note

• 三个agent各司其职：
  • TODO Planner（研究规划专家）：负责将研究主题分解为子任务
  • Task Summarizer（任务总结专家）：负责总结每个子任务的搜索结果
  • Report Writer（报告撰写专家）：负责整合所有子任务的总结，生成最终报告
• 四个核心服务，连接 Agent 和工具：
  • PlanningService：调用规划 Agent，解析 JSON，验证格式
  • SummarizationService：调用总结 Agent，处理搜索结果，提取来源
  • ReportingService：调用报告 Agent，整合总结，生成报告
  • SearchService：调度搜索引擎，处理结果，错误降级，结果缓存
• 通过 Vue 3 + TypeScript + SSE 的技术栈，我们实现了一个现代化的 Web 应用。前端交互设计：包括全屏模态对话框 UI、实时进度展示和研究结果可视化。

一、实战部分

1、自动化深度研究智能体

让智能体具备三个核心能力：
（1）问题剖析：将用户的开放主题拆解为可检索的查询语句。
（2）多轮信息采集：结合不同搜索 API 持续挖掘资料，并去重整合。
（3）反思与总结：依据阶段结果识别知识空白，决定是否继续检索，并生成结构化总结。

项目文件目录结构：

helloagents-deepresearch/
├── backend/                    # 后端代码
│   ├── src/
│   │   ├── agent.py           # 核心协调器
│   │   ├── main.py            # FastAPI入口
│   │   ├── models.py          # 数据模型
│   │   ├── prompts.py         # Prompt模板
│   │   ├── config.py          # 配置管理
│   │   └── services/          # 服务层
│   │       ├── planner.py     # 规划服务
│   │       ├── summarizer.py  # 总结服务
│   │       ├── reporter.py    # 报告服务
│   │       └── search.py      # 搜索服务
│   ├── .env                   # 环境变量
│   ├── pyproject.toml         # 依赖管理
│   └── workspace/             # 研究笔记
│
└── frontend/                   # 前端代码
    ├── src/
    │   ├── App.vue            # 主组件
    │   ├── components/        # UI组件
    │   │   └── ResearchModal.vue
    │   └── composables/       # 组合式函数
    │       └── useResearch.ts
    ├── package.json           # npm依赖
    └── vite.config.ts         # 构建配置

（1）架构设计

前后端分离：

四层架构设计：
前端层 (Vue3+TypeScript)：全屏模态对话框 UI、Markdown 结果可视化
后端层 (FastAPI)：API 路由（/research/stream）
智能体层 (HelloAgents)：三个专门 Agent（TODO Planner、Task Summarizer、Report Writer）+ 两个核心工具（SearchTool、NoteTool）
外部服务层：搜索引擎+ LLM 提供商

通过四个核心服务（PlanningService、SummarizationService、ReportingService、SearchService），我们构建了一个完整的研究流程。这些服务各司其职，通过清晰的接口协作，实现了从研究主题到最终报告的自动化流程。

（2）一个完整的研究请求是如何在系统中流转

一个完整的研究请求是如何在系统中流转的：
用户输入：用户在前端输入研究主题
前端发送：前端通过 SSE 连接到/research/stream
后端接收：FastAPI 接收请求，创建研究状态
规划阶段：调用研究规划 Agent，分解为 3 个子任务
执行阶段：逐个执行每个子任务

• 使用 SearchTool 搜索
• 调用任务总结 Agent 总结
• 使用 NoteTool 记录结果

报告阶段：调用报告生成 Agent，整合所有总结
流式返回：通过 SSE 推送进度和结果到前端
前端展示：前端实时更新任务状态、进度条、日志、报告

任务总结专家：

task_summarizer_instructions = """
你是一个任务总结专家。你的任务是总结搜索结果，提取关键信息。

任务标题：{task_title}
任务意图：{task_intent}
搜索查询：{task_query}

搜索结果：
{search_results}

请仔细阅读以上搜索结果，提取关键信息，并以Markdown格式返回总结。

总结应该包含：
1. **核心观点**：搜索结果中的核心观点和结论
2. **关键数据**：重要的数字、日期、名称等
3. **来源引用**：为每个观点添加来源引用（使用[1]、[2]等标记）

请确保：
1. 总结简洁明了，避免冗余
2. 保留重要的细节和数据
3. 为每个观点添加来源引用
4. 使用Markdown格式（标题、列表、加粗等）

示例输出：
## 核心观点

多模态模型是一种能够处理多种类型数据的AI模型[1]。与传统的单模态模型不同，多模态模型可以同时理解文本、图像、音频等[2]。

**关键特点：**
- 跨模态理解[1]
- 统一表示[3]
- 端到端训练[2]

## 来源

[1] https://example.com/source1
[2] https://example.com/source2
[3] https://example.com/source3
"""

（3）TODO驱动研究-设计思想

1、todo驱动的研究：将"研究"这个复杂任务转化为"规划→执行→整合"的流程。
举例：

用户输入：Datawhale是一个什么样的组织？

系统规划：
  ├─ TODO 1：Datawhale的基本信息（组织定位）
  ├─ TODO 2：Datawhale的主要项目（核心内容）
  ├─ TODO 3：Datawhale的社区文化（价值观）
  └─ TODO 4：Datawhale的影响力（社会贡献）

系统执行：
  对每个TODO：
    1. 搜索相关资料
    2. 总结关键信息
    3. 记录来源引用

系统整合：
  生成结构化报告：
    ├─ 第一部分：组织定位（来自TODO 1）
    ├─ 第二部分：核心内容（来自TODO 2）
    ├─ 第三部分：价值观（来自TODO 3）
    ├─ 第四部分：社会贡献（来自TODO 4）
    └─ 参考文献：所有来源引用

2、一个完整的 TODO 驱动研究系统包含三个核心要素：

（1）智能规划器（TODO Planner）：负责将研究主题分解为子任务。一个好的规划器需要理解主题的关键方面和研究目标，将主题分解为 3-5 个子任务（太少覆盖不全，太多会冗余），并为每个子任务设计合适的搜索查询。
具体：每个子任务包含三个字段：title（任务标题）、intent（研究意图）和 query（搜索查询）。

（2）任务执行器（Task Executor）：负责执行每个子任务。执行器需要使用搜索引擎获取相关资料，提取关键信息并去除冗余内容，同时保存所有来源引用以方便验证。
具体：系统接收子任务列表和搜索引擎配置作为输入，输出每个子任务的总结（Markdown 格式）和来源引用列表。

• 搜索资料：使用配置的搜索引擎执行搜索
• 获取搜索结果：提取标题、URL、摘要
• 调用总结 Agent：总结搜索结果
• 记录总结和来源：保存到 NoteTool

（3）报告生成器（Report Writer）：负责整合所有子任务的结果。生成器需要按照逻辑顺序组织内容，合并重复的信息，并为每个观点添加来源引用。
具体：报告生成 Agent 会按照子任务的逻辑顺序组织内容，在开头添加简要概述，合并重复的信息，统一 Markdown 格式，并将所有来源引用整理到参考文献部分。

3、多agent协作模式：
（1）SimpleAgent的设计理念是简单直接：每次调用run()方法时，Agent 会分析用户的问题，决定是否需要调用工具，然后返回结果。这种设计在处理简单任务时非常有效，但当面对深度研究这样的复杂任务时，就需要我们继续采用多智能体协作的方案进行。

（2）扩展了 HelloAgents 框架的SimpleAgent，实现了ToolAwareSimpleAgent。这个 Agent 具有工具调用监听能力，可以：
监听工具调用：通过回调函数监听每次工具调用
实时反馈：将工具调用信息实时推送给前端
调试支持：记录所有工具调用，便于调试

使用ToolAwareSimpleAgent来记录所有 Agent 的工具调用。所有 Agent 的工具调用都会被记录，并通过 SSE 推送到前端，实时显示给用户。

（3）Agent 协作模式：

4、四个核心服务，连接 Agent 和工具：
PlanningService：调用规划 Agent，解析 JSON，验证格式
SummarizationService：调用总结 Agent，处理搜索结果，提取来源
ReportingService：调用报告 Agent，整合总结，生成报告
SearchService：调度搜索引擎，处理结果，错误降级，结果缓存

（4）工具系统集成

1、SearchTool 扩展：扩展了SearchTool的能力，新增了 DuckDuckGo、Perplexity、SearXNG 等搜索引擎，并实现了 Advanced 模式（组合多个搜索引擎）

2、NoteTool：持久化研究进度。用于创建、读取、更新和删除笔记。
3、ToolRegistry工具管理：HelloAgents 框架的工具注册表，用于管理所有工具的注册和调用。在深度研究助手中，我们使用ToolRegistry来管理SearchTool和NoteTool。

（5）前端交互设计

设计了用户友好的前端界面：

• 全屏模态对话框：沉浸式体验，清晰的层次
• SSE 实时进度：实时展示研究进度，用户体验良好
• Markdown 可视化：美观的格式，清晰的结构

通过 Vue 3 + TypeScript + SSE 的技术栈，我们实现了一个现代化的 Web 应用。
前端交互设计：包括全屏模态对话框 UI、实时进度展示和研究结果可视化。

深度研究助手采用全屏模态对话框的 UI 设计，这种设计有以下优势：

• 沉浸式体验：全屏显示，避免干扰，专注于研究
• 清晰的层次：主页面和研究页面分离，层次清晰
• 易于关闭：点击关闭按钮或按 ESC 键即可返回主页面
• 响应式设计：适配不同屏幕尺寸

启动前端和后端服务后，可以输入query看任务清单一个个完成的过程：

Reference

[1] https://datawhalechina.github.io/hello-agents
[2] 前后端分离遇到CORS问题的解决办法