需求调研

研究现有产品

在动手开发之前，先看看别人怎么做。

竞品分析

Perplexity AI (perplexity.ai)

核心功能：

• 实时搜索网络信息
• 引用来源
• 多轮对话
• 相关问题推荐

优点：

• 搜索质量高
• 界面简洁
• 来源可信

缺点：

• 需要付费才能解锁全部功能
• 不支持自定义知识库

Consensus (consensus.app)

核心功能：

• 学术搜索
• 基于论文的研究
• 分析多个观点

优点：

• 学术来源权威
• 分析深入

缺点：

• 只限学术领域
• 速度较慢

ChatDOC (chatdoc.com)

核心功能：

• 上传文档分析
• 多文档交叉引用
• 表格数据提取

优点：

• 文档理解深入
• 支持复杂格式

缺点：

• 只处理文档，不搜索网络

确定差异化

我们的多 Agent 研究助手要做的：

1. 多 Agent 协作：不只是搜索，而是分工合作
2. 深度分析：不只是收集信息，而是分析总结
3. 可定制：用户可以选择研究类型和深度
4. 透明化：每个 Agent 的工作过程可见

功能范围

MVP 功能（第一版必须做）

1. 搜索 Agent：搜索相关信息
2. 阅读 Agent：提取网页关键内容
3. 总结 Agent：整合生成报告
4. 基础界面：输入研究主题，查看进度和结果

v2 功能（后续迭代）

1. 分析 Agent：数据分析和可视化
2. 多研究类型：市场研究、学术研究、技术研究
3. 保存历史：查看之前的研究
4. 导出功能：PDF、Markdown

用户场景

场景 1：市场调研

用户：产品经理

需求：了解某个市场的竞争情况

工作流：

1. 输入："AI 编程工具市场研究"
2. 搜索 Agent：搜索主要产品
3. 阅读 Agent：阅读每个产品的官网和评测
4. 分析 Agent：对比功能和定价
5. 总结 Agent：生成竞争分析报告

场景 2：学术调研

用户：研究生

需求：了解某个研究方向的最新进展

工作流：

1. 输入："多模态大模型最新进展"
2. 搜索 Agent：搜索论文和博客
3. 阅读 Agent：提取关键观点和公式
4. 总结 Agent：总结技术路线和待解决问题

场景 3：技术选型

用户：技术负责人

需求：选择合适的技术方案

工作流：

1. 输入："向量数据库选型：Pinecone vs Weaviate"
2. 搜索 Agent：搜索对比文章
3. 阅读 Agent：提取优缺点
4. 分析 Agent：制作对比表
5. 总结 Agent：给出推荐

技术选型

Agent 框架对比

框架	优点	缺点	学习曲线	推荐度
LangGraph	可视化、状态管理、强大	文档相对新	中等	⭐⭐⭐⭐⭐
LangChain Agents	成熟、生态好	复杂场景难控制	中等	⭐⭐⭐⭐
AutoGen	多 Agent 对话	微软出品，灵活性一般	中等	⭐⭐⭐
CrewAI	角色定义清晰	较新，社区小	简单	⭐⭐⭐

推荐：用 LangGraph，它是最适合多 Agent 协作的框架。

搜索 API 对比

API	优点	缺点	价格
Tavily	专为 AI 优化、搜索质量高	需要付费	$5/月起
Serper	简单、便宜	功能相对简单	每次 $0.001
SerpApi	功能全面	价格高	$50/月起
DuckDuckGo	免费	搜索质量一般	免费

推荐：

• 学习阶段：DuckDuckGo（免费）
• 生产环境：Tavily（质量高）

Agent 设计

1. 搜索 Agent

职责：根据研究主题进行搜索

输入：研究主题、搜索策略

输出：相关链接列表

工具：

• Tavily Search API
• DuckDuckGo Search

Prompt 示例：

search_agent_prompt = """
你是一个专业的研究助手。你的任务是根据用户的研究主题，
制定搜索策略并执行搜索。

思考过程：
1. 分析研究主题，提取关键词
2. 制定多个搜索查询（3-5 个）
3. 依次搜索并收集结果

输出格式：
- 查询 1：[查询语句]
  结果：[链接列表]
- 查询 2：[查询语句]
  结果：[链接列表]
"""

2. 阅读 Agent

职责：读取网页内容，提取关键信息

输入：URL 列表

输出：结构化信息摘要

工具：

• Web 浏览器（浏览动态页面）
• Readability API（提取正文）

Prompt 示例：

reader_agent_prompt = """
你是一个内容分析师。你的任务是阅读网页并提取关键信息。

对于每个网页：
1. 提取主要观点（3-5 个要点）
2. 提取数据和支持材料
3. 评估信息可信度（高/中/低）
4. 记录来源和作者

输出格式：
URL: [网址]
标题: [标题]
主要观点:
- [要点 1]
- [要点 2]
可信度: [高/中/低]
"""

3. 总结 Agent

职责：整合所有信息，生成报告

输入：阅读 Agent 的输出

输出：结构化研究报告

Prompt 示例：

summarizer_agent_prompt = """
你是一个专业的研究报告撰写者。你的任务是根据收集的信息，
生成一份清晰、全面的研究报告。

报告结构：
1. 执行摘要（200 字）
2. 主要发现（按主题分类）
3. 详细分析（每个发现的深入讨论）
4. 结论和建议

要求：
- 客观中立
- 数据支撑
- 逻辑清晰
- 引用来源
"""

数据流设计

用户输入研究主题
      ↓
[搜索 Agent]
  - 制定搜索策略
  - 执行多个查询
  - 收集链接
      ↓
[阅读 Agent]
  - 遍历链接
  - 提取关键信息
  - 评估可信度
      ↓
[分析 Agent]（可选）
  - 数据分析
  - 趋势识别
  - 对比分析
      ↓
[总结 Agent]
  - 整合信息
  - 生成报告
      ↓
返回给用户

验收标准

完成调研后，你应该有：

• [ ] 3-5 个竞品分析记录
• [ ] 清晰的功能范围定义
• [ ] 至少 2 个详细用户场景
• [ ] Agent 角色和职责文档
• [ ] 初步的技术选型决定
• [ ] 数据流草图

下一步

调研完成，开始设计系统架构。

继续：架构设计 →

---

← 返回项目二