                        ("human", ${interpolatedContent})
-                    ])
-                    chain = prompt | chat
-                    return chain.invoke({${parameterNames.map((name) => `'${name}': ${name}`).join(', ')}})
-            `);
+    /**
+     * Base implementation of CommitmentDefinition that provides common functionality
+     * Most commitments can extend this class and only override the applyToAgentModelRequirements method
+     *
+     * @private
+     */
+    class BaseCommitmentDefinition {
+        constructor(type) {
+            this.type = type;
         }
-        else {
-            return `# TODO: ${template.taskType} templates are not implemented yet`;
+        /**
+         * Creates a regex pattern to match this commitment in agent source
+         * Uses the existing createCommitmentRegex function as internal helper
+         */
+        createRegex() {
+            return createCommitmentRegex(this.type);
+        }
+        /**
+         * Creates a regex pattern to match just the commitment type
+         * Uses the existing createCommitmentTypeRegex function as internal helper
+         */
+        createTypeRegex() {
+            return createCommitmentTypeRegex(this.type);
+        }
+        /**
+         * Helper method to create a new requirements object with updated system message
+         * This is commonly used by many commitments
+         */
+        updateSystemMessage(requirements, messageUpdate) {
+            const newMessage = typeof messageUpdate === 'string' ? messageUpdate : messageUpdate(requirements.systemMessage);
+            return {
+                ...requirements,
+                systemMessage: newMessage,
+            };
+        }
+        /**
+         * Helper method to append content to the system message
+         */
+        appendToSystemMessage(requirements, content, separator = '\n\n') {
+            return this.updateSystemMessage(requirements, (currentMessage) => {
+                if (!currentMessage.trim()) {
+                    return content;
+                }
+                return currentMessage + separator + content;
+            });
+        }
+        /**
+         * Helper method to add a comment section to the system message
+         * Comments are lines starting with # that will be removed from the final system message
+         * but can be useful for organizing and structuring the message during processing
+         */
+        addCommentSection(requirements, commentTitle, content, position = 'end') {
+            const commentSection = `# ${commentTitle.toUpperCase()}\n${content}`;
+            if (position === 'beginning') {
+                return this.updateSystemMessage(requirements, (currentMessage) => {
+                    if (!currentMessage.trim()) {
+                        return commentSection;
+                    }
+                    return commentSection + '\n\n' + currentMessage;
+                });
+            }
+            else {
+                return this.appendToSystemMessage(requirements, commentSection);
+            }
         }
     }
-    function interpolateTemplate$1(template, parameterNames) {
-        let result = template;
-        for (const parameterName of parameterNames) {
-            result = result.replace(new RegExp(`{${parameterName}}`, 'g'), `{${parameterName}}`);
+
+    /**
+     * ACTION commitment definition
+     *
+     * The ACTION commitment defines specific actions or capabilities that the agent can perform.
+     * This helps define what the agent is capable of doing and how it should approach tasks.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * ACTION Can generate code snippets and explain programming concepts
+     * ACTION Able to analyze data and provide insights
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class ActionCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'ACTION') {
+            super(type);
+        }
+        /**
+         * Short one-line description of ACTION.
+         */
+        get description() {
+            return 'Define agent capabilities and actions it can perform.';
+        }
+        /**
+         * Markdown documentation for ACTION commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Defines specific actions or capabilities that the agent can perform.
+
+            ## Key aspects
+
+            - Both terms work identically and can be used interchangeably.
+            - Each action adds to the agent's capability list.
+            - Actions help users understand what the agent can do.
+
+            ## Examples
+
+            \`\`\`book
+            Code Assistant
+
+            PERSONA You are a programming assistant
+            ACTION Can generate code snippets and explain programming concepts
+            ACTION Able to debug existing code and suggest improvements
+            ACTION Can create unit tests for functions
+            \`\`\`
+
+            \`\`\`book
+            Data Scientist
+
+            PERSONA You are a data analysis expert
+            ACTION Able to analyze data and provide insights
+            ACTION Can create visualizations and charts
+            ACTION Capable of statistical analysis and modeling
+            KNOWLEDGE Data analysis best practices and statistical methods
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Add action capability to the system message
+            const actionSection = `Capability: ${trimmedContent}`;
+            return this.appendToSystemMessage(requirements, actionSection, '\n\n');
         }
-        return `f"${result}"`;
     }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
 
     /**
-     * Registration of LLM provider
+     * DELETE commitment definition
      *
-     * Warning: This is not useful for the end user, it is just a side effect of the mechanism that handles all available LLM tools
+     * The DELETE commitment (and its aliases CANCEL, DISCARD, REMOVE) is used to
+     * remove or disregard certain information or context. This can be useful for
+     * overriding previous commitments or removing unwanted behaviors.
      *
-     * @public exported from `@promptbook/wizard`
-     * @public exported from `@promptbook/cli`
+     * Example usage in agent source:
      *
-     * TODO: !!!! Which package should export this? - `@promptbook/core` vs `@promptbook/transpilers` vs `@promptbook/langchain`
+     * ```book
+     * DELETE Previous formatting requirements
+     * CANCEL All emotional responses
+     * DISCARD Technical jargon explanations
+     * REMOVE Casual conversational style
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
      */
-    const _LangchainTranspilerRegistration = $bookTranspilersRegister.register(LangchainTranspiler);
+    class DeleteCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type) {
+            super(type);
+        }
+        /**
+         * Short one-line description of DELETE/CANCEL/DISCARD/REMOVE.
+         */
+        get description() {
+            return 'Remove or **disregard** certain information, context, or previous commitments.';
+        }
+        /**
+         * Markdown documentation for DELETE commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # DELETE (CANCEL, DISCARD, REMOVE)
+
+            A commitment to remove or disregard certain information or context. This can be useful for overriding previous commitments or removing unwanted behaviors.
+
+            ## Aliases
+
+            - \`DELETE\` - Remove or eliminate something
+            - \`CANCEL\` - Cancel or nullify something
+            - \`DISCARD\` - Discard or ignore something
+            - \`REMOVE\` - Remove or take away something
+
+            ## Key aspects
+
+            - Multiple delete commitments can be used to remove different aspects.
+            - Useful for overriding previous commitments in the same agent definition.
+            - Can be used to remove inherited behaviors from base personas.
+            - Helps fine-tune agent behavior by explicitly removing unwanted elements.
+
+            ## Use cases
+
+            - Overriding inherited persona characteristics
+            - Removing conflicting or outdated instructions
+            - Disabling specific response patterns
+            - Canceling previous formatting or style requirements
+
+            ## Examples
+
+            \`\`\`book
+            Serious Business Assistant
+
+            PERSONA You are a friendly and casual assistant who uses emojis
+            DELETE Casual conversational style
+            REMOVE All emoji usage
+            GOAL Provide professional business communications
+            STYLE Use formal language and proper business etiquette
+            \`\`\`
+
+            \`\`\`book
+            Simplified Technical Support
+
+            PERSONA You are a technical support specialist with deep expertise
+            KNOWLEDGE Extensive database of technical specifications
+            DISCARD Technical jargon explanations
+            CANCEL Advanced troubleshooting procedures
+            GOAL Help users with simple, easy-to-follow solutions
+            STYLE Use plain language that anyone can understand
+            \`\`\`
+
+            \`\`\`book
+            Focused Customer Service
+
+            PERSONA You are a customer service agent with broad knowledge
+            ACTION Can help with billing, technical issues, and product information
+            DELETE Billing assistance capabilities
+            REMOVE Technical troubleshooting functions
+            GOAL Focus exclusively on product information and general inquiries
+            \`\`\`
+
+            \`\`\`book
+            Concise Information Provider
+
+            PERSONA You are a helpful assistant who provides detailed explanations
+            STYLE Include examples, analogies, and comprehensive context
+            CANCEL Detailed explanation style
+            DISCARD Examples and analogies
+            GOAL Provide brief, direct answers without unnecessary elaboration
+            STYLE Be concise and to the point
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Create deletion instruction for system message
+            const deleteSection = `${this.type}: ${trimmedContent}`;
+            // Delete instructions provide important context about what should be removed or ignored
+            return this.appendToSystemMessage(requirements, deleteSection, '\n\n');
+        }
+    }
     /**
      * Note: [💞] Ignore a discrepancy between file name and entity name
      */
 
     /**
-     * Transpiler to Javascript code using OpenAI SDK.
+     * FORMAT commitment definition
+     *
+     * The FORMAT commitment defines the specific output structure and formatting
+     * that the agent should use in its responses. This includes data formats,
+     * response templates, and structural requirements.
+     *
+     * Example usage in agent source:
      *
-     * @private TODO: !!!! Which package should export this?
+     * ```book
+     * FORMAT Always respond in JSON format with 'status' and 'data' fields
+     * FORMAT Use markdown formatting for all code blocks
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
      */
-    const OpenAiSdkTranspiler = {
-        name: 'openai-sdk',
-        title: 'OpenAI SDK',
-        // TODO: [🧠] packageName and className
-        packageName: '@promptbook/openai-sdk-transpiler',
-        className: 'OpenAiSdkTranspiler',
-        new: (tools) => async (book, _options) => {
-            const pipeline = await compilePipeline(book, tools);
-            const anouncement = spaceTrim.spaceTrim(() => `
-                /**
-                 * This code was generated by Promptbook
-                 * @see https://promptbook.studio
-                 *
-                 * From book: ${pipeline.pipelineUrl}
-                 *
-                 * WARNING: This code is experimental and may not work as expected.
-                 */
-            `);
-            const imports = spaceTrim.spaceTrim(() => `
-                import { OpenAI } from 'openai';
-            `);
-            const functions = pipeline.tasks.map((template) => transpileTemplate(template, pipeline));
-            return spaceTrim.spaceTrim(() => `
-                ${anouncement}
+    class FormatCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'FORMAT') {
+            super(type);
+        }
+        /**
+         * Short one-line description of FORMAT.
+         */
+        get description() {
+            return 'Specify output structure or formatting requirements.';
+        }
+        /**
+         * Markdown documentation for FORMAT commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
 
-                ${imports}
+            Defines the specific output structure and formatting for responses (data formats, templates, structure).
 
-                ${functions.join('\n\n')}
-            `);
-        },
-    };
-    function transpileTemplate(template, pipeline) {
-        // TODO: Better template type detection
-        if (template.taskType === 'PROMPT_TEMPLATE' &&
-            template.modelRequirements.modelVariant === 'CHAT') {
-            // TODO: DRY
-            const functionName = template.name;
-            const parameters = pipeline.parameters.filter((parameter) => parameter.isInput);
-            const parameterNames = parameters.map((parameter) => parameter.name);
-            const parameterNamesAndTypes = parameterNames.map((name) => `${name}: string`).join(', ');
-            const interpolatedContent = interpolateTemplate(template.content, parameterNames);
-            return spaceTrim.spaceTrim(() => `
-                export async function ${functionName}({ ${parameterNames.join(', ')} }: { ${parameterNamesAndTypes} }) {
-                    const openai = new OpenAI({
-                        apiKey: process.env.OPENAI_API_KEY,
-                    });
-                    const chatCompletion = await openai.chat.completions.create({
-                        messages: [
-                            {
-                                role: 'user',
-                                content: ${interpolatedContent},
-                            },
-                        ],
-                        model: '${template.modelRequirements.modelName}',
-                    });
-                    return chatCompletion.choices[0].message.content;
-                }
-            `);
+            ## Key aspects
+
+            - Both terms work identically and can be used interchangeably.
+            - If they are in conflict, the last one takes precedence.
+            - You can specify both data formats and presentation styles.
+
+            ## Examples
+
+            \`\`\`book
+            Customer Support Bot
+
+            PERSONA You are a helpful customer support agent
+            FORMAT Always respond in JSON format with 'status' and 'data' fields
+            FORMAT Use markdown formatting for all code blocks
+            \`\`\`
+
+            \`\`\`book
+            Data Analyst
+
+            PERSONA You are a data analysis expert
+            FORMAT Present results in structured tables
+            FORMAT Include confidence scores for all predictions
+            STYLE Be concise and precise in explanations
+            \`\`\`
+        `);
         }
-        else {
-            return `// TODO: ${template.taskType} templates are not implemented yet`;
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Add format instructions to the system message
+            const formatSection = `Output Format: ${trimmedContent}`;
+            return this.appendToSystemMessage(requirements, formatSection, '\n\n');
         }
     }
-    function interpolateTemplate(template, parameterNames) {
-        let result = template;
-        for (const parameterName of parameterNames) {
-            result = result.replace(new RegExp(`{${parameterName}}`, 'g'), `\${${parameterName}}`);
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * GOAL commitment definition
+     *
+     * The GOAL commitment defines the main goal which should be achieved by the AI assistant.
+     * There can be multiple goals. Later goals are more important than earlier goals.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * GOAL Help users understand complex technical concepts
+     * GOAL Provide accurate and up-to-date information
+     * GOAL Always prioritize user safety and ethical guidelines
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class GoalCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'GOAL') {
+            super(type);
+        }
+        /**
+         * Short one-line description of GOAL.
+         */
+        get description() {
+            return 'Define main **goals** the AI assistant should achieve, with later goals having higher priority.';
+        }
+        /**
+         * Markdown documentation for GOAL commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Defines the main goal which should be achieved by the AI assistant. There can be multiple goals, and later goals are more important than earlier goals.
+
+            ## Key aspects
+
+            - Both terms work identically and can be used interchangeably.
+            - Later goals have higher priority and can override earlier goals.
+            - Goals provide clear direction and purpose for the agent's responses.
+            - Goals influence decision-making and response prioritization.
+
+            ## Priority system
+
+            When multiple goals are defined, they are processed in order, with later goals taking precedence over earlier ones when there are conflicts.
+
+            ## Examples
+
+            \`\`\`book
+            Customer Support Agent
+
+            PERSONA You are a helpful customer support representative
+            GOAL Resolve customer issues quickly and efficiently
+            GOAL Maintain high customer satisfaction scores
+            GOAL Always follow company policies and procedures
+            RULE Be polite and professional at all times
+            \`\`\`
+
+            \`\`\`book
+            Educational Assistant
+
+            PERSONA You are an educational assistant specializing in mathematics
+            GOAL Help students understand mathematical concepts clearly
+            GOAL Encourage critical thinking and problem-solving skills
+            GOAL Ensure all explanations are age-appropriate and accessible
+            STYLE Use simple language and provide step-by-step explanations
+            \`\`\`
+
+            \`\`\`book
+            Safety-First Assistant
+
+            PERSONA You are a general-purpose AI assistant
+            GOAL Be helpful and informative in all interactions
+            GOAL Provide accurate and reliable information
+            GOAL Always prioritize user safety and ethical guidelines
+            RULE Never provide harmful or dangerous advice
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Create goal section for system message
+            const goalSection = `Goal: ${trimmedContent}`;
+            // Goals are important directives, so we add them prominently to the system message
+            return this.appendToSystemMessage(requirements, goalSection, '\n\n');
         }
-        return `\`${result}\``;
     }
     /**
-     * TODO: [🧠] What should be the scope of the transpiled code?
-     * - Just a single function?
-     * - A class?
-     * - A whole package?
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * KNOWLEDGE commitment definition
+     *
+     * The KNOWLEDGE commitment adds specific knowledge, facts, or context to the agent
+     * using RAG (Retrieval-Augmented Generation) approach for external sources.
+     *
+     * Supports both direct text knowledge and external sources like PDFs.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * KNOWLEDGE The company was founded in 2020 and specializes in AI-powered solutions
+     * KNOWLEDGE https://example.com/company-handbook.pdf
+     * KNOWLEDGE https://example.com/product-documentation.pdf
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
      */
+    class KnowledgeCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor() {
+            super('KNOWLEDGE');
+        }
+        /**
+         * Short one-line description of KNOWLEDGE.
+         */
+        get description() {
+            return 'Add domain **knowledge** via direct text or external sources (RAG).';
+        }
+        /**
+         * Markdown documentation for KNOWLEDGE commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Adds specific knowledge, facts, or context to the agent using a RAG (Retrieval-Augmented Generation) approach for external sources.
+
+            ## Key aspects
+
+            - Both terms work identically and can be used interchangeably.
+            - Supports both direct text knowledge and external URLs.
+            - External sources (PDFs, websites) are processed via RAG for context retrieval.
+
+            ## Supported formats
+
+            - Direct text: Immediate knowledge incorporated into agent
+            - URLs: External documents processed for contextual retrieval
+            - Supported file types: PDF, text, markdown, HTML
+
+            ## Examples
+
+            \`\`\`book
+            Customer Support Bot
+
+            PERSONA You are a helpful customer support agent for TechCorp
+            KNOWLEDGE TechCorp was founded in 2020 and specializes in AI-powered solutions
+            KNOWLEDGE https://example.com/company-handbook.pdf
+            KNOWLEDGE https://example.com/product-documentation.pdf
+            RULE Always be polite and professional
+            \`\`\`
+
+            \`\`\`book
+            Research Assistant
+
+            PERSONA You are a knowledgeable research assistant
+            KNOWLEDGE Academic research requires careful citation and verification
+            KNOWLEDGE https://example.com/research-guidelines.pdf
+            ACTION Can help with literature reviews and data analysis
+            STYLE Present information in clear, academic format
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            var _a;
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Check if content is a URL (external knowledge source)
+            if (this.isUrl(trimmedContent)) {
+                // Store the URL for later async processing
+                const updatedRequirements = {
+                    ...requirements,
+                    metadata: {
+                        ...requirements.metadata,
+                        knowledgeSources: [
+                            ...(((_a = requirements.metadata) === null || _a === void 0 ? void 0 : _a.knowledgeSources) || []),
+                            trimmedContent,
+                        ],
+                    },
+                };
+                // Add placeholder information about knowledge sources to system message
+                const knowledgeInfo = `Knowledge Source URL: ${trimmedContent} (will be processed for retrieval during chat)`;
+                return this.appendToSystemMessage(updatedRequirements, knowledgeInfo, '\n\n');
+            }
+            else {
+                // Direct text knowledge - add to system message
+                const knowledgeSection = `Knowledge: ${trimmedContent}`;
+                return this.appendToSystemMessage(requirements, knowledgeSection, '\n\n');
+            }
+        }
+        /**
+         * Check if content is a URL
+         */
+        isUrl(content) {
+            try {
+                new URL(content);
+                return true;
+            }
+            catch (_a) {
+                return false;
+            }
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * MEMORY commitment definition
+     *
+     * The MEMORY commitment is similar to KNOWLEDGE but has a focus on remembering past
+     * interactions and user preferences. It helps the agent maintain context about the
+     * user's history, preferences, and previous conversations.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * MEMORY User prefers detailed technical explanations
+     * MEMORY Previously worked on React projects
+     * MEMORY Timezone: UTC-5 (Eastern Time)
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class MemoryCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'MEMORY') {
+            super(type);
+        }
+        /**
+         * Short one-line description of MEMORY.
+         */
+        get description() {
+            return 'Remember past interactions and user **preferences** for personalized responses.';
+        }
+        /**
+         * Markdown documentation for MEMORY commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Similar to KNOWLEDGE but focuses on remembering past interactions and user preferences. This commitment helps the agent maintain context about the user's history, preferences, and previous conversations.
+
+            ## Key aspects
+
+            - Both terms work identically and can be used interchangeably.
+            - Focuses on user-specific information and interaction history.
+            - Helps personalize responses based on past interactions.
+            - Maintains continuity across conversations.
+
+            ## Differences from KNOWLEDGE
+
+            - \`KNOWLEDGE\` is for domain expertise and factual information
+            - \`MEMORY\` is for user-specific context and preferences
+            - \`MEMORY\` creates more personalized interactions
+            - \`MEMORY\` often includes temporal or preference-based information
+
+            ## Examples
+
+            \`\`\`book
+            Personal Assistant
+
+            PERSONA You are a personal productivity assistant
+            MEMORY User is a software developer working in JavaScript/React
+            MEMORY User prefers morning work sessions and afternoon meetings
+            MEMORY Previously helped with project planning for mobile apps
+            MEMORY User timezone: UTC-8 (Pacific Time)
+            GOAL Help optimize daily productivity and workflow
+            \`\`\`
+
+            \`\`\`book
+            Learning Companion
+
+            PERSONA You are an educational companion for programming students
+            MEMORY Student is learning Python as their first programming language
+            MEMORY Previous topics covered: variables, loops, functions
+            MEMORY Student learns best with practical examples and exercises
+            MEMORY Last session: working on list comprehensions
+            GOAL Provide progressive learning experiences tailored to student's pace
+            \`\`\`
+
+            \`\`\`book
+            Customer Support Agent
+
+            PERSONA You are a customer support representative
+            MEMORY Customer has premium subscription since 2023
+            MEMORY Previous issue: billing question resolved last month
+            MEMORY Customer prefers email communication over phone calls
+            MEMORY Account shows frequent use of advanced features
+            GOAL Provide personalized support based on customer history
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Create memory section for system message
+            const memorySection = `Memory: ${trimmedContent}`;
+            // Memory information is contextual and should be included in the system message
+            return this.appendToSystemMessage(requirements, memorySection, '\n\n');
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * MESSAGE commitment definition
+     *
+     * The MESSAGE commitment contains 1:1 text of the message which AI assistant already
+     * sent during the conversation. Later messages are later in the conversation.
+     * It is similar to EXAMPLE but it is not example, it is the real message which
+     * AI assistant already sent.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * MESSAGE Hello! How can I help you today?
+     * MESSAGE I understand you're looking for information about our services.
+     * MESSAGE Based on your requirements, I'd recommend our premium package.
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class MessageCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'MESSAGE') {
+            super(type);
+        }
+        /**
+         * Short one-line description of MESSAGE.
+         */
+        get description() {
+            return 'Include actual **messages** the AI assistant has sent during conversation history.';
+        }
+        /**
+         * Markdown documentation for MESSAGE commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Contains 1:1 text of the message which AI assistant already sent during the conversation. Later messages are later in the conversation. It is similar to EXAMPLE but it is not example, it is the real message which AI assistant already sent.
+
+            ## Key aspects
+
+            - Multiple \`MESSAGE\` and \`MESSAGES\` commitments represent the conversation timeline.
+            - Both terms work identically and can be used interchangeably.
+            - Later messages are later in the conversation chronologically.
+            - Contains actual historical messages, not examples or templates.
+            - Helps maintain conversation continuity and context.
+
+            ## Differences from EXAMPLE
+
+            - \`EXAMPLE\` shows hypothetical or template responses
+            - \`MESSAGE\`/\`MESSAGES\` contains actual historical conversation content
+            - \`MESSAGE\`/\`MESSAGES\` preserves the exact conversation flow
+            - \`MESSAGE\`/\`MESSAGES\` helps with context awareness and consistency
+
+            ## Use cases
+
+            - Maintaining conversation history context
+            - Ensuring consistent tone and style across messages
+            - Referencing previous responses in ongoing conversations
+            - Building upon previously established context
+
+            ## Examples
+
+            \`\`\`book
+            Customer Support Continuation
+
+            PERSONA You are a helpful customer support agent
+            MESSAGE Hello! How can I help you today?
+            MESSAGE I understand you're experiencing issues with your account login.
+            MESSAGE I've sent you a password reset link to your email address.
+            MESSAGE Is there anything else I can help you with regarding your account?
+            GOAL Continue providing consistent support based on conversation history
+            \`\`\`
+
+            \`\`\`book
+            Technical Discussion
+
+            PERSONA You are a software development mentor
+            MESSAGE Let's start by reviewing the React component structure you shared.
+            MESSAGE I notice you're using class components - have you considered hooks?
+            MESSAGE Here's how you could refactor that using the useState hook.
+            MESSAGE Great question about performance! Let me explain React's rendering cycle.
+            KNOWLEDGE React hooks were introduced in version 16.8
+            \`\`\`
+
+            \`\`\`book
+            Educational Session
+
+            PERSONA You are a mathematics tutor
+            MESSAGE Today we'll work on solving quadratic equations.
+            MESSAGE Let's start with the basic form: ax² + bx + c = 0
+            MESSAGE Remember, we can use the quadratic formula or factoring.
+            MESSAGE You did great with that first problem! Let's try a more complex one.
+            GOAL Build upon previous explanations for deeper understanding
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Create message section for system message
+            const messageSection = `Previous Message: ${trimmedContent}`;
+            // Messages represent conversation history and should be included for context
+            return this.appendToSystemMessage(requirements, messageSection, '\n\n');
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * META commitment definition
+     *
+     * The META commitment handles all meta-information about the agent such as:
+     * - META IMAGE: Sets the agent's avatar/profile image URL
+     * - META LINK: Provides profile/source links for the person the agent models
+     * - META TITLE: Sets the agent's display title
+     * - META DESCRIPTION: Sets the agent's description
+     * - META [ANYTHING]: Any other meta information in uppercase format
+     *
+     * These commitments are special because they don't affect the system message,
+     * but are handled separately in the parsing logic for profile display.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * META IMAGE https://example.com/avatar.jpg
+     * META LINK https://twitter.com/username
+     * META TITLE Professional Assistant
+     * META DESCRIPTION An AI assistant specialized in business tasks
+     * META AUTHOR John Doe
+     * META VERSION 1.0
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class MetaCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor() {
+            super('META');
+        }
+        /**
+         * Short one-line description of META commitments.
+         */
+        get description() {
+            return 'Set meta-information about the agent (IMAGE, LINK, TITLE, DESCRIPTION, etc.).';
+        }
+        /**
+         * Markdown documentation for META commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # META
+
+            Sets meta-information about the agent that is used for display and attribution purposes.
+
+            ## Supported META types
+
+            - **META IMAGE** - Sets the agent's avatar/profile image URL
+            - **META LINK** - Provides profile/source links for the person the agent models
+            - **META TITLE** - Sets the agent's display title
+            - **META DESCRIPTION** - Sets the agent's description
+            - **META [ANYTHING]** - Any other meta information in uppercase format
+
+            ## Key aspects
+
+            - Does not modify the agent's behavior or responses
+            - Used for visual representation and attribution in user interfaces
+            - Multiple META commitments of different types can be used
+            - Multiple META LINK commitments can be used for different social profiles
+            - If multiple META commitments of the same type are specified, the last one takes precedence (except for LINK)
+
+            ## Examples
+
+            ### Basic meta information
+
+            \`\`\`book
+            Professional Assistant
+
+            META IMAGE https://example.com/professional-avatar.jpg
+            META TITLE Senior Business Consultant
+            META DESCRIPTION Specialized in strategic planning and project management
+            META LINK https://linkedin.com/in/professional
+            \`\`\`
+
+            ### Multiple links and custom meta
+
+            \`\`\`book
+            Open Source Developer
+
+            META IMAGE /assets/dev-avatar.png
+            META LINK https://github.com/developer
+            META LINK https://twitter.com/devhandle
+            META AUTHOR Jane Smith
+            META VERSION 2.1
+            META LICENSE MIT
+            \`\`\`
+
+            ### Creative assistant
+
+            \`\`\`book
+            Creative Helper
+
+            META IMAGE https://example.com/creative-bot.jpg
+            META TITLE Creative Writing Assistant
+            META DESCRIPTION Helps with brainstorming, storytelling, and creative projects
+            META INSPIRATION Books, movies, and real-world experiences
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            // META commitments don't modify the system message or model requirements
+            // They are handled separately in the parsing logic for meta information extraction
+            // This method exists for consistency with the CommitmentDefinition interface
+            return requirements;
+        }
+        /**
+         * Extracts meta information from the content based on the meta type
+         * This is used by the parsing logic
+         */
+        extractMetaValue(metaType, content) {
+            const trimmedContent = content.trim();
+            return trimmedContent || null;
+        }
+        /**
+         * Validates if the provided content is a valid URL (for IMAGE and LINK types)
+         */
+        isValidUrl(content) {
+            try {
+                new URL(content.trim());
+                return true;
+            }
+            catch (_a) {
+                return false;
+            }
+        }
+        /**
+         * Checks if this is a known meta type
+         */
+        isKnownMetaType(metaType) {
+            const knownTypes = ['IMAGE', 'LINK', 'TITLE', 'DESCRIPTION', 'AUTHOR', 'VERSION', 'LICENSE'];
+            return knownTypes.includes(metaType.toUpperCase());
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * MODEL commitment definition
+     *
+     * The MODEL commitment specifies which AI model to use and can also set
+     * model-specific parameters like temperature, topP, topK, and maxTokens.
+     *
+     * Supports multiple syntax variations:
+     *
+     * Single-line format:
+     * ```book
+     * MODEL gpt-4
+     * MODEL claude-3-opus temperature=0.3
+     * MODEL gpt-3.5-turbo temperature=0.8 topP=0.9
+     * ```
+     *
+     * Multi-line named parameter format:
+     * ```book
+     * MODEL NAME gpt-4
+     * MODEL TEMPERATURE 0.7
+     * MODEL TOP_P 0.9
+     * MODEL MAX_TOKENS 2048
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class ModelCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'MODEL') {
+            super(type);
+        }
+        /**
+         * Short one-line description of MODEL.
+         */
+        get description() {
+            return 'Enforce AI model requirements including name and technical parameters.';
+        }
+        /**
+         * Markdown documentation for MODEL commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Enforces technical parameters for the AI model, ensuring consistent behavior across different execution environments.
+
+            ## Key aspects
+
+            - When no \`MODEL\` commitment is specified, the best model requirement is picked automatically based on the agent \`PERSONA\`, \`KNOWLEDGE\`, \`TOOLS\` and other commitments
+            - Multiple \`MODEL\` commitments can be used to specify different parameters
+            - Both \`MODEL\` and \`MODELS\` terms work identically and can be used interchangeably
+            - Parameters control the randomness, creativity, and technical aspects of model responses
+
+            ## Syntax variations
+
+            ### Single-line format (legacy support)
+            \`\`\`book
+            MODEL gpt-4
+            MODEL claude-3-opus temperature=0.3
+            MODEL gpt-3.5-turbo temperature=0.8 topP=0.9
+            \`\`\`
+
+            ### Multi-line named parameter format (recommended)
+            \`\`\`book
+            MODEL NAME gpt-4
+            MODEL TEMPERATURE 0.7
+            MODEL TOP_P 0.9
+            MODEL MAX_TOKENS 2048
+            \`\`\`
+
+            ## Supported parameters
+
+            - \`NAME\`: The specific model to use (e.g., 'gpt-4', 'claude-3-opus')
+            - \`TEMPERATURE\`: Controls randomness (0.0 = deterministic, 1.0+ = creative)
+            - \`TOP_P\`: Nucleus sampling parameter for controlling diversity
+            - \`TOP_K\`: Top-k sampling parameter for limiting vocabulary
+            - \`MAX_TOKENS\`: Maximum number of tokens the model can generate
+
+            ## Examples
+
+            ### Precise deterministic assistant
+            \`\`\`book
+            Precise Assistant
+
+            PERSONA You are a precise and accurate assistant
+            MODEL NAME gpt-4
+            MODEL TEMPERATURE 0.1
+            MODEL MAX_TOKENS 1024
+            RULE Always provide factual information
+            \`\`\`
+
+            ### Creative writing assistant
+            \`\`\`book
+            Creative Writer
+
+            PERSONA You are a creative writing assistant
+            MODEL NAME claude-3-opus
+            MODEL TEMPERATURE 0.8
+            MODEL TOP_P 0.9
+            MODEL MAX_TOKENS 2048
+            STYLE Be imaginative and expressive
+            ACTION Can help with storytelling and character development
+            \`\`\`
+
+            ### Balanced conversational agent
+            \`\`\`book
+            Balanced Assistant
+
+            PERSONA You are a helpful and balanced assistant
+            MODEL NAME gpt-4
+            MODEL TEMPERATURE 0.7
+            MODEL TOP_P 0.95
+            MODEL TOP_K 40
+            MODEL MAX_TOKENS 1500
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            var _a;
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            const parts = trimmedContent.split(/\s+/);
+            const firstPart = (_a = parts[0]) === null || _a === void 0 ? void 0 : _a.toUpperCase();
+            // Check if this is the new named parameter format
+            if (this.isNamedParameter(firstPart)) {
+                return this.parseNamedParameter(requirements, firstPart, parts.slice(1));
+            }
+            else {
+                // Legacy single-line format: "MODEL gpt-4 temperature=0.3 topP=0.9"
+                return this.parseLegacyFormat(requirements, parts);
+            }
+        }
+        /**
+         * Check if the first part is a known named parameter
+         */
+        isNamedParameter(part) {
+            if (!part)
+                return false;
+            const knownParams = ['NAME', 'TEMPERATURE', 'TOP_P', 'TOP_K', 'MAX_TOKENS'];
+            return knownParams.includes(part);
+        }
+        /**
+         * Parse the new named parameter format: "MODEL TEMPERATURE 0.7"
+         */
+        parseNamedParameter(requirements, parameterName, valueParts) {
+            const value = valueParts.join(' ').trim();
+            if (!value) {
+                return requirements;
+            }
+            const result = { ...requirements };
+            switch (parameterName) {
+                case 'NAME':
+                    result.modelName = value;
+                    break;
+                case 'TEMPERATURE': {
+                    const temperature = parseFloat(value);
+                    if (!isNaN(temperature)) {
+                        result.temperature = temperature;
+                    }
+                    break;
+                }
+                case 'TOP_P': {
+                    const topP = parseFloat(value);
+                    if (!isNaN(topP)) {
+                        result.topP = topP;
+                    }
+                    break;
+                }
+                case 'TOP_K': {
+                    const topK = parseFloat(value);
+                    if (!isNaN(topK)) {
+                        result.topK = Math.round(topK);
+                    }
+                    break;
+                }
+                case 'MAX_TOKENS': {
+                    const maxTokens = parseFloat(value);
+                    if (!isNaN(maxTokens)) {
+                        result.maxTokens = Math.round(maxTokens);
+                    }
+                    break;
+                }
+            }
+            return result;
+        }
+        /**
+         * Parse the legacy format: "MODEL gpt-4 temperature=0.3 topP=0.9"
+         */
+        parseLegacyFormat(requirements, parts) {
+            const modelName = parts[0];
+            if (!modelName) {
+                return requirements;
+            }
+            // Start with the model name
+            const result = {
+                ...requirements,
+                modelName,
+            };
+            // Parse additional key=value parameters
+            for (let i = 1; i < parts.length; i++) {
+                const param = parts[i];
+                if (param && param.includes('=')) {
+                    const [key, value] = param.split('=');
+                    if (key && value) {
+                        const numValue = parseFloat(value);
+                        if (!isNaN(numValue)) {
+                            switch (key.toLowerCase()) {
+                                case 'temperature':
+                                    result.temperature = numValue;
+                                    break;
+                                case 'topp':
+                                case 'top_p':
+                                    result.topP = numValue;
+                                    break;
+                                case 'topk':
+                                case 'top_k':
+                                    result.topK = Math.round(numValue);
+                                    break;
+                                case 'max_tokens':
+                                case 'maxTokens':
+                                    result.maxTokens = Math.round(numValue);
+                                    break;
+                            }
+                        }
+                    }
+                }
+            }
+            return result;
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * NOTE commitment definition
+     *
+     * The NOTE commitment is used to add comments to the agent source without making any changes
+     * to the system message or agent model requirements. It serves as a documentation mechanism
+     * for developers to add explanatory comments, reminders, or annotations directly in the agent source.
+     *
+     * Key features:
+     * - Makes no changes to the system message
+     * - Makes no changes to agent model requirements
+     * - Content is preserved in metadata.NOTE for debugging and inspection
+     * - Multiple NOTE commitments are aggregated together
+     * - Comments (# NOTE) are removed from the final system message
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * NOTE This agent was designed for customer support scenarios
+     * NOTE Remember to update the knowledge base monthly
+     * NOTE Performance optimized for quick response times
+     * ```
+     *
+     * The above notes will be stored in metadata but won't affect the agent's behavior.
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class NoteCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'NOTE') {
+            super(type);
+        }
+        /**
+         * Short one-line description of NOTE.
+         */
+        get description() {
+            return 'Add developer-facing notes without changing behavior or output.';
+        }
+        /**
+         * Markdown documentation for NOTE commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Adds comments for documentation without changing agent behavior.
+
+            ## Key aspects
+
+            - Does not modify the agent's behavior or responses.
+            - Multiple \`NOTE\`, \`NOTES\`, \`COMMENT\`, and \`NONCE\` commitments are aggregated for debugging.
+            - All four terms work identically and can be used interchangeably.
+            - Useful for documenting design decisions and reminders.
+            - Content is preserved in metadata for inspection.
+
+            ## Examples
+
+            \`\`\`book
+            Customer Support Bot
+
+            NOTE This agent was designed for customer support scenarios
+            COMMENT Remember to update the knowledge base monthly
+            PERSONA You are a helpful customer support representative
+            KNOWLEDGE Company policies and procedures
+            RULE Always be polite and professional
+            \`\`\`
+
+            \`\`\`book
+            Research Assistant
+
+            NONCE Performance optimized for quick response times
+            NOTE Uses RAG for accessing latest research papers
+            PERSONA You are a knowledgeable research assistant
+            ACTION Can help with literature reviews and citations
+            STYLE Present information in academic format
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            var _a;
+            // The NOTE commitment makes no changes to the system message or model requirements
+            // It only stores the note content in metadata for documentation purposes
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Get existing note content from metadata
+            const existingNoteContent = ((_a = requirements.metadata) === null || _a === void 0 ? void 0 : _a.NOTE) || '';
+            // Merge the new content with existing note content
+            // When multiple NOTE commitments exist, they are aggregated together
+            const mergedNoteContent = existingNoteContent ? `${existingNoteContent}\n${trimmedContent}` : trimmedContent;
+            // Store the merged note content in metadata for debugging and inspection
+            const updatedMetadata = {
+                ...requirements.metadata,
+                NOTE: mergedNoteContent,
+            };
+            // Return requirements with updated metadata but no changes to system message
+            return {
+                ...requirements,
+                metadata: updatedMetadata,
+            };
+        }
+    }
+    /**
+     * [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * PERSONA commitment definition
+     *
+     * The PERSONA commitment modifies the agent's personality and character in the system message.
+     * It defines who the agent is, their background, expertise, and personality traits.
+     *
+     * Key features:
+     * - Multiple PERSONA commitments are automatically merged into one
+     * - Content is placed at the beginning of the system message
+     * - Original content with comments is preserved in metadata.PERSONA
+     * - Comments (# PERSONA) are removed from the final system message
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * PERSONA You are a helpful programming assistant with expertise in TypeScript and React
+     * PERSONA You have deep knowledge of modern web development practices
+     * ```
+     *
+     * The above will be merged into a single persona section at the beginning of the system message.
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class PersonaCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'PERSONA') {
+            super(type);
+        }
+        /**
+         * Short one-line description of PERSONA.
+         */
+        get description() {
+            return 'Define who the agent is: background, expertise, and personality.';
+        }
+        /**
+         * Markdown documentation for PERSONA commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Defines who the agent is, their background, expertise, and personality traits.
+
+            ## Key aspects
+
+            - Multiple \`PERSONA\` and \`PERSONAE\` commitments are merged together.
+            - Both terms work identically and can be used interchangeably.
+            - If they are in conflict, the last one takes precedence.
+            - You can write persona content in multiple lines.
+
+            ## Examples
+
+            \`\`\`book
+            Programming Assistant
+
+            PERSONA You are a helpful programming assistant with expertise in TypeScript and React
+            PERSONA You have deep knowledge of modern web development practices
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            var _a, _b;
+            // The PERSONA commitment aggregates all persona content and places it at the beginning
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Get existing persona content from metadata
+            const existingPersonaContent = ((_a = requirements.metadata) === null || _a === void 0 ? void 0 : _a.PERSONA) || '';
+            // Merge the new content with existing persona content
+            // When multiple PERSONA commitments exist, they are merged into one
+            const mergedPersonaContent = existingPersonaContent
+                ? `${existingPersonaContent}\n${trimmedContent}`
+                : trimmedContent;
+            // Store the merged persona content in metadata for debugging and inspection
+            const updatedMetadata = {
+                ...requirements.metadata,
+                PERSONA: mergedPersonaContent,
+            };
+            // Get the agent name from metadata (which should contain the first line of agent source)
+            // If not available, extract from current system message as fallback
+            let agentName = (_b = requirements.metadata) === null || _b === void 0 ? void 0 : _b.agentName;
+            if (!agentName) {
+                // Fallback: extract from current system message
+                const currentMessage = requirements.systemMessage.trim();
+                const basicFormatMatch = currentMessage.match(/^You are (.+)$/);
+                if (basicFormatMatch && basicFormatMatch[1]) {
+                    agentName = basicFormatMatch[1];
+                }
+                else {
+                    agentName = 'AI Agent'; // Final fallback
+                }
+            }
+            // Remove any existing persona content from the system message
+            // (this handles the case where we're processing multiple PERSONA commitments)
+            const currentMessage = requirements.systemMessage.trim();
+            let cleanedMessage = currentMessage;
+            // Check if current message starts with persona content or is just the basic format
+            const basicFormatRegex = /^You are .+$/;
+            const isBasicFormat = basicFormatRegex.test(currentMessage) && !currentMessage.includes('\n');
+            if (isBasicFormat) {
+                // Replace the basic format entirely
+                cleanedMessage = '';
+            }
+            else if (currentMessage.startsWith('# PERSONA')) {
+                // Remove existing persona section by finding where it ends
+                const lines = currentMessage.split('\n');
+                let personaEndIndex = lines.length;
+                // Find the end of the PERSONA section (next comment or end of message)
+                for (let i = 1; i < lines.length; i++) {
+                    const line = lines[i].trim();
+                    if (line.startsWith('#') && !line.startsWith('# PERSONA')) {
+                        personaEndIndex = i;
+                        break;
+                    }
+                }
+                // Keep everything after the PERSONA section
+                cleanedMessage = lines.slice(personaEndIndex).join('\n').trim();
+            }
+            // Create new system message with persona at the beginning
+            // Format: "You are {agentName}\n{personaContent}"
+            // The # PERSONA comment will be removed later by removeCommentsFromSystemMessage
+            const personaSection = `# PERSONA\nYou are ${agentName}\n${mergedPersonaContent}`; // <- TODO: Use spaceTrim
+            const newSystemMessage = cleanedMessage ? `${personaSection}\n\n${cleanedMessage}` : personaSection;
+            return {
+                ...requirements,
+                systemMessage: newSystemMessage,
+                metadata: updatedMetadata,
+            };
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * RULE commitment definition
+     *
+     * The RULE/RULES commitment adds behavioral constraints and guidelines that the agent must follow.
+     * These are specific instructions about what the agent should or shouldn't do.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * RULE Always ask for clarification if the user's request is ambiguous
+     * RULES Never provide medical advice, always refer to healthcare professionals
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class RuleCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'RULE') {
+            super(type);
+        }
+        /**
+         * Short one-line description of RULE/RULES.
+         */
+        get description() {
+            return 'Add behavioral rules the agent must follow.';
+        }
+        /**
+         * Markdown documentation for RULE/RULES commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Adds behavioral constraints and guidelines that the agent must follow.
+
+            ## Key aspects
+
+            - All rules are treated equally regardless of singular/plural form.
+            - Rules define what the agent must or must not do.
+
+            ## Examples
+
+            \`\`\`book
+            Customer Support Agent
+
+            PERSONA You are a helpful customer support representative
+            RULE Always ask for clarification if the user's request is ambiguous
+            RULE Be polite and professional in all interactions
+            RULES Never provide medical or legal advice
+            STYLE Maintain a friendly and helpful tone
+            \`\`\`
+
+            \`\`\`book
+            Educational Tutor
+
+            PERSONA You are a patient and knowledgeable tutor
+            RULE Break down complex concepts into simple steps
+            RULE Always encourage students and celebrate their progress
+            RULE If you don't know something, admit it and suggest resources
+            SAMPLE When explaining math: "Let's work through this step by step..."
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Add rule to the system message
+            const ruleSection = `Rule: ${trimmedContent}`;
+            return this.appendToSystemMessage(requirements, ruleSection, '\n\n');
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * SAMPLE commitment definition
+     *
+     * The SAMPLE/EXAMPLE commitment provides examples of how the agent should respond
+     * or behave in certain situations. These examples help guide the agent's responses.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * SAMPLE When asked about pricing, respond: "Our basic plan starts at $10/month..."
+     * EXAMPLE For code questions, always include working code snippets
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class SampleCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'SAMPLE') {
+            super(type);
+        }
+        /**
+         * Short one-line description of SAMPLE/EXAMPLE.
+         */
+        get description() {
+            return 'Provide example responses to guide behavior.';
+        }
+        /**
+         * Markdown documentation for SAMPLE/EXAMPLE commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Provides examples of how the agent should respond or behave in certain situations.
+
+            ## Key aspects
+
+            - Both terms work identically and can be used interchangeably.
+            - Examples help guide the agent's response patterns and style.
+
+            ## Examples
+
+            \`\`\`book
+            Sales Assistant
+
+            PERSONA You are a knowledgeable sales representative
+            SAMPLE When asked about pricing, respond: "Our basic plan starts at $10/month..."
+            SAMPLE For feature comparisons, create a clear comparison table
+            RULE Always be honest about limitations
+            \`\`\`
+
+            \`\`\`book
+            Code Reviewer
+
+            PERSONA You are an experienced software engineer
+            EXAMPLE For code questions, always include working code snippets
+            EXAMPLE When suggesting improvements: "Here's a more efficient approach..."
+            RULE Explain the reasoning behind your suggestions
+            STYLE Be constructive and encouraging in feedback
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Add example to the system message
+            const exampleSection = `Example: ${trimmedContent}`;
+            return this.appendToSystemMessage(requirements, exampleSection, '\n\n');
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * SCENARIO commitment definition
+     *
+     * The SCENARIO commitment defines a specific situation or context in which the AI
+     * assistant should operate. It helps to set the scene for the AI's responses.
+     * Later scenarios are more important than earlier scenarios.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * SCENARIO You are in a customer service call center during peak hours
+     * SCENARIO The customer is frustrated and has been on hold for 20 minutes
+     * SCENARIO This is the customer's third call about the same issue
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class ScenarioCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'SCENARIO') {
+            super(type);
+        }
+        /**
+         * Short one-line description of SCENARIO.
+         */
+        get description() {
+            return 'Define specific **situations** or contexts for AI responses, with later scenarios having higher priority.';
+        }
+        /**
+         * Markdown documentation for SCENARIO commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Defines a specific situation or context in which the AI assistant should operate. It helps to set the scene for the AI's responses. Later scenarios are more important than earlier scenarios.
+
+            ## Key aspects
+
+            - Multiple \`SCENARIO\` and \`SCENARIOS\` commitments build upon each other.
+            - Both terms work identically and can be used interchangeably.
+            - Later scenarios have higher priority and can override earlier scenarios.
+            - Provides situational context that influences response tone and content.
+            - Helps establish the environment and circumstances for interactions.
+
+            ## Priority system
+
+            When multiple scenarios are defined, they are processed in order, with later scenarios taking precedence over earlier ones when there are conflicts.
+
+            ## Use cases
+
+            - Setting the physical or virtual environment
+            - Establishing time constraints or urgency
+            - Defining relationship dynamics or power structures
+            - Creating emotional or situational context
+
+            ## Examples
+
+            \`\`\`book
+            Emergency Response Operator
+
+            PERSONA You are an emergency response operator
+            SCENARIO You are handling a 911 emergency call
+            SCENARIO The caller is panicked and speaking rapidly
+            SCENARIO Time is critical - every second counts
+            GOAL Gather essential information quickly and dispatch appropriate help
+            RULE Stay calm and speak clearly
+            \`\`\`
+
+            \`\`\`book
+            Sales Representative
+
+            PERSONA You are a software sales representative
+            SCENARIO You are in the final meeting of a 6-month sales cycle
+            SCENARIO The client has budget approval and decision-making authority
+            SCENARIO Two competitors have also submitted proposals
+            SCENARIO The client values long-term partnership over lowest price
+            GOAL Close the deal while building trust for future business
+            \`\`\`
+
+            \`\`\`book
+            Medical Assistant
+
+            PERSONA You are a medical assistant in a busy clinic
+            SCENARIO The waiting room is full and the doctor is running behind schedule
+            SCENARIO Patients are becoming impatient and anxious
+            SCENARIO You need to manage expectations while maintaining professionalism
+            SCENARIO Some patients have been waiting over an hour
+            GOAL Keep patients informed and calm while supporting efficient clinic flow
+            RULE Never provide medical advice or diagnosis
+            \`\`\`
+
+            \`\`\`book
+            Technical Support Agent
+
+            PERSONA You are a technical support agent
+            SCENARIO The customer is a small business owner during their busy season
+            SCENARIO Their main business system has been down for 2 hours
+            SCENARIO They are losing money every minute the system is offline
+            SCENARIO This is their first experience with your company
+            GOAL Resolve the issue quickly while creating a positive first impression
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Create scenario section for system message
+            const scenarioSection = `Scenario: ${trimmedContent}`;
+            // Scenarios provide important contextual information that affects behavior
+            return this.appendToSystemMessage(requirements, scenarioSection, '\n\n');
+        }
+    }
+    /**
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * STYLE commitment definition
+     *
+     * The STYLE commitment defines how the agent should format and present its responses.
+     * This includes tone, writing style, formatting preferences, and communication patterns.
+     *
+     * Example usage in agent source:
+     *
+     * ```book
+     * STYLE Write in a professional but friendly tone, use bullet points for lists
+     * STYLE Always provide code examples when explaining programming concepts
+     * ```
+     *
+     * @private [🪔] Maybe export the commitments through some package
+     */
+    class StyleCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type = 'STYLE') {
+            super(type);
+        }
+        /**
+         * Short one-line description of STYLE.
+         */
+        get description() {
+            return 'Control the tone and writing style of responses.';
+        }
+        /**
+         * Markdown documentation for STYLE commitment.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            Defines how the agent should format and present its responses (tone, writing style, formatting).
+
+            ## Key aspects
+
+            - Both terms work identically and can be used interchangeably.
+            - Later style instructions can override earlier ones.
+            - Style affects both tone and presentation format.
+
+            ## Examples
+
+            \`\`\`book
+            Technical Writer
+
+            PERSONA You are a technical documentation expert
+            STYLE Write in a professional but friendly tone, use bullet points for lists
+            STYLE Always provide code examples when explaining programming concepts
+            FORMAT Use markdown formatting with clear headings
+            \`\`\`
+
+            \`\`\`book
+            Creative Assistant
+
+            PERSONA You are a creative writing helper
+            STYLE Be enthusiastic and encouraging in your responses
+            STYLE Use vivid metaphors and analogies to explain concepts
+            STYLE Keep responses conversational and engaging
+            RULE Always maintain a positive and supportive tone
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Add style instructions to the system message
+            const styleSection = `Style: ${trimmedContent}`;
+            return this.appendToSystemMessage(requirements, styleSection, '\n\n');
+        }
+    }
+    /**
+     * [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * Placeholder commitment definition for commitments that are not yet implemented
+     *
+     * This commitment simply adds its content 1:1 into the system message,
+     * preserving the original behavior until proper implementation is added.
+     *
+     * @public exported from `@promptbook/core`
+     */
+    class NotYetImplementedCommitmentDefinition extends BaseCommitmentDefinition {
+        constructor(type) {
+            super(type);
+        }
+        /**
+         * Short one-line description of a placeholder commitment.
+         */
+        get description() {
+            return 'Placeholder commitment that appends content verbatim to the system message.';
+        }
+        /**
+         * Markdown documentation available at runtime.
+         */
+        get documentation() {
+            return spaceTrim.spaceTrim(`
+            # ${this.type}
+
+            This commitment is not yet fully implemented.
+
+            ## Key aspects
+
+            - Content is appended directly to the system message.
+            - No special processing or validation is performed.
+            - Behavior preserved until proper implementation is added.
+
+            ## Status
+
+            - **Status:** Placeholder implementation
+            - **Effect:** Appends content prefixed by commitment type
+            - **Future:** Will be replaced with specialized logic
+
+            ## Examples
+
+            \`\`\`book
+            Example Agent
+
+            PERSONA You are a helpful assistant
+            ${this.type} Your content here
+            RULE Always be helpful
+            \`\`\`
+        `);
+        }
+        applyToAgentModelRequirements(requirements, content) {
+            const trimmedContent = content.trim();
+            if (!trimmedContent) {
+                return requirements;
+            }
+            // Add the commitment content 1:1 to the system message
+            const commitmentLine = `${this.type} ${trimmedContent}`;
+            return this.appendToSystemMessage(requirements, commitmentLine, '\n\n');
+        }
+    }
+
+    // Import all commitment definition classes
+    /**
+     * Registry of all available commitment definitions
+     * This array contains instances of all commitment definitions
+     * This is the single source of truth for all commitments in the system
+     *
+     * @private Use functions to access commitments instead of this array directly
+     */
+    const COMMITMENT_REGISTRY = [
+        // Fully implemented commitments
+        new PersonaCommitmentDefinition('PERSONA'),
+        new PersonaCommitmentDefinition('PERSONAE'),
+        new KnowledgeCommitmentDefinition(),
+        new MemoryCommitmentDefinition('MEMORY'),
+        new MemoryCommitmentDefinition('MEMORIES'),
+        new StyleCommitmentDefinition('STYLE'),
+        new StyleCommitmentDefinition('STYLES'),
+        new RuleCommitmentDefinition('RULE'),
+        new RuleCommitmentDefinition('RULES'),
+        new SampleCommitmentDefinition('SAMPLE'),
+        new SampleCommitmentDefinition('EXAMPLE'),
+        new FormatCommitmentDefinition('FORMAT'),
+        new FormatCommitmentDefinition('FORMATS'),
+        new ModelCommitmentDefinition('MODEL'),
+        new ModelCommitmentDefinition('MODELS'),
+        new ActionCommitmentDefinition('ACTION'),
+        new ActionCommitmentDefinition('ACTIONS'),
+        new MetaCommitmentDefinition(),
+        new NoteCommitmentDefinition('NOTE'),
+        new NoteCommitmentDefinition('NOTES'),
+        new NoteCommitmentDefinition('COMMENT'),
+        new NoteCommitmentDefinition('NONCE'),
+        new GoalCommitmentDefinition('GOAL'),
+        new GoalCommitmentDefinition('GOALS'),
+        new MessageCommitmentDefinition('MESSAGE'),
+        new MessageCommitmentDefinition('MESSAGES'),
+        new ScenarioCommitmentDefinition('SCENARIO'),
+        new ScenarioCommitmentDefinition('SCENARIOS'),
+        new DeleteCommitmentDefinition('DELETE'),
+        new DeleteCommitmentDefinition('CANCEL'),
+        new DeleteCommitmentDefinition('DISCARD'),
+        new DeleteCommitmentDefinition('REMOVE'),
+        // Not yet implemented commitments (using placeholder)
+        new NotYetImplementedCommitmentDefinition('EXPECT'),
+        new NotYetImplementedCommitmentDefinition('BEHAVIOUR'),
+        new NotYetImplementedCommitmentDefinition('BEHAVIOURS'),
+        new NotYetImplementedCommitmentDefinition('AVOID'),
+        new NotYetImplementedCommitmentDefinition('AVOIDANCE'),
+        new NotYetImplementedCommitmentDefinition('CONTEXT'),
+    ];
+    /**
+     * Gets a commitment definition by its type
+     * @param type The commitment type to look up
+     * @returns The commitment definition or null if not found
+     *
+     * @public exported from `@promptbook/core`
+     */
+    function getCommitmentDefinition(type) {
+        return COMMITMENT_REGISTRY.find((commitmentDefinition) => commitmentDefinition.type === type) || null;
+    }
+    /**
+     * TODO: [🧠] Maybe create through standardized $register
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * Parses agent source using the new commitment system with multiline support
+     * This function replaces the hardcoded commitment parsing in the original parseAgentSource
+     *
+     * @private internal utility of `parseAgentSource`
+     */
+    function parseAgentSourceWithCommitments(agentSource) {
+        var _a, _b, _c;
+        if (!agentSource || !agentSource.trim()) {
+            return {
+                agentName: null,
+                commitments: [],
+                nonCommitmentLines: [],
+            };
+        }
+        const lines = agentSource.split('\n');
+        const agentName = (((_a = lines[0]) === null || _a === void 0 ? void 0 : _a.trim()) || null);
+        const commitments = [];
+        const nonCommitmentLines = [];
+        // Always add the first line (agent name) to non-commitment lines
+        if (lines[0] !== undefined) {
+            nonCommitmentLines.push(lines[0]);
+        }
+        // Parse commitments with multiline support
+        let currentCommitment = null;
+        // Process lines starting from the second line (skip agent name)
+        for (let i = 1; i < lines.length; i++) {
+            const line = lines[i];
+            if (line === undefined) {
+                continue;
+            }
+            // Check if this line starts a new commitment
+            let foundNewCommitment = false;
+            for (const definition of COMMITMENT_REGISTRY) {
+                const typeRegex = definition.createTypeRegex();
+                const match = typeRegex.exec(line.trim());
+                if (match && ((_b = match.groups) === null || _b === void 0 ? void 0 : _b.type)) {
+                    // Save the previous commitment if it exists
+                    if (currentCommitment) {
+                        const fullContent = currentCommitment.contentLines.join('\n');
+                        commitments.push({
+                            type: currentCommitment.type,
+                            content: spaceTrim.spaceTrim(fullContent),
+                            originalLine: currentCommitment.originalStartLine,
+                            lineNumber: currentCommitment.startLineNumber,
+                        });
+                    }
+                    // Extract the initial content from the commitment line
+                    const fullRegex = definition.createRegex();
+                    const fullMatch = fullRegex.exec(line.trim());
+                    const initialContent = ((_c = fullMatch === null || fullMatch === void 0 ? void 0 : fullMatch.groups) === null || _c === void 0 ? void 0 : _c.contents) || '';
+                    // Start a new commitment
+                    currentCommitment = {
+                        type: definition.type,
+                        startLineNumber: i + 1,
+                        originalStartLine: line,
+                        contentLines: initialContent ? [initialContent] : [],
+                    };
+                    foundNewCommitment = true;
+                    break;
+                }
+            }
+            if (!foundNewCommitment) {
+                if (currentCommitment) {
+                    // This line belongs to the current commitment
+                    currentCommitment.contentLines.push(line);
+                }
+                else {
+                    // This line is not part of any commitment
+                    nonCommitmentLines.push(line);
+                }
+            }
+        }
+        // Don't forget to save the last commitment if it exists
+        if (currentCommitment) {
+            const fullContent = currentCommitment.contentLines.join('\n');
+            commitments.push({
+                type: currentCommitment.type,
+                content: spaceTrim.spaceTrim(fullContent),
+                originalLine: currentCommitment.originalStartLine,
+                lineNumber: currentCommitment.startLineNumber,
+            });
+        }
+        return {
+            agentName,
+            commitments,
+            nonCommitmentLines,
+        };
+    }
+
+    /**
+     * Removes comment lines (lines starting with #) from a system message
+     * This is used to clean up the final system message before sending it to the AI model
+     * while preserving the original content with comments in metadata
+     *
+     * @param systemMessage The system message that may contain comment lines
+     * @returns The system message with comment lines removed
+     *
+     * @private - TODO: [🧠] Maybe should be public?
+     */
+    function removeCommentsFromSystemMessage(systemMessage) {
+        if (!systemMessage) {
+            return systemMessage;
+        }
+        const lines = systemMessage.split('\n');
+        const filteredLines = lines.filter((line) => {
+            const trimmedLine = line.trim();
+            // Remove lines that start with # (comments)
+            return !trimmedLine.startsWith('#');
+        });
+        return filteredLines.join('\n').trim();
+    }
+
+    /**
+     * Parses parameters from text using both supported notations:
+     * 1. @Parameter - single word parameter starting with @
+     * 2. {parameterName} or {parameter with multiple words} or {parameterName: description text}
+     *
+     * Both notations represent the same syntax feature - parameters
+     *
+     * @param text - Text to extract parameters from
+     * @returns Array of parsed parameters with unified representation
+     * @public exported from `@promptbook/core`
+     */
+    function parseParameters(text) {
+        const parameters = [];
+        // [🧠] Parameter syntax parsing - unified approach for two different notations of the same syntax feature
+        // The Book language supports parameters in two different notations but they represent the same concept
+        // Extract @Parameter notation (single word parameters starting with @)
+        const atParameterRegex = /@[\w\u00C0-\u017F\u0100-\u024F\u1E00-\u1EFF]+/gim;
+        text.replace(atParameterRegex, (match) => {
+            const parameterName = match.slice(1); // Remove the @ symbol
+            parameters.push({
+                text: match,
+                notation: 'at',
+                name: parameterName,
+            });
+            return match;
+        });
+        // Extract {parameter} notation (parameters in braces)
+        const braceParameterRegex = /\{([^}]+)\}/gim;
+        text.replace(braceParameterRegex, (match, content) => {
+            // Check if the parameter has a description (parameterName: description)
+            const colonIndex = content.indexOf(':');
+            if (colonIndex !== -1) {
+                const name = content.substring(0, colonIndex).trim();
+                const description = content.substring(colonIndex + 1).trim();
+                parameters.push({
+                    text: match,
+                    notation: 'brace',
+                    name,
+                    description,
+                });
+            }
+            else {
+                // Simple parameter without description
+                parameters.push({
+                    text: match,
+                    notation: 'brace',
+                    name: content.trim(),
+                });
+            }
+            return match;
+        });
+        // Remove duplicates based on name (keep the first occurrence)
+        const uniqueParameters = parameters.filter((param, index, array) => {
+            return array.findIndex((p) => p.name === param.name) === index;
+        });
+        return uniqueParameters;
+    }
+
+    /**
+     * Creates agent model requirements using the new commitment system
+     * This function uses a reduce-like pattern where each commitment applies its changes
+     * to build the final requirements starting from a basic empty model
+     *
+     * @public exported from `@promptbook/core`
+     */
+    async function createAgentModelRequirementsWithCommitments(agentSource, modelName) {
+        // Parse the agent source to extract commitments
+        const parseResult = parseAgentSourceWithCommitments(agentSource);
+        // Apply DELETE filtering: remove prior commitments tagged by parameters targeted by DELETE/CANCEL/DISCARD/REMOVE
+        const filteredCommitments = [];
+        for (const commitment of parseResult.commitments) {
+            // Handle DELETE-like commitments by invalidating prior tagged commitments
+            if (commitment.type === 'DELETE' ||
+                commitment.type === 'CANCEL' ||
+                commitment.type === 'DISCARD' ||
+                commitment.type === 'REMOVE') {
+                const targets = parseParameters(commitment.content)
+                    .map((p) => p.name.trim().toLowerCase())
+                    .filter(Boolean);
+                if (targets.length === 0) {
+                    // Ignore DELETE with no targets; also don't pass the DELETE further
+                    continue;
+                }
+                // Drop prior kept commitments that contain any of the targeted tags
+                for (let i = filteredCommitments.length - 1; i >= 0; i--) {
+                    const prev = filteredCommitments[i];
+                    const prevParams = parseParameters(prev.content).map((p) => p.name.trim().toLowerCase());
+                    const hasIntersection = prevParams.some((n) => targets.includes(n));
+                    if (hasIntersection) {
+                        filteredCommitments.splice(i, 1);
+                    }
+                }
+                // Do not keep the DELETE commitment itself
+                continue;
+            }
+            filteredCommitments.push(commitment);
+        }
+        // Start with basic agent model requirements
+        let requirements = createBasicAgentModelRequirements(parseResult.agentName);
+        // Store the agent name in metadata so commitments can access it
+        requirements = {
+            ...requirements,
+            metadata: {
+                ...requirements.metadata,
+                agentName: parseResult.agentName,
+            },
+        };
+        // Override model name if provided
+        if (modelName) {
+            requirements = {
+                ...requirements,
+                modelName,
+            };
+        }
+        // Apply each commitment in order using reduce-like pattern
+        for (const commitment of filteredCommitments) {
+            const definition = getCommitmentDefinition(commitment.type);
+            if (definition) {
+                try {
+                    requirements = definition.applyToAgentModelRequirements(requirements, commitment.content);
+                }
+                catch (error) {
+                    console.warn(`Failed to apply commitment ${commitment.type}:`, error);
+                    // Continue with other commitments even if one fails
+                }
+            }
+        }
+        // Handle MCP servers (extract from original agent source)
+        const mcpServers = extractMcpServers(agentSource);
+        if (mcpServers.length > 0) {
+            requirements = {
+                ...requirements,
+                mcpServers,
+            };
+        }
+        // Add non-commitment lines to system message if they exist
+        const nonCommitmentContent = parseResult.nonCommitmentLines
+            .filter((line, index) => index > 0 || !parseResult.agentName) // Skip first line if it's the agent name
+            .filter((line) => line.trim()) // Remove empty lines
+            .join('\n')
+            .trim();
+        if (nonCommitmentContent) {
+            requirements = {
+                ...requirements,
+                systemMessage: requirements.systemMessage + '\n\n' + nonCommitmentContent,
+            };
+        }
+        // Remove comment lines (lines starting with #) from the final system message
+        // while preserving the original content with comments in metadata
+        const cleanedSystemMessage = removeCommentsFromSystemMessage(requirements.systemMessage);
+        return {
+            ...requirements,
+            systemMessage: cleanedSystemMessage,
+        };
+    }
+
+    /**
+     * Generates a gravatar URL based on agent name for fallback avatar
+     *
+     * @param agentName The agent name to generate avatar for
+     * @returns Gravatar URL
+     *
+     * @private - [🤹] The fact that profile image is Gravatar is just implementation detail which should be hidden for consumer
+     */
+    function generateGravatarUrl(agentName) {
+        // Use a default name if none provided
+        const safeName = agentName || 'Anonymous Agent';
+        // Create a simple hash from the name for consistent avatar
+        let hash = 0;
+        for (let i = 0; i < safeName.length; i++) {
+            const char = safeName.charCodeAt(i);
+            hash = (hash << 5) - hash + char;
+            hash = hash & hash; // Convert to 32bit integer
+        }
+        const avatarId = Math.abs(hash).toString();
+        return `https://www.gravatar.com/avatar/${avatarId}?default=robohash&size=200&rating=x`;
+    }
+
+    /**
+     * Generates an image for the agent to use as profile image
+     *
+     * @param agentName The agent name to generate avatar for
+     * @returns The placeholder profile image URL for the agent
+     *
+     * @public exported from `@promptbook/core`
+     */
+    function generatePlaceholderAgentProfileImageUrl(agentName) {
+        // Note: [🤹] The fact that profile image is Gravatar is just implementation detail which should be hidden for consumer
+        return generateGravatarUrl(agentName);
+    }
+    /**
+     * TODO: [🤹] Figure out best placeholder image generator https://i.pravatar.cc/1000?u=568
+     */
+
+    /**
+     * Parses basic information from agent source
+     *
+     * There are 2 similar functions:
+     * - `parseAgentSource` which is a lightweight parser for agent source, it parses basic information and its purpose is to be quick and synchronous. The commitments there are hardcoded.
+     * - `createAgentModelRequirements` which is an asynchronous function that creates model requirements it applies each commitment one by one and works asynchronously.
+     *
+     * @public exported from `@promptbook/core`
+     */
+    function parseAgentSource(agentSource) {
+        const parseResult = parseAgentSourceWithCommitments(agentSource);
+        // Find PERSONA and META commitments
+        let personaDescription = null;
+        for (const commitment of parseResult.commitments) {
+            if (commitment.type !== 'PERSONA') {
+                continue;
+            }
+            if (personaDescription === null) {
+                personaDescription = '';
+            }
+            else {
+                personaDescription += `\n\n${personaDescription}`;
+            }
+            personaDescription += commitment.content;
+        }
+        const meta = {};
+        for (const commitment of parseResult.commitments) {
+            if (commitment.type !== 'META') {
+                continue;
+            }
+            // Parse META commitments - format is "META TYPE content"
+            const metaTypeRaw = commitment.content.split(' ')[0] || 'NONE';
+            const metaType = normalizeTo_camelCase(metaTypeRaw);
+            meta[metaType] = spaceTrim__default["default"](commitment.content.substring(metaTypeRaw.length));
+        }
+        // Generate gravatar fallback if no meta image specified
+        if (!meta.image) {
+            meta.image = generatePlaceholderAgentProfileImageUrl(parseResult.agentName || '!!');
+        }
+        // Parse parameters using unified approach - both @Parameter and {parameter} notations
+        // are treated as the same syntax feature with unified representation
+        const parameters = parseParameters(agentSource);
+        return {
+            agentName: parseResult.agentName,
+            personaDescription,
+            meta,
+            parameters,
+        };
+    }
+    /**
+     * TODO: [🕛] Unite `AgentBasicInformation`, `ChatParticipant`, `LlmExecutionTools` +  `LlmToolsMetadata`
+     */
+
+    /**
+     * Creates model requirements for an agent based on its source
+     *
+     * There are 2 similar functions:
+     * - `parseAgentSource` which is a lightweight parser for agent source, it parses basic information and its purpose is to be quick and synchronous. The commitments there are hardcoded.
+     * - `createAgentModelRequirements` which is an asynchronous function that creates model requirements it applies each commitment one by one and works asynchronous.
+     *
+     * @public exported from `@promptbook/core`
+     */
+    async function createAgentModelRequirements(agentSource, modelName, availableModels, llmTools) {
+        // If availableModels are provided and no specific modelName is given,
+        // use preparePersona to select the best model
+        if (availableModels && !modelName && llmTools) {
+            const selectedModelName = await selectBestModelUsingPersona(agentSource, llmTools);
+            return createAgentModelRequirementsWithCommitments(agentSource, selectedModelName);
+        }
+        // Use the new commitment-based system with provided or default model
+        return createAgentModelRequirementsWithCommitments(agentSource, modelName);
+    }
+    /**
+     * Selects the best model using the preparePersona function
+     * This directly uses preparePersona to ensure DRY principle
+     *
+     * @param agentSource The agent source to derive persona description from
+     * @param llmTools LLM tools for preparing persona
+     * @returns The name of the best selected model
+     * @private function of `createAgentModelRequirements`
+     */
+    async function selectBestModelUsingPersona(agentSource, llmTools) {
+        var _a;
+        // Parse agent source to get persona description
+        const { agentName, personaDescription } = parseAgentSource(agentSource);
+        // Use agent name as fallback if no persona description is available
+        const description = personaDescription || agentName || 'AI Agent';
+        try {
+            // Use preparePersona directly
+            const { modelsRequirements } = await preparePersona(description, { llm: llmTools }, { isVerbose: false });
+            // Extract the first model name from the requirements
+            if (modelsRequirements.length > 0 && ((_a = modelsRequirements[0]) === null || _a === void 0 ? void 0 : _a.modelName)) {
+                return modelsRequirements[0].modelName;
+            }
+            // Fallback: get available models and return the first CHAT model
+            const availableModels = await llmTools.listModels();
+            const chatModels = availableModels.filter(({ modelVariant }) => modelVariant === 'CHAT');
+            if (chatModels.length === 0) {
+                throw new Error('No CHAT models available for agent model selection');
+            }
+            return chatModels[0].modelName;
+        }
+        catch (error) {
+            console.warn('Failed to use preparePersona for model selection, falling back to first available model:', error);
+            // Fallback: get available models and return the first CHAT model
+            const availableModels = await llmTools.listModels();
+            const chatModels = availableModels.filter(({ modelVariant }) => modelVariant === 'CHAT');
+            if (chatModels.length === 0) {
+                throw new Error('No CHAT models available for agent model selection');
+            }
+            return chatModels[0].modelName;
+        }
+    }
+    /**
+     * Extracts MCP servers from agent source
+     *
+     * @param agentSource The agent source string that may contain MCP lines
+     * @returns Array of MCP server identifiers
+     *
+     * @private TODO: [🧠] Maybe should be public
+     */
+    function extractMcpServers(agentSource) {
+        if (!agentSource) {
+            return [];
+        }
+        const lines = agentSource.split('\n');
+        const mcpRegex = /^\s*MCP\s+(.+)$/i;
+        const mcpServers = [];
+        // Look for MCP lines
+        for (const line of lines) {
+            const match = line.match(mcpRegex);
+            if (match && match[1]) {
+                mcpServers.push(match[1].trim());
+            }
+        }
+        return mcpServers;
+    }
+
+    /**
+     * Type guard to check if a string is a valid agent source
+     *
+     * @public exported from `@promptbook/core`
+     */
+    function isValidBook(value) {
+        // Basic validation - agent source should have at least a name (first line)
+        return typeof value === 'string' /* && value.trim().length > 0 */;
+    }
+    /**
+     * Validates and converts a string to agent source branded type
+     * This function should be used when you have a string that you know represents agent source
+     * but need to convert it to the branded type for type safety
+     *
+     * @public exported from `@promptbook/core`
+     */
+    function validateBook(source) {
+        if (!isValidBook(source)) {
+            throw new Error('Invalid agent source: must be a string');
+        }
+        return source;
+    }
+    /**
+     * Default book
+     *
+     * @public exported from `@promptbook/core`
+     */
+    padBook(validateBook(spaceTrim__default["default"](`
+            AI Avatar
+
+            PERSONA A friendly AI assistant that helps you with your tasks
+        `)));
+    // <- Note: Not using book`...` notation to avoid strange error in jest unit tests `TypeError: (0 , book_notation_1.book) is not a function`
+
+    /**
+     * Change ellipsis character to three dots `…` -> `...`
+     *
+     * Note: [🔂] This function is idempotent.
+     * Tip: If you want to do the full cleanup, look for `humanizeAiText` exported `@promptbook/markdown-utils`
+     *
+     * @public exported from `@promptbook/markdown-utils`
+     */
+    function humanizeAiTextEllipsis(aiText) {
+        return aiText.replace(/…/g, '...');
+    }
+    /**
+     * Note: [🏂] This function is not tested by itself but together with other cleanup functions with `humanizeAiText`
+     */
+
+    /**
+     * Change em-dashes to regular dashes `—` -> `-`
+     *
+     * Note: [🔂] This function is idempotent.
+     * Tip: If you want to do the full cleanup, look for `humanizeAiText` exported `@promptbook/markdown-utils`
+     *
+     * @public exported from `@promptbook/markdown-utils`
+     */
+    function humanizeAiTextEmdashed(aiText) {
+        return aiText.replace(/—/g, '-');
+    }
+    /**
+     * Note: [🏂] This function is not tested by itself but together with other cleanup functions with `humanizeAiText`
+     */
+
+    /**
+     * Change smart quotes to regular quotes
+     *
+     * Note: [🔂] This function is idempotent.
+     * Tip: If you want to do the full cleanup, look for `humanizeAiText` exported `@promptbook/markdown-utils`
+     *
+     * @public exported from `@promptbook/markdown-utils`
+     */
+    function humanizeAiTextQuotes(aiText) {
+        return aiText
+            .replace(/[“”]/g, '"')
+            .replace(/[‚‘’]/g, "'")
+            .replace(/«/g, '"')
+            .replace(/»/g, '"')
+            .replace(/„/g, '"')
+            .replace(/‹/g, "'")
+            .replace(/›/g, "'");
+    }
+    /**
+     * Note: [🏂] This function is not tested by itself but together with other cleanup functions with `humanizeAiText`
+     */
+
+    /**
+     * Change unprintable hard spaces to regular spaces
+     *
+     * Note: [🔂] This function is idempotent.
+     * Tip: If you want to do the full cleanup, look for `humanizeAiText` exported `@promptbook/markdown-utils`
+     *
+     * @public exported from `@promptbook/markdown-utils`
+     */
+    function humanizeAiTextWhitespace(aiText) {
+        return aiText.replace(/\u00A0/g, ' ');
+    }
+    /**
+     * Note: [🏂] This function is not tested by itself but together with other cleanup functions with `humanizeAiText`
+     */
+
+    /**
+     * Function `humanizeAiText` will remove traces of AI text generation artifacts
+     *
+     * Note: [🔂] This function is idempotent.
+     * Tip: If you want more control, look for other functions for example `humanizeAiTextEmdashed` exported `@promptbook/markdown-utils`
+     *
+     * @public exported from `@promptbook/markdown-utils`
+     */
+    function humanizeAiText(aiText) {
+        let cleanedText = aiText;
+        cleanedText = humanizeAiTextEllipsis(cleanedText);
+        cleanedText = humanizeAiTextEmdashed(cleanedText);
+        cleanedText = humanizeAiTextQuotes(cleanedText);
+        cleanedText = humanizeAiTextWhitespace(cleanedText);
+        return cleanedText;
+    }
+    /**
+     * TODO: [🧠] Maybe this should be exported from `@promptbook/utils` not `@promptbook/markdown-utils`
+     */
+
+    /**
+     * @private
+     */
+    const PROMPTBOOK_PSEUDOTOKEN_SUBSTITUTION = {
+        'a ': 'a  ',
+        'the ': 'the  ',
+        'is ': 'is  ',
+        'or ': 'or  ',
+        'be ': 'be   ',
+    };
+    /**
+     * Function `promptbookifyAiText` will slightly modify the text so we know it was processed by Promptbook
+     *
+     * Note: [🔂] This function is idempotent.
+     *
+     * @public exported from `@promptbook/markdown-utils`
+     */
+    function promptbookifyAiText(text) {
+        const textLength = text.length;
+        let currentToken = '';
+        const textTokens = [
+        /* <- TODO: [✌️] Create `splitToPromptbookTokens` */
+        ];
+        for (let textPosition = 0; textPosition < textLength; textPosition++) {
+            const currentCharacter = text[textPosition];
+            if (currentToken.endsWith(' ') && currentCharacter !== ' ') {
+                textTokens.push(currentToken);
+                currentToken = '';
+            }
+            currentToken += currentCharacter;
+        }
+        if (currentToken.length > 0) {
+            textTokens.push(currentToken);
+        }
+        // [✌️] <- End of `splitToPromptbookTokens`
+        const promptbookifiedTextTokens = [];
+        for (let i = 0; i < textTokens.length; i++) {
+            const token = textTokens[i];
+            const tokenSubstitute = PROMPTBOOK_PSEUDOTOKEN_SUBSTITUTION[token];
+            if (tokenSubstitute !== undefined) {
+                promptbookifiedTextTokens.push(tokenSubstitute);
+            }
+            else {
+                promptbookifiedTextTokens.push(token);
+            }
+        }
+        return promptbookifiedTextTokens.join('');
+    }
+    /**
+     * TODO: [🧠][✌️] Make some Promptbook-native token system
+     */
+
+    /**
+     * Execution Tools for calling LLM models with a predefined agent "soul"
+     * This wraps underlying LLM execution tools and applies agent-specific system prompts and requirements
+     *
+     * @public exported from `@promptbook/core`
+     */
+    class AgentLlmExecutionTools {
+        /**
+         * Creates new AgentLlmExecutionTools
+         *
+         * @param llmTools The underlying LLM execution tools to wrap
+         * @param agentSource The agent source string that defines the agent's behavior
+         */
+        constructor(llmTools, agentSource) {
+            this.llmTools = llmTools;
+            this.agentSource = agentSource;
+            /**
+             * Cached model requirements to avoid re-parsing the agent source
+             */
+            this._cachedModelRequirements = null;
+            /**
+             * Cached parsed agent information
+             */
+            this._cachedAgentInfo = null;
+        }
+        /**
+         * Get cached or parse agent information
+         */
+        getAgentInfo() {
+            if (this._cachedAgentInfo === null) {
+                this._cachedAgentInfo = parseAgentSource(this.agentSource);
+            }
+            return this._cachedAgentInfo;
+        }
+        /**
+         * Get cached or create agent model requirements
+         */
+        async getAgentModelRequirements() {
+            if (this._cachedModelRequirements === null) {
+                // Get available models from underlying LLM tools for best model selection
+                const availableModels = await this.llmTools.listModels();
+                this._cachedModelRequirements = await createAgentModelRequirements(this.agentSource, undefined, // Let the function pick the best model
+                availableModels);
+            }
+            return this._cachedModelRequirements;
+        }
+        get title() {
+            const agentInfo = this.getAgentInfo();
+            return (agentInfo.agentName || 'Agent');
+        }
+        get description() {
+            const agentInfo = this.getAgentInfo();
+            return agentInfo.personaDescription || 'AI Agent with predefined personality and behavior';
+        }
+        get profile() {
+            const agentInfo = this.getAgentInfo();
+            if (!agentInfo.agentName) {
+                return undefined;
+            }
+            return {
+                name: agentInfo.agentName.toUpperCase().replace(/\s+/g, '_'),
+                fullname: agentInfo.agentName,
+                color: agentInfo.meta.color || '#6366f1',
+                avatarSrc: agentInfo.meta.image,
+            };
+        }
+        checkConfiguration() {
+            // Check underlying tools configuration
+            return this.llmTools.checkConfiguration();
+        }
+        /**
+         * Returns a virtual model name representing the agent behavior
+         */
+        get modelName() {
+            const hash = cryptoJs.SHA256(hexEncoder__default["default"].parse(this.agentSource))
+                //    <- TODO: [🥬] Encapsulate sha256 to some private utility function
+                .toString( /* hex */);
+            //    <- TODO: [🥬] Make some system for hashes and ids of promptbook
+            const agentId = hash.substring(0, 10);
+            //                    <- TODO: [🥬] Make some system for hashes and ids of promptbook
+            return (normalizeToKebabCase(this.title) + '-' + agentId);
+        }
+        listModels() {
+            return [
+                {
+                    modelName: this.modelName,
+                    modelVariant: 'CHAT',
+                    modelTitle: `${this.title} (Agent Chat Default)`,
+                    modelDescription: `Chat model with agent behavior: ${this.description}`,
+                },
+                // <- Note: We only list a single "virtual" agent model here as this wrapper only supports chat prompts
+            ];
+        }
+        /**
+         * Calls the chat model with agent-specific system prompt and requirements
+         */
+        async callChatModel(prompt) {
+            if (!this.llmTools.callChatModel) {
+                throw new Error('Underlying LLM execution tools do not support chat model calls');
+            }
+            // Ensure we're working with a chat prompt
+            if (prompt.modelRequirements.modelVariant !== 'CHAT') {
+                throw new Error('AgentLlmExecutionTools only supports chat prompts');
+            }
+            const chatPrompt = prompt;
+            // Get agent model requirements (cached with best model selection)
+            const modelRequirements = await this.getAgentModelRequirements();
+            // Create modified chat prompt with agent system message
+            const modifiedChatPrompt = {
+                ...chatPrompt,
+                modelRequirements: {
+                    ...chatPrompt.modelRequirements,
+                    ...modelRequirements,
+                    // Prepend agent system message to existing system message
+                    systemMessage: modelRequirements.systemMessage +
+                        (chatPrompt.modelRequirements.systemMessage
+                            ? `\n\n${chatPrompt.modelRequirements.systemMessage}`
+                            : ''),
+                },
+            };
+            const underlyingLlmResult = await this.llmTools.callChatModel(modifiedChatPrompt);
+            let content = underlyingLlmResult.content;
+            // Note: Cleanup the AI artifacts from the content
+            content = humanizeAiText(content);
+            // Note: Make sure the content is Promptbook-like
+            content = promptbookifyAiText(content);
+            const agentResult = {
+                ...underlyingLlmResult,
+                content,
+                modelName: this.modelName,
+            };
+            return agentResult;
+        }
+    }
+    /**
+     * TODO: [🍚] Implement Destroyable pattern to free resources
+     * TODO: [🧠] Adding parameter substitution support (here or should be responsibility of the underlying LLM Tools)
+     */
+
+    /**
+     * Creates new AgentLlmExecutionTools that wrap underlying LLM tools with agent-specific behavior
+     *
+     * @public exported from `@promptbook/core`
+     */
+    const createAgentLlmExecutionTools = Object.assign((options) => {
+        return new AgentLlmExecutionTools(options.llmTools, options.agentSource);
+    }, {
+        packageName: '@promptbook/core',
+        className: 'AgentLlmExecutionTools',
+    });
+    /**
+     * TODO: [🧠] Consider adding validation for agent source format
+     * TODO: [🧠] Consider adding options for caching behavior
+     */
+
+    /**
+     * Metadata for Agent LLM execution tools
+     *
+     * @public exported from `@promptbook/core`
+     */
+    $llmToolsMetadataRegister.register({
+        packageName: '@promptbook/core',
+        className: 'AgentLlmExecutionTools',
+        title: 'Agent',
+        trustLevel: 'UNTRUSTED',
+        order: MODEL_ORDERS.LOW_TIER,
+        envVariables: null,
+        getBoilerplateConfiguration() {
+            return {
+                packageName: '@promptbook/core',
+                className: 'AgentLlmExecutionTools',
+                title: 'Agent',
+                options: {
+                // Note: Agent tools require runtime configuration with underlying tools and agent source
+                // This cannot be provided as a static configuration
+                },
+            };
+        },
+        createConfigurationFromEnv() {
+            // Agent tools cannot be configured from environment variables alone
+            // They require underlying LLM tools and agent source to be provided programmatically
+            return null;
+        },
+    });
+    /**
+     * TODO: [🧠] Consider adding a special trust level for AgentLlmExecutionTools
+     * TODO: [🎶] Naming "constructor" vs "creator" vs "factory"
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * Registration of Agent LLM provider
+     *
+     * Warning: This is not useful for the end user, it is just a side effect of the mechanism that handles all available LLM tools
+     *
+     * @public exported from `@promptbook/core`
+     */
+    $llmToolsRegister.register(createAgentLlmExecutionTools);
+    /**
+     * TODO: [🎶] Naming "constructor" vs "creator" vs "factory"
+     * Note: [💞] Ignore a discrepancy between file name and entity name
+     */
+
+    /**
+     * Transpiler to Javascript code using OpenAI SDK.
+     *
+     * @public exported from `@promptbook/core`
+     */
+    const OpenAiSdkTranspiler = {
+        name: 'openai-sdk',
+        title: 'OpenAI SDK',
+        packageName: '@promptbook/core',
+        className: 'OpenAiSdkTranspiler',
+        async transpileBook(book, tools, options) {
+            const { agentName, personaDescription } = await parseAgentSource(book);
+            const modelRequirements = await createAgentModelRequirements(book);
+            const source = spaceTrim__default["default"]((block) => `
+
+                #!/usr/bin/env node
+
+                import * as dotenv from 'dotenv';
+
+                dotenv.config({ path: '.env' });
+
+                import { spaceTrim } from '@promptbook/utils';
+                import OpenAI from 'openai';
+                import readline from 'readline';
+
+                // ---- CONFIG ----
+                const client = new OpenAI({
+                    apiKey: process.env.OPENAI_API_KEY,
+                });
+
+                // ---- CLI SETUP ----
+                const rl = readline.createInterface({
+                    input: process.stdin,
+                    output: process.stdout,
+                });
+
+                const chatHistory = [
+                    {
+                        role: 'system',
+                        content: spaceTrim(\`
+                            ${block(modelRequirements.systemMessage)}
+                        \`),
+                    },
+                ];
+
+                async function ask(question) {
+                    chatHistory.push({ role: 'user', content: question });
+
+                    const response = await client.chat.completions.create({
+                        model: 'gpt-4o',
+                        messages: chatHistory,
+                        temperature: ${modelRequirements.temperature},
+                    });
+
+                    const answer = response.choices[0].message.content;
+                    console.log('\\n🧠 ${agentName}:', answer, '\\n');
+
+                    chatHistory.push({ role: 'assistant', content: answer });
+                    promptUser();
+                }
+
+                function promptUser() {
+                    rl.question('💬 You: ', (input) => {
+                        if (input.trim().toLowerCase() === 'exit') {
+                            console.log('👋 Bye!');
+                            rl.close();
+                            return;
+                        }
+                        ask(input);
+                    });
+                }
+
+                console.log("🤖 Chat with ${agentName} (type 'exit' to quit)\\n");
+                promptUser();
+
+            `);
+            return source;
+        },
+    };
 
     /**
      * Registration of LLM provider
@@ -22107,7 +24773,6 @@
     exports._DocumentScraperRegistration = _DocumentScraperRegistration;
     exports._GoogleMetadataRegistration = _GoogleMetadataRegistration;
     exports._GoogleRegistration = _GoogleRegistration;
-    exports._LangchainTranspilerRegistration = _LangchainTranspilerRegistration;
     exports._LegacyDocumentScraperMetadataRegistration = _LegacyDocumentScraperMetadataRegistration;
     exports._LegacyDocumentScraperRegistration = _LegacyDocumentScraperRegistration;
     exports._MarkdownScraperMetadataRegistration = _MarkdownScraperMetadataRegistration;