DeepResearch Agent

一个功能完整的深度研究 AI Agent 系统，基于 LangChain 和 React 构建。

⭐ 项目亮点

实现了一个简化版的 DeepResearch Agent。主要功能是通过 AI Agent 自动规划任务、搜索信息并生成研究报告。

整个项目花了大概 3-4 周时间，从零开始学习 LangChain 和 Agent 开发，踩了不少坑，但收获也很多。

主要功能

• 多 Agent 协作：实现了任务规划、信息收集和报告生成三个 Agent
• 实时流式输出：可以看到 AI 的思考过程，体验比较好
• 网络搜索集成：接入了 Tavily API，能够搜索最新的信息
• 会话管理：支持多个对话同时进行
• 前端界面：用 React + TypeScript 写的，界面还算清爽

技术栈

后端：

• Python + FastAPI
• LangChain（Agent 框架）
• OpenAI API / 火山引擎 API
• Tavily Search API

前端：

• React 18 + TypeScript
• Ant Design（UI 组件）
• SSE 流式通信

快速开始

环境要求

• Python 3.9+
• Node.js 16+
• OpenAI 或火山引擎的 API Key
• Tavily API Key（用于搜索）

安装步骤

1. 后端启动

1. 后端启动

cd backend

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 配置 API Keys
cp .env.example .env
# 编辑 .env 文件，填入你的 API Keys

# 启动
python main.py

2. 前端启动（新开一个终端）

cd frontend
npm install
npm start

浏览器会自动打开 http://localhost:3000

项目结构

项目结构

backend/          # 后端 Python 代码
├── agents/       # Agent 实现
├── api/          # FastAPI 路由
├── models/       # 数据模型
├── tools/        # 工具集成（Tavily搜索）
└── main.py       # 入口文件

frontend/         # 前端 React 代码
├── src/
│   ├── components/  # 组件
│   ├── pages/       # 页面
│   ├── services/    # API调用
│   └── types/       # TypeScript类型
└── package.json

开发过程

第一周：调研学习

• 研究了 LangChain、AutoGPT 等 Agent 框架
• 学习 ReAct 范式和 Plan-and-Execute 模式
• 确定技术方案

第一周：调研学习

• 研究了 LangChain、AutoGPT 等 Agent 框架
• 学习 ReAct 范式和 Plan-and-Execute 模式
• 确定技术方案

第二周：基础功能

• 搭建 FastAPI 后端框架
• 实现单 Agent 基础功能
• 集成 Tavily 搜索 API
• 完成前端基础页面

第三周：核心开发

• 实现多 Agent 协作机制
• 添加流式响应（这块调试了很久）
• 完成消息类型的渲染
• 实现会话管理

第四周：优化完善

• 修复各种 bug
• 优化用户体验
• 添加 Docker 支持
• 编写文档

遇到的问题

1. LangChain 版本问题

   • 依赖包版本冲突，最后通过放宽版本限制解决

2. 流式响应实现

   • SSE 在浏览器中的兼容性问题，花了时间研究事件解析

3. TypeScript 类型定义

   • 刚开始对 TypeScript 不太熟悉，慢慢学会了泛型和类型推断

4. API 配额限制

   • OpenAI API 用完了免费额度，后来改用火山引擎

功能演示

单 Agent 模式示例：

输入：什么是人工智能？
输出：快速给出定义和基本概念

多 Agent 模式示例：

输入：分析2025年人工智能发展趋势
过程：
  1. 规划 Agent 拆解任务
  2. 研究 Agent 搜索信息
  3. 写作 Agent 生成报告
输出：完整的研究报告（Markdown格式）

部署说明

Docker 部署（推荐）

# 配置环境变量
cp backend/.env.example backend/.env

# 启动
docker-compose up -d

手动部署

参考上面的"快速开始"部分

学习收获

1. Agent 开发：深入理解了 ReAct、Plan-and-Execute 等范式
2. 流式编程：学会了 SSE 和异步编程
3. TypeScript：提升了类型系统的理解
4. 系统设计：学会了如何设计一个完整的前后端分离项目

参考资料

• LangChain 官方文档
• OpenAI DeepResearch
• Perplexity AI
• AutoGPT 项目

致谢

感谢字节跳动训练营提供的学习机会！

---

如有问题欢迎提 Issue 讨论 ~