Deep Research Agent — AI 课程期末大作业

一个基于 LangGraph 的深度研究助手 Agent，调用 TokenDance 云端大模型（qwen3.7-plus），并配以 Gradio 6.x Web UI。

在线演示：https://research.hub.tt2.li

功能

输入研究主题后，Agent 自动完成：

1. 主题分析（analyze_topic）— 提炼研究问题与关键词
2. 资料搜索（research）— 调用 web_search 工具实时搜索网络资料
3. 大纲生成（generate_outline）— 根据主题与资料生成报告大纲
4. 报告撰写（draft_report）— 基于大纲与资料撰写正文
5. 质量反思（reflect）— 评估报告并给出改进意见
6. 终稿输出（finalize）— 输出 Markdown / Word 研究报告

其中 reflect → draft_report 构成条件循环边，最多迭代 MAX_ITERATIONS 次。

技术栈

组件	版本/说明
Python	3.13
LangGraph	1.2.4
langchain_openai	1.3.0
云端模型	qwen3.7-plus @ TokenDance
搜索工具	DuckDuckGo（默认）/ TokenDance UniFuncs web-search
Web UI	Gradio 6.18.0
文档导出	python-docx 1.2.0

真实运行示例

主题：人工智能对英语专业翻译教育的影响

• 完整流程耗时：约 555 秒
• 最终报告长度：约 5200 字符
• 迭代次数：2 次（起草 → 反思 → 修订 → 反思 → 终稿）
• 消息类型：HumanMessage、AIMessage、SystemMessage、ToolMessage

详见 notebook/final_project.ipynb 中的执行结果。

环境配置

1. 复制环境变量模板：

   cp .env.example .env

2. 编辑 .env，填入 TOKENDANCE_API_KEY。

3. （可选）启用 Mock LLM 模式以离线测试结构：

   export MOCK_LLM=1
   export SEARCH_BACKEND=duckduckgo

快速开始

1. 安装依赖：

   python3 -m venv .venv
   source .venv/bin/activate
   pip install -r requirements.txt

2. 运行 Notebook（展示执行结果）：

   jupyter notebook notebook/final_project.ipynb

3. 启动 Web UI：

   python -m app.main

   浏览器访问 http://服务器IP:7860。

项目结构

agent/           # LangGraph Agent 核心代码
app/             # Gradio Web UI
notebook/        # 作业提交 Notebook（含真实执行结果）
docs/            # 说明文档与技术调研笔记
output/          # 生成的报告文件

部署

已配置 Nginx 反向代理到 research.hub.tt2.li：

server {
    listen 80;
    server_name research.hub.tt2.li;

    location / {
        proxy_pass http://127.0.0.1:7860;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_set_header Host $host;
    }
}

启动 Gradio：

GRADIO_SERVER_NAME=0.0.0.0 GRADIO_SERVER_PORT=7860 python -m app.main

GitHub 仓库

https://github.com/NLPark-Cran/deep-research-agent

作者

Cran — 杭州电子科技大学英语专业