项目二：多 Agent 研究助手
难度：⭐⭐⭐ 中级
预计时间：3-4 周
前置知识：Python 基础，了解 Agent 概念
项目介绍
构建一个由多个 Agent 协作的研究助手，能够自动完成：搜索、阅读、分析、总结。这是学习多 Agent 协作机制的核心项目。
学习目标
通过完成本项目，你将学会：
- [ ] 理解多 Agent 协作机制
- [ ] 掌握 Agent 编排方法
- [ ] 学会设计 Agent 工作流
- [ ] 深入理解 LangChain/LangGraph
项目大纲
- 需求调研 - 研究现有产品，确定功能范围
- 架构设计 - 设计 Agent 交互流程
- 单 Agent 开发 - 逐个实现各 Agent
- Agent 编排 - 实现协调器
- 前端界面 - 构建监控和展示界面
- 集成测试 - 端到端测试
- 部署监控 - 部署并添加监控
Agent 架构
本项目包含 5 个 Agent 和 1 个协调器：
1. 搜索 Agent（Search Agent）
- 职责：负责搜索相关信息
- 工具：Tavily API、Google Search
- 输出：相关文章和资源列表
2. 阅读 Agent（Reader Agent）
- 职责：负责阅读网页内容，提取关键信息
- 工具：Web 浏览器、RAG
- 输出：结构化的信息摘要
3. 分析 Agent（Analyst Agent）
- 职责：负责分析信息，识别趋势和模式
- 工具：数据分析、统计工具
- 输出：分析报告
4. 总结 Agent（Summarizer Agent）
- 职责：负责整合信息，生成结构化报告
- 工具：LLM
- 输出：最终研究报告
5. 协调器（Orchestrator）
- 职责：负责任务分配，协调各 Agent
- 工具：LangGraph
- 输出：整体流程控制
AI 在各环节的作用
| 环节 | AI 作用 | 参与度 |
|---|---|---|
| 需求调研 | AI 完成市场研究和竞品分析 | 70% |
| 架构设计 | AI 提供架构建议和方案对比 | 50% |
| 代码生成 | AI 生成核心代码逻辑 | 70% |
| Agent 设计 | AI 帮助定义 Agent 行和能力 | 60% |
| 测试 | AI 生成测试用例和测试数据 | 50% |
| 部署 | AI 解决部署问题和配置 | 40% |
涉及技术
- 语言：Python
- Agent 框架：LangChain / LangGraph
- 搜索 API：Tavily / Serper
- 大模型：OpenAI GPT-4 / Claude 3.5
验收标准
- [ ] 能自动完成完整的研究流程
- [ ] 各 Agent 协作顺畅
- [ ] 生成的研究报告质量高
- [ ] 用户界面友好，可查看进度
- [ ] 处理时间合理（< 5 分钟）
- [ ] 已部署并可访问
- [ ] 能详细说明 Agent 协作机制
扩展功能
- 支持文件上传分析
- 添加数据可视化
- 支持多种研究类型（市场、学术、技术）
- 添加研究历史记录
- 支持导出（PDF、Markdown）