My First Agent 🚀

我的第一个 AI Agent 项目 —— 一个简单但可扩展的智能体框架。

快速开始

pip install -r requirements.txt
python main.py

项目结构

my_first_agent/
├── main.py              # 入口点
├── my_first_agent/
│   ├── __init__.py
│   ├── agent.py         # Agent 核心逻辑
│   └── tools.py         # 工具定义
├── requirements.txt
└── README.md

功能

• 基于 ReAct 模式的 Agent 循环
• 可扩展的工具系统
• 对话历史管理

许可证

MIT

Deep Research Agent 🧠

基于 LangGraph + DeepSeek + DuckDuckGo 的自我反思式深度研究助手。

特色

• 🔄 自我反思循环 — Agent 对自己的输出进行批判性评审并迭代改进
• 📋 研究规划 — 自动将复杂问题分解为可执行的子问题
• 🔍 实时搜索 — 通过 DuckDuckGo 获取最新信息
• 📊 结构化报告 — 输出带引用和评级的 Markdown 报告
• 🔁 循环图架构 — 利用 LangGraph 实现条件路由和循环

架构

graph TD
    A[用户问题] --> B[📋 制定研究计划]
    B --> C[🔍 执行网络搜索]
    C --> D[📊 分析搜索结果]
    D --> E[✍️ 撰写报告初稿]
    E --> F[🧐 自我评审]
    F -->|需要补充调研| C
    F -->|需要修改| E
    F -->|质量达标| G[✅ 输出最终报告]

Loading

快速开始

1. 配置

cp .env.example .env
# 编辑 .env 填入你的 DeepSeek API Key

2. 安装依赖

pip install -r requirements.txt

3. 运行

# 交互模式
python main.py

# 单次查询
python main.py "什么是量子计算？与传统计算相比有哪些优势？"

示例

🧠 研究问题 > 2025年AI Agent领域最重要的技术趋势是什么？

📋 制定研究计划...
🔍 执行网络搜索...
📊 分析搜索结果...
✍️ 撰写报告初稿...
🧐 自我评审中...
     完整性: 8/10 · 准确性: 7/10 · 结构性: 9/10 · 客观性: 8/10

项目结构

my_first_agent/
├── main.py                    # CLI 入口
├── src/
│   └── my_first_agent/
│       ├── config.py          # Pydantic Settings 配置
│       ├── graph/
│       │   ├── state.py       # LangGraph 状态定义
│       │   ├── nodes.py       # 各阶段节点逻辑
│       │   └── graph.py       # 图构建与编译
│       ├── tools/
│       │   ├── search.py      # DuckDuckGo 搜索
│       │   └── fetch.py       # 网页内容抓取
│       ├── prompts/
│       │   └── prompts.py     # 提示词模板
│       └── utils/
│           └── formatting.py  # 格式化工具
├── .env.example
├── requirements.txt
└── README.md

使用的技术

技术	用途
LangGraph	有向图状态机，管理 Agent 工作流
LangChain	LLM 调用链、Prompt 模板
DeepSeek API	底层 LLM（OpenAI 兼容接口）
DuckDuckGo	免费网络搜索（无需 API Key）
Rich	终端 UI 美化

许可证

MIT